Das US-Patent- und Markenamt in Alexandria, Virginia, nutzt Projekte der künstlichen Intelligenz (KI), um den Patentklassifizierungsprozess zu beschleunigen, bei der Erkennung von Betrug zu helfen und die Suche von Prüfern nach ähnlichen Patenten zu erweitern, damit sie nach mehr suchen können Dokumente innerhalb des Zeitrahmens und jedes ihrer Projekte beginnt mit einem Pilotprojekt. „Proofs of Concept (PoCs) sind eine Schlüsselmethode, die wir verwenden, um neue Technologien zu verstehen, Annahmen zum Geschäftswert zu testen, das Risiko bei der Projektabwicklung im großen Maßstab zu reduzieren und umfassende Entscheidungen zur Produktionsimplementierung zu treffen“, sagte Jamie Holcombe, Chief Information Officer bei U.S. Patent und Markenamt Sobald sich die Pilotprogramme als erfolgreich erweisen, bestehe der nächste Schritt darin, zu entscheiden, ob sie ausgeweitet werden sollen, sagte er. Dann ist es an der Zeit, in einer realen Umgebung zu skalieren und mit der vollständigen Produktion zu beginnen.
Der indische E-Commerce-Anbieter Flipkart folgte ebenfalls einem ähnlichen Prozess, bevor er ein Projekt einführte, das Kunden dabei half, Hunderte von Kunden in 11 verschiedenen Sprachen per Textsuche und visuell anzusprechen Suche nach 10.000 Artikeln. Jetzt testet Flipkart Konversations-Bots und nutzt Deep Learning, um Modelle zu erstellen, die Benutzerabsichtserkennung, Sprachübersetzung, Sprache-zu-Text- und Text-zu-Sprache-Funktionen umfassen. Sowohl Flipkart als auch das US-Patent- und Markenamt weiten die Anwendung von Computer Vision, Verarbeitung natürlicher Sprache, maschinellem Lernen und anderen Technologien der künstlichen Intelligenz rasch auf andere Aspekte des Geschäfts aus.
So spannend künstliche Intelligenz und maschinelles Lernen auch sind, es gibt viele erste Pilotprojekte und PoC-Projekte, die nicht die volle Produktion erreichen. Projekte, die bereits erfolgreich sind, müssen Teil eines strategischen Plans sein, von der Führungsebene unterstützt werden, in der Lage sein, die richtigen Daten zu nutzen, über das erforderliche Team zu verfügen, über die richtigen technischen und geschäftlichen Kennzahlen und Projektmeilensteine zu verfügen, mehrere Iterationen zu durchlaufen und erfolgreich zu sein schnell. Versuch und Irrtum. „Es kann ein oder zwei Jahre dauern, bis dieser Prozess ein hohes Qualitätsniveau erreicht, und Sie müssen in dieser Zeit Geduld haben“, sagte Ganapathy Krishnan, Vizepräsident für Technik bei Flipkart.
Unternehmen gehen schnell voran, um erfolgreiche KI-Pilotprojekte in die Produktion zu bringen und Ergebnisse zu liefern. Rowan Curran, Analyst für künstliche Intelligenz, maschinelles Lernen und Datenwissenschaft bei Forrester, sagte: „Wir haben gesehen, dass KI-Projekte in den Mainstream vordringen: 57 % der Unternehmen implementieren oder erweitern ihre KI-Projekte und 70 % bis 75 % der Unternehmen tun es.“ „Außerdem sagen 53 % der CIOs und IT-Führungskräfte laut einer aktuellen Umfrage von Ernst & Young, dass Daten und Analysen im Bereich KI in den nächsten zwei Jahren zum Top-Investitionsbereich werden.“ .
Aber viele dieser Pilotprojekte sind aus mehreren Gründen zum Scheitern verurteilt, bevor sie überhaupt beginnen, angefangen bei mangelnder Unterstützung von oben. Holcombe vom US-Patent- und Markenamt sagte: „Sie brauchen die Anerkennung von leitenden Führungskräften und Sie müssen über die notwendigen Mittel verfügen.“ Bottom-up-Projekte verringern die Chance auf Projekterfolg. Die erfolgreichsten Projekte erhalten die Unterstützung des CIO und die Verpflichtung der Führungskraft, das Projekt zu finanzieren und KI in die gesamte digitale Transformationsstrategie des Unternehmens zu integrieren.
