Die Wahrheit über künstliche Intelligenz und ROI: Kann künstliche Intelligenz wirklich erreicht werden?

Heute vertrauen und investieren Unternehmen mehr denn je in das Potenzial von künstlicher Intelligenz (KI) und maschinellem Lernen (ML).

Laut dem IBM Global Artificial Intelligence Adoption Index 2022 gaben 35 % der Unternehmen an, derzeit künstliche Intelligenz in ihren Betrieben einzusetzen, und weitere 42 % gaben an, dass sie künstliche Intelligenz erforschen. Unterdessen ergab eine McKinsey-Umfrage, dass 56 % der Befragten angaben, im Jahr 2021 KI in mindestens einer Funktion eingeführt zu haben, gegenüber 50 % im Jahr 2020.

Aber können Investitionen in KI einen echten ROI liefern, der sich direkt auf das Endergebnis eines Unternehmens auswirkt?

Laut der aktuellen REVElate-Umfrage von Domino Data Lab, bei der im Mai Teilnehmer in New York City befragt wurden auf der Rev3-Konferenz der Stadt wurden befragt, und viele Befragte schienen dieser Meinung zu sein. Tatsächlich erwartet fast die Hälfte ein zweistelliges Wachstum in der Datenwissenschaft. Fast vier Fünftel der Befragten (79 %) gaben an, dass Datenwissenschaft, maschinelles Lernen und künstliche Intelligenz für das zukünftige Gesamtwachstum ihres Unternehmens von entscheidender Bedeutung sein werden, wobei 36 % dies als den kritischsten Faktor nannten.

Natürlich ist die Implementierung künstlicher Intelligenz nicht einfach. Andere Umfragedaten zeigen eine andere Seite des starken Vertrauens. Jüngste Umfragedaten des auf künstliche Intelligenz spezialisierten Unternehmens CognitiveScale ergaben beispielsweise, dass Führungskräfte zwar wissen, dass Datenqualität und -bereitstellung wichtige Erfolgsfaktoren für eine erfolgreiche Anwendungsentwicklung sind, die die digitale Transformation vorantreibt, sich jedoch mehr als 76 % der Führungskräfte nicht sicher sind, wie sie eine erfolgreiche Anwendungsentwicklung umsetzen sollen 12-18 Erreichen Sie das Ziel innerhalb weniger Monate. Darüber hinaus gaben 32 % der Führungskräfte an, dass es länger als erwartet dauert, KI-Systeme in Produktion zu bringen.

Künstliche Intelligenz muss verantwortungsvoll sein

Bob Picciano, CEO von Cognitive Scale, sagte den Medien, dass ein durch künstliche Intelligenz erzielter ROI möglich sei, aber auf Geschäftszielen basieren müsse. Beschreiben und personalisieren Sie ihn genau .

„Wenn das Geschäftsziel darin besteht, historische Daten zu nutzen, um längerfristige Prognosen zu erstellen und die Prognosegenauigkeit zu verbessern, dann spielt KI eine Rolle“, sagte er „Aber KI muss die Geschäftseffizienz verantwortungsvoll vorantreiben.“ ——Es reicht nicht aus, dass ein ML-Modell zu 98 % genau ist, sondern der ROI könnte beispielsweise darin bestehen, Callcenter mit KI-gesteuerten Funktionen effizienter zu machen, die im Durchschnitt weniger Anrufe erfordern.

„Über diesen ROI reden sie in der C-Suite“, erklärt er. „Sie sprechen nicht darüber, ob das Modell genau, robust oder abweichend ist.“ Shay Sabhikhi, Mitbegründer und COO von Cognitive Scale, fügte hinzu, dass 76 % der Befragten sagten, es sei schwierig, ihre Bemühungen im Bereich der künstlichen Intelligenz zu skalieren überrascht von der Investition. „Genau das hören wir von unseren Unternehmenskunden“, sagte er. Eines der Probleme, erklärte er, seien Spannungen zwischen Data-Science-Teams und anderen Organisationen, die nicht wissen, was sie mit den von ihnen entwickelten Modellen anfangen sollen.

Er sagte: „Diese Modelle haben vielleicht die besten Algorithmen und die beste Präzision beim Rückruf, aber sie werden auf Eis gelegt, weil sie im Wesentlichen dem Entwicklungsteam überlassen werden und sie dann schnell die Anwendung zusammenstellen müssen. Steh auf.“ „

An diesem Punkt müssen Organisationen jedoch die Verantwortung für ihre Investitionen in KI übernehmen, da KI nicht länger eine Reihe wissenschaftlicher Experimente ist, bemerkte Picciano. „Wir nennen es den Übergang vom Labor zum Leben“, sagte er. „Ich war bei einem Treffen des Chief Data Analytics Officer und alle fragten: Wie kann ich die KI industrialisieren?“

Ist der ROI die richtige Messgröße für KI?# 🎜🎜#

Allerdings sind sich nicht alle einig, dass der ROI der beste Weg ist, um zu messen, ob KI den Wert eines Unternehmens steigert. Nicola Morini Bianzino, Global Chief Technology Officer bei EY, sagte, dass die Messung von KI und Unternehmen anhand von „Anwendungsfällen“ und die anschließende Messung des ROI der falsche Weg sei, mit KI umzugehen.

