ITSP Infosys の調査結果: 人工知能とデータ サイエンスは企業に経済的価値をもたらさない

このレポートは、多くの企業がデータ サイエンスの取り組みと人工知能の導入を実際の経済価値に変換できていないことを指摘しています。 2,500 人のテクノロジー リーダーを対象とした調査では、AI テクノロジーに対する高い期待にもかかわらず、そのパフォーマンスに非常に満足していると回答したのは回答者の 4 分の 1 のみでした。

ITSP Infosys はこのレポートで、調査対象となったすべての企業の欠損値が 4,600 億米ドルの利益に相当すると指摘しました。そして、AI から最大限の利益を得る立場にある企業は、データ サイエンスを単なるサイド プロジェクトではなく、確実にビジネスに統合することに重点を置いています。

同社社長のモヒト・ジョシ氏は、「企業がデータと人工知能をビジネスから切り離して見るのではなく、異なる視点で見ることが重要だ」と述べた。データ共有、高度な人工知能への信頼、ビジネスの優先事項の 3 つの領域に焦点を当てる必要があります。

このレポートは、最初に AI プロジェクトを立ち上げるときの高い期待にもかかわらず、ほとんどの企業がこれらの重要な分野の 1 つ以上で行動を起こせていないことを示しています。全体として、AI モデルの 63% は基本的な機能のみを実行し、人間によって駆動されており、多くの場合、データ検証、データ実践、データ戦略に欠陥があります。

データと人工知能ツールに非常に満足していると答えた回答者はわずか 26% でした。 Joshi 氏は、「AI のアプリケーションは魅力的ですが、何かが明らかに欠けています。」と述べました。クラウド コンピューティング ソリューションに移行するのではなく、将来的に問題を引き起こす可能性があるスマート アプリケーション。

同氏は、「ビジネス上の問題や人工知能システムに関して、企業は最も効果的で有用なデータを制御し、習得する必要があります。したがって、人工知能を信頼することも重要です。

私たちの調査では、次のことが判明しました」と述べています。高度な AI が最適なパフォーマンスを達成するには、AI に対する信頼が必要です。AI を使用する人々が AI を信頼しない場合、モデルは使用されなくなるリスクがあります。データ倫理とバイアス管理のベスト プラクティスは進歩しています。

この調査には、企業の 4 分の 3 が事業分野全体で人工知能を運用したいと考えているものの、ほとんどの企業は人工知能を初めて使用しており、アプリケーションのスケールアップに苦労していることも含まれています。主にスキル不足と採用の難しさにより、困難な課題に直面しています。

「データ AI レーダー」調査は、ITSP Infosys Corporate Knowledge Institute によって実施されました。同研究所は、いわゆる「業績の高い」企業はAIとデータに対する見方が異なり、データを通貨として扱い、共有して循環させる企業が最も高い利益を上げていることを発見した。

研究チームは、データが通貨として扱われ、ハブアンドスポーク データ管理モデルを通じて流通すると、低遅延でデータを更新する企業に 1,050 億ドルの増分価値をもたらす可能性があることを発見しました。さらに多くの利益が得られます。収益やその他の価値尺度を生み出すことができます。

調査レポートでは、人工知能の使用に非常に満足している企業は、収益の増加に加えて、データの検証と偏見の課題を克服できる、信頼され、倫理的で責任あるデータ実践を一貫して行っていると指摘しています。実践者がディープラーニングやその他の高度なアルゴリズムを使用できるようにします。

データ サイエンスを実際のニーズに適用する企業は、付加価値を生み出し、効率を向上させ、さらに 450 億ドルの利益成長をもたらします。

企業が人工知能の急速な発展に従うのは難しいのかとの質問に対し、ジョシ氏は「問題は、企業が人工知能を適用して良い結果を達成できるかどうかだ。人工知能と機械学習には新しいアプローチが必要だ」と述べた。 「マインドセット、ここが企業が転換すべきところです。機械学習と AI が急速に進歩する一方で、機械学習と AI から最大限の利益を得るためにデータへのアプローチを再定義しているのは企業であると私たちは見ています。」

これには、AI ツール用のデータを取得し、ビジネスに適した方法でデータを準備することが含まれます。これには、そのデータとハブを介して共有されるプラクティスの組み合わせを奨励する必要性を認識することも含まれます。 -and-spoke データ管理システム。

Joshi 氏は、「私たちはデータが新しい通貨であると信じています。データは通貨のようなもので、流通することで価値が高まります。多くの企業が、新興のデータエコノミーには大きな可能性があることを認識しており、データの構築に協力しています。パートナーや同僚のエコシステムを共有すると、単独で運用するよりも大きなメリットが得られます。」

これは、データ セットが必要であるという従来の考え方とは異なります。 Joshi 氏は、データを一元化して整理し、そのデータをチームに配布して自由に運用し、柔軟に使用できるシステムが最良のアプローチであることがわかったと述べました。たとえば、サードパーティからのデータのインポートや高レベルのデータ共有は、他のデータや AI アクションよりも大きな利益をもたらします。

「モデル操作」は AI システムの拡張に役立ちます

企業が今すぐ行動を起こさず、AI と機械学習について異なる考え方をしないと、ジョシ氏は次のように述べています。限界に直面し、AI システムに不満を抱き、新しいデータエコノミーにはまり込んでしまいます。 「企業は、実験を可能にするだけでなく、予測可能な方法で AI を拡張できる AI 導入フレームワークを採用する必要があります。

「モデル運用」のような概念は、企業にスケーラブルなシステムを構築するための視点を提供できます。プラットフォーム ドライバーは、展開中の柔軟性を高め、プロセスの標準化を確実にし、ベースライン モデルのパフォーマンスの尺度としてサポートをサポートできます。」

Joshi 氏は、もう 1 つの重要な点について、企業が倫理的および法的な慣行を確実に順守すること、特に政府がデータの悪用や非倫理的な行為を防止するための法律を制定する移行期間中。

同氏は次のように述べています:「AI が私たちの社会構造と共存し、より大きな利益をもたらすためには、持続可能かつ思慮深い方法で導入されなければなりません。したがって、どの AI においても、テクノロジー業界は議論を促進することが重要です」テクノロジーがパブリックドメインにリリースされる前に、テクノロジーの利点、コスト、影響について業界、コミュニティ、規制当局内および業界全体で検討する必要があります。」

以上がITSP Infosys の調査結果: 人工知能とデータ サイエンスは企業に経済的価値をもたらさないの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。