Krishnan von Flipkart sagte, es sei auch wichtig, klare Erwartungen zu setzen. „Sie sollten nicht erwarten, dass die von Ihnen umgesetzten Projekte das Unternehmen grundlegend verändern werden. Dies ist ein langer Prozess und braucht Zeit.“ ist ein Ansatz des produzierenden Unternehmens Eli Lilly. „Durch den PoC haben wir experimentiert und die Größendimensionen der Technologie und Projektabwicklung verstanden“, sagte Tim Coleman, Vizepräsident für Information und digitale Lösungen und Chief Information Officer bei Lilly. Das Team wendet Funktionen zur Verarbeitung natürlicher Sprache auf Geschäftsbereiche an. Entdeckung, Generierung und Übersetzung natürlicher Sprache, von der Erstellung klinischer und wissenschaftlicher Inhalte bis hin zur Produktentwicklung, erweiterten Suche und allgemeinen Verwaltungsfunktionen.
Aber verwechseln Sie diese Übung zum Kapazitätsaufbau nicht mit Pilotprojekten, die einen breiten Transformationswert generieren müssen, warnt Dan Diasio, globaler KI-Beratungsleiter bei EY: „Sie wollen Ihre Fähigkeiten aufbauen, um dorthin zu gelangen.“ , Aber wenn man in Zukunft mit Disruptoren konkurrieren und Investoren sinnvoll beeinflussen muss, muss man einen Top-Down-Ansatz verfolgen.“
So geht das Medizinunternehmen Atlantic Health System mit Projekten zu künstlicher Intelligenz und maschinellem Lernen um. Atlantic Health System hat erfolgreich die Bildauswertung zur Unterstützung von Radiologen und die Vorautorisierungsautomatisierung erprobt, die Bildgebungsaufträge entgegennimmt und sie über mehrere Prozessschritte hinweg plant. Sunil Dadlani, Senior Vice President und Chief Information Officer des Unternehmens, sagte: „Künstliche Intelligenz sollte Teil der digitalen Transformation sein und keine isolierte Initiative. Wir haben bei Eli Lilly eine Governance-Struktur und einen Investitionsplan für künstliche Intelligenz und maschinelles Lernen festgelegt.“ Laut Coleman sollten Projektvorschläge drei Kriterien erfüllen, bevor sie voranschreiten: Sie bieten einen geschäftlichen Wert im Hinblick auf die Kapitalrendite, haben eine akzeptable Erfolgsquote und die Projektergebnisse müssen mit der Geschäftsstrategie und den Prioritäten übereinstimmen. Mosaik PV war beispielsweise eines der ersten KI-Projekte von Eli Lilly, das sich auf die Meldung unerwünschter Arzneimittelwirkungen konzentrierte, wobei der Hauptgrund darin bestand, „die Produktivität zu steigern und die Kosten für den Umgang mit unerwünschten Ereignissen zu senken und gleichzeitig hohe Qualitäts- und Compliance-Standards aufrechtzuerhalten“.
Ein erfolgreiches Pilotprojekt sollte mit der Definition des Geschäftsproblems beginnen. „Werden Sie nicht durch eine Antwort zum Problemsucher“, sagt Sanjay Srivastava, Chef-Digitalstratege bei Genpact, einem globalen professionellen Dienstleistungsunternehmen. Genpact bietet hauptsächlich Beratungsleistungen zu KI-Projekten für große Unternehmen an. „Projekte, die sich auf den Geschäftserfolg konzentrieren und eher mit Fragen als mit Antworten beginnen, laufen meist gut ab.“
Entscheiden Sie dann, ob KI die beste Antwort ist. „Entspricht dieses Projekt einem Kriterium, das komplex genug ist, um den Einsatz von KI zu rechtfertigen? Wenn Sie es mit einem einfachen, regelbasierten Ansatz umsetzen können, versuchen Sie es“, sagte Krishnan. „Aber wenn Sie Hunderttausende oder sogar Millionen haben.“ Der Einsatz softwarebasierter Methoden ist bei Tausenden von Regeln nicht machbar.“
Zurück zum US-Patent- und Markenamt: KI-Projekte erfordern zwei Sätze von Indikatoren: technische Indikatoren zur Ausführung des Modells und Indikatoren zur Quantifizierung des kommerziellen Werts des KI-Projekts.