„Für mich ist KI eine Reihe von Technologien, die fast überall im Unternehmen eingesetzt werden können – ohne Anwendungsfälle von der zugehörigen ROI-Analyse zu isolieren“, sagte er.

Stattdessen, erklärte er, müssen Organisationen einfach überall KI einsetzen. „Es ist fast wie beim Cloud Computing. Vor zwei oder drei Jahren habe ich viele Gespräche mit Kunden geführt, in denen sie gefragt haben: ‚Wie hoch ist der ROI? Jetzt, nach der Pandemie?‘ Gespräch Es passiert nicht mehr Jeder sagt: ‚Ich muss das tun.‘“ Darüber hinaus weist Bianzino darauf hin, dass die Diskussion über KI und ROI davon abhängt, was Sie unter „Verwendung von KI“ verstehen.

„Angenommen, Sie versuchen, einige autonome Fahrfunktionen anzuwenden – das heißt, Computer Vision ist ein Zweig der künstlichen Intelligenz“, sagte er. „Nein, weil es keine künstliche Intelligenz gibt.“ Intelligenz Es ist unmöglich, autonomes Fahren zu erreichen.“ Das Gleiche gilt für Unternehmen wie EY, die riesige Datenmengen absorbieren und Kunden Empfehlungen geben – und das ist untrennbar mit KI verbunden. Er sagte: „Es ist etwas, das man nicht vom Prozess trennen kann – es ist intrinsisch.“

Außerdem ist KI per Definition am ersten Tag weder produktiv noch effizient. Das Erhalten von Daten, das Trainieren des Modells, die Weiterentwicklung des Modells und die Skalierung des Modells nehmen Zeit in Anspruch. „Es ist nicht so, dass man eines Tages sagen kann, dass ich mit künstlicher Intelligenz fertig bin und der Wert zu 100 Prozent da ist – nein, es ist eine fortlaufende Fähigkeit, die mit der Zeit besser wird“, sagte er. Es gibt keinen wirklichen Endpunkt des Werts, der generiert werden kann.“

Bianzino sagte, dass künstliche Intelligenz in gewissem Maße zu einem Teil der Geschäftskosten wird. „Wenn Sie in einer Branche tätig sind, in der es um Datenanalyse geht, können Sie auf KI-Fähigkeiten nicht verzichten“, erklärt er. „Können Sie den Business Case für diese Modelle isolieren? Es ist schwierig und ich glaube nicht, dass es notwendig ist. Für mich sind es fast die Infrastrukturkosten für die Führung eines Unternehmens.“

Der ROI von KI ist schwer zu messen

Kjell Carlsson , Head of Data Science Strategy and Advocacy beim Enterprise-MLops-Anbieter Domino Data Lab, sagt, dass Unternehmen letztendlich die geschäftlichen Auswirkungen des ROI messen wollen – wie viel er dazu beiträgt. Ein Problem besteht jedoch darin, dass dies völlig unabhängig von der Arbeit sein kann, die in die Entwicklung des Modells geflossen ist.

„Wenn Sie also ein Muster erstellen, das Ihre Klickrate um einen Prozentpunkt erhöht, steigern Sie den Gewinn des Unternehmens in Millionenhöhe“, sagte er. „Aber Sie können auch ein gutes Modell für die vorausschauende Wartung erstellen.“ Hilft, frühzeitig zu warnen, dass eine Maschine repariert werden muss, bevor es passiert. „In diesem Fall kann der Geldwert eine ganz andere Auswirkung auf die Organisation haben“, auch wenn eines davon am Ende ein schwierigeres Problem darstellen könnte, fügte er hinzu.

Im Allgemeinen benötigen Unternehmen wirklich eine „Balanced Scorecard“, um die Produktion von KI zu verfolgen. „Denn wenn Sie nichts in Produktion bringen, könnte das ein Zeichen dafür sein, dass Sie ein Problem haben“, sagte er. „Wenn Sie andererseits zu viel in die Produktion stecken, könnte das auch auf ein Problem hinweisen.“

Je mehr Modelle ein Data-Science-Team beispielsweise einsetzt, desto mehr Modelle müssen verwaltet und gewartet werden. „Sie haben letztes Jahr also so viele Modelle eingesetzt, dass Sie sich diese anderen hochwertigen Modelle eigentlich nicht leisten konnten“, erklärte er.