Atlantic Health System sichert den Erfolg durch die Umsetzung von Pilotprojekten mit klaren Geschäfts-KPIs für einen kleinen Teil des Unternehmens. Beispielsweise wurde das Bildauswertungssystem von Atlantic Health System als kleines Pilotprojekt in der Neurologie eingesetzt und schnell auf die Kardiologie und andere Bereiche ausgeweitet. Das Team erstellte in acht Wochen ein erfolgreiches Neurologie-Pilotprojekt, demonstrierte Projektergebnisse und erhielt Unterstützung von der Kardiologie und allen anderen Servicebereichen.
Flipkart konzentriert sich wie das USPTO zunächst auf technische Modellindikatoren und führt dann A/B-Tests durch, um zu sehen, welche Auswirkungen es auf das Unternehmen haben wird. Derzeit entwickelt und testet das Team einen KI-gestützten Konversationsbot. Sie begannen mit der Metrik „Antwortbarkeit“, also der Fähigkeit des Roboters, Fragen zu beantworten. Jetzt führen sie A/B-Tests durch, um festzustellen, ob dies messbare Auswirkungen auf das Geschäft haben wird.
KI-Projekte stützen sich stark auf Big Data, und Sie brauchen die Geschwindigkeit, das Volumen und die Vielfalt, die Sie brauchen, sagte Dadlani. „Wenn Ihre Datenqualität nicht gut ist, werden Sie nicht die erwarteten Ergebnisse sehen.“
Srivastava von Genpact stimmt zu. „Neunzig Prozent der Arbeit beim Aufbau eines KI-Systems dreht sich um Datenaufnahme, Koordination, Engineering und Governance. Wenn Sie sich auf 10 % konzentrieren und die 90 % aufgeben, werden Sie von Anfang an scheitern, also müssen Sie die Grundlage dafür schaffen.“ Daten.“
Sie müssen auch in der Lage sein, kontinuierliches Feedback zwischen verschiedenen A/B-Tests zu geben – also Daten in Echtzeit zu erhalten, um das Modell anzupassen. Aber Ihr Unternehmen ist möglicherweise nicht in der Lage, Daten schnell und automatisch bereitzustellen. Wenn Sie beispielsweise an einem Vorhersagemodell arbeiten und das Team nicht automatisch Informationen darüber erhält, was Kunden kaufen, können Sie die Schleife nicht schließen. Es ist auch wichtig, die Feedbackschleife nach der vollständigen Bereitstellung fortzusetzen, da sich die Präferenzen der Kunden im Laufe der Zeit ändern können. Wenn Ihr Modell dies nicht berücksichtigt, erhalten Sie nicht die erwarteten Ergebnisse, ein Ergebnis, das als „Modelldrift“ bezeichnet wird.
Während Pilotprojekte in Ihren anfänglichen Erwartungen möglicherweise vollständig umsetzbar sind, hängt die Skalierbarkeit von diesen Pilotprojekten ab. Verfügen Sie also über die richtigen Ressourcen, um das Pilotprojekt bis zur vollständigen Bereitstellung zu skalieren? „Anstatt ein Daten-Repository zu haben, ein neues Team einzustellen, eine Datenetikettenfabrik aufzubauen, müssen Sie möglicherweise den Code vereinfachen, neue Technologien einführen und KI und maschinelles Lernen an die Spitze treiben“, sagte Diasio von EY Reihe von technischen Fähigkeiten.“
Flipkart hat Cloud- und MLOps-bezogene Funktionen in Pilotprojekten übernommen. „Pilotprojekte erfordern von Anfang an viel technische Unterstützung, sie müssen häufig iteriert und schnell ausprobiert werden, und um dies zu erreichen, benötigen Sie eine MLOps-Infrastruktur von einem großen Cloud-Dienstleister. Sie sollten regelmäßig darüber berichten.“ wie nah sie an der Erreichung ihrer Ziele sind, und stellen Sie sicher, dass die Erwartungen während des Pilotprojekts richtig gesetzt werden.
„Wenn Sie zu Beginn des Pilotprojekts 3 % festlegen, sind Sie gut unterwegs“, sagte er. Erwarten Sie nicht, sofort Vorteile zu sehen. Bei komplexen Pilotprojekten ist es oft schwierig, innerhalb von drei Monaten Wirkung zu erzielen. Sie müssen lediglich bereitstellen, die Lücke finden, erneut bereitstellen und schrittweise verbessern.
Misserfolge während des Pilotprojekts bedeuten nicht unbedingt das Ende des Pilotprojekts. Das erweiterte Klassifizierungssystem des USPTO scheiterte zunächst. „Von Anfang an hatten wir Probleme mit unsachgemäß verwalteten Datensätzen“, sagte Holcombe, aber das Team kalibrierte das Pilotprojekt neu und setzte es fort, bis das System eine deutlich bessere Leistung erbrachte als der manuelle Prozess. „Wenn Sie scheitern, geben Sie nicht auf, finden Sie heraus, warum Sie gescheitert sind.“
Die oben genannten CIOs, IT-Leiter und Berater werden verschiedene Methoden verwenden, um ihre Pilotprojekte zu bewerten. Bei Atlantic Health System ist es nach Abschluss des ersten Pilotprojekts an der Zeit, die Ergebnisse auszuwerten, die darüber entscheiden, ob das Pilotprojekt verlängert, die Produktion vorangetrieben oder Verluste reduziert werden sollen. Dadlani sagte: „Pilotprojekte müssen ein sichtbares Maß für den Erfolg liefern und erst wenn wir vielversprechende Ergebnisse sehen, können wir sagen, was für die Skalierung erforderlich ist, wie viel Zeit wird es dauern, wie lange wird es dauern, bis der Wert realisiert ist.“ , die Technologie-Infrastruktur Welche Ressourceninvestitionen sind erforderlich und wie setzen wir sie um? mangelnde Agilität, mangelnde Schnelligkeit des Versuchs und Irrtums, mangelnde Zustimmung seitens der leitenden Führungskräfte und mangelndes organisatorisches Änderungsmanagement zur Förderung der Geschäftsakzeptanz.
Sie müssen die Indikatoren, die für die Finanzberichterstattung von entscheidender Bedeutung sind, nach oben melden. Wenn beispielsweise ein Preisalgorithmus Einsparungen in Höhe von 50 Millionen US-Dollar prognostiziert, besteht möglicherweise eine Lücke zwischen dem, was bisher erreicht wurde, und dem, was erwartet wurde, Diasio: „Wenn es um große, teure Projekte geht, mangelt es bei Pilotprojekten oft an den entsprechenden Werkzeugen.“ Um so viel Glaubwürdigkeit zu schaffen, arbeiten Sie also so hart wie möglich, um den erreichten Wert zu dokumentieren.
Dies ist auch eine Gelegenheit, neu zu bewerten, ob das Pilotprojekt erweitert werden muss. „Viele PoCs sind technisch sehr erfolgreich, machen aber wirtschaftlich keinen Sinn, wenn es um die Skalierung geht“, sagte Srivastava von Genpact. Zu den weiteren Überlegungen gehört, wie lange es dauern wird, das Projekt zu skalieren und welche Ressourcen benötigt werden.
Aber auf lange Sicht können sich die Dinge ändern. „Selbst wenn eine Skalierung kurzfristig möglicherweise nicht möglich ist, kann ein kleinerer Projektumfang mit hoher Erfolgswahrscheinlichkeit dennoch einen kurzfristigen Geschäftswert liefern, während gleichzeitig die technischen Fähigkeiten und Fertigkeiten so weit ausgereift sind, dass sie möglich sind.“ die Herausforderungen meistern“, sagte Coleman. Das Ausmaß der Skalierungsbarrieren „
Dann ist da noch die Infrastruktur. Sie sollten sicherstellen, dass Sie bei der Skalierung alle Annahmen überprüfen, einschließlich Konfiguration, Netzwerkbandbreite, Speicher und Rechenleistung. Krishnan sagte: „Sie benötigen viel technische Unterstützung, um das Pilotprojekt zu skalieren, und hier kann eine cloudbasierte MLOps-Infrastruktur helfen.