Aber ein weiteres Problem bei der Messung des KI-ROI besteht darin, dass bei vielen Data-Science-Projekten das Ergebnis kein Modell ist, das in die Produktion geht. „Wenn Sie eine quantitative Gewinn- und Verlustanalyse des letztjährigen Handels durchführen möchten, müssen Sie wahrscheinlich eine gründliche statistische Untersuchung durchführen“, sagte er. „Aber ohne dass ein Modell in Produktion geht, nutzen Sie KI, um die Erkenntnisse zu gewinnen, die Sie dabei gewinnen.“ der künstlichen Intelligenz. „Eines der Probleme besteht derzeit darin, dass es nur sehr wenige datenwissenschaftliche Aktivitäten gibt, die Daten tatsächlich sammeln und analysieren“, sagte Carlsson. „Wenn Sie die Leute fragen, werden sie sagen, dass sie wirklich nicht wissen, wie gut ihre Modelle funktionieren, wie viele Projekte sie haben oder wie viele CodeCommits Ihre Datenwissenschaftler letzte Woche abgeschlossen haben.

Einer der Gründe sind diese Daten.“ Wissenschaftler müssen sehr unabhängige Werkzeuge verwenden. „Dies ist einer der Gründe, warum Git als Repository, als einzige Quelle der Wahrheit für Datenwissenschaftler in einer Organisation, immer beliebter wird“, erklärt er. MLops-Tools wie Domino Data Lab bieten eine Plattform zur Unterstützung dieser verschiedenen Tools. Er sagte: „Das Ausmaß, in dem Organisationen diese stärker zentralisierten Plattformen schaffen können … ist wichtig.“ Er ist seit fast einem Jahrzehnt im Frequenzhandelsgeschäft tätig und sagte, dass seine Aufgabe bei Merrill Lynch darin besteht, maschinelles Lernen in großem Maßstab einzusetzen und dies mit einem positiven ROI zu erreichen. Die eigentliche Herausforderung besteht nicht darin, Datenwissenschaft zu entwickeln und die Daten zu bereinigen Transaktionale Repositories (heute Data Lakes genannt) bestehe bisher darin, diese Modelle zu nutzen, sie zu operationalisieren und einen geschäftlichen Mehrwert zu schaffen oder sie erwirtschaften nicht genügend ROI, um die Investition lohnenswert zu machen. „Aber das steht im Vordergrund aller Gedanken. Die Antwort ist nicht dieselbe. „

Ein grundlegendes Problem besteht darin, dass viele Menschen glauben, dass sich die Arbeit mit maschinellem Lernen nicht so sehr von der Arbeit mit einer Standardanwendung unterscheidet. Er fügte hinzu, dass es einen großen Unterschied zwischen beiden gebe, weil künstliche Intelligenz nicht statisch sei

Er sagte: „Es ist fast so, als würde man einen Bauernhof bewirtschaften, denn die Daten sind lebendig, die Daten ändern sich und man ist noch nicht fertig.“ „Es ist nicht so, dass man einen Empfehlungsalgorithmus erstellt und dann das Kaufverhalten der Leute zeitlich einfriert. Die Menschen haben die Art und Weise, wie sie kaufen, verändert. Plötzlich hat Ihr Konkurrent eine Beförderung. Verbraucher kaufen nicht mehr bei Ihnen ein. Sie wandten sich an ihre Konkurrenten. Sie müssen es regelmäßig warten.

Letztendlich muss jede Organisation entscheiden, wie sie ihre Kultur auf das Endziel der Ermöglichung von KI ausrichtet. „Dann müssen Sie die Menschen wirklich befähigen, diese Transformation voranzutreiben, und dann diejenigen zulassen, die an Ihren bestehenden Geschäftsbereichen interessiert sind.“ Sie sind der kritischen Meinung, dass sie einen gewissen Nutzen aus der KI ziehen werden.

Er fügte hinzu, dass die meisten Unternehmen noch in den Kinderschuhen stecken. „Ich glaube nicht, dass die meisten Unternehmen das schon erreicht haben, aber ich habe in den letzten sechs bis neun Monaten definitiv einen Wandel gesehen, bei dem die Leute anfangen, Geschäftsergebnisse und Geschäftswert ernst zu nehmen.“ Der ROI von KI bleibt unklar

Aber wie der ROI von KI gemessen werden kann, bleibt für viele Unternehmen eine schwer fassbare Frage. „Für einige Unternehmen gibt es grundlegende Probleme, zum Beispiel können sie ihr Modell nicht einmal in Produktion bringen, oder sie können es, sind aber blind, oder sie haben Erfolg, wollen aber jetzt skalieren“, sagte Jain. „Aber im Hinblick auf den ROI ist mit maschinellem Lernen oft kein Gewinn oder Verlust verbunden.“ Einheiten, während es in anderen Fällen schwierig ist, sie zu messen.

„Die Frage ist: Ist KI Teil des Geschäfts? Oder ist sie ein Dienstprogramm? Wenn Sie ein Digital Native sind, kann KI Teil des Treibstoffs sein, der das Geschäft betreibt“, sagte er. „Aber in einem großen Unternehmen, das über ein altes Unternehmen verfügt oder sich im Wandel befindet, ist die Frage, wie der ROI gemessen werden kann, eine grundlegende Frage, die gelöst werden muss.“

Das obige ist der detaillierte Inhalt vonDie Wahrheit über künstliche Intelligenz und ROI: Kann künstliche Intelligenz wirklich erreicht werden?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!