Abschließend sollten Sie sicherstellen, dass Sie KI in vorgelagerte und nachgelagerte Arbeitsabläufe integrieren können.“ Beispielsweise sind Funktionen zur Fehlervorhersage nicht nützlich, wenn Sie sie nicht in Ihre vorgelagerten Lieferkettensysteme integrieren, um sicherzustellen, dass Sie die Ersatzteile haben, die Sie benötigen, wann und wo Sie sie benötigen. Ebenso können diese Informationen nachgelagert zur Anpassung von Wartungsplänen verwendet werden.
Langsam beginnen, schnell scheitern und geduldig warten
KI/ML-Pilotprojekte sollten als Teil einer umfassenden digitalen Transformationsstrategie durchgeführt werden und über überzeugende Geschäftsszenarien verfügen, sagte Dadlani, um die gewünschten Ergebnisse zu erreichen, sei Geduld erforderlich. Entwickeln Sie technische und geschäftliche Wirkungsmetriken, die den Erfolg definieren. Stellen Sie sicher, dass Sie über die benötigten Ressourcen verfügen, bauen Sie ein Team auf und seien Sie auf schnelles Ausprobieren vorbereitet. Daher ist es für den Erfolg Ihres KI-Pilotprojekts von entscheidender Bedeutung, dass Ihr Team über die erforderliche Mischung aus Fähigkeiten und Fachwissen verfügt. „Auch in der Pilotphase braucht man ein funktionsübergreifendes Team“, sagte er: „Wir wollen sicherstellen, dass alle am Pilotprojekt beteiligt sind, weil es Teil des eigentlichen Arbeitsablaufs ist und sie von Anfang an einbezogen werden müssen.“ Anfang.
Organisationen, die nicht über alle benötigten Talente verfügen, sollten den Aufbau eines Hybridteams mit einem externen Partner in Betracht ziehen, während kleine und mittlere Unternehmen möglicherweise mehr Rollen auslagern müssen – wenn sie die richtigen Talente finden können. „Outsourcing ist sehr schwierig, wenn Sie nicht über die richtigen KI/ML-Ingenieure und Dateningenieure verfügen“, sagt Srivastava. Darüber hinaus müssen Sie Leute in Ihrem Team haben, die sich sowohl mit maschinellem Lernen als auch mit der Branche (z. B. der Fertigung) auskennen. ) Personal. Diese Fähigkeiten sind nicht leicht zu finden, daher ist Cross-Training von entscheidender Bedeutung.
Abschließend möchten Sie ein Zielprojekt in Betracht ziehen, das tatsächliche Geschäftsergebnisse liefern und dann auf andere Geschäftsbereiche ausgeweitet werden kann, wie es Atlantic Health System mit seinem auf maschinellem Lernen basierenden Bildbeurteilungssystemprojekt getan hat.
Sobald das Pilotprojekt in die volle Produktion übergeht, bauen Sie auf der Arbeit auf, die Sie bereits geleistet haben. Halten Sie die Geschäftsbereiche über den Fortschritt des Pilotprojekts auf dem Laufenden, demonstrieren Sie, was das Projekt bei vollständiger Implementierung bewirken wird, und entwickeln Sie eine Plattform, auf der andere Geschäftsbereiche ihre eigenen Anwendungen nutzen können. Srivastava sagte: „Heute ist das Tempo des Wandels so langsam wie nie zuvor, und Unternehmen, die revolutionieren und wachsen wollen, müssen die Art und Weise ändern, wie sie Wert schaffen, und das geht nicht ohne KI, wenn man nicht investiert.“ Wenn Sie künstliche Intelligenz nutzen, werden Sie hilflos erscheinen.“
Das obige ist der detaillierte Inhalt vonSieben IT-Experten sprechen: Wie man ein erfolgreiches KI-Pilotprojekt startet und skaliert. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
Anwendung künstlicher Intelligenz im Leben
Was ist das Grundkonzept der künstlichen Intelligenz?
Webcrawler
So speichern Sie in Pycharm geschriebene Programme
Was ist die Programmiersoftware?
Wie viel kostet ein Bitcoin in RMB?
So deaktivieren Sie die Win10-Upgrade-Eingabeaufforderung
sichtbar bedeutet
![[Web-Frontend] Node.js-Schnellstart](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
