Шахин Гауэр, доктор философии
Обещание ИИ заманчиво. Однако извлечь выгоду из этого обещания — совсем другая история. Уровень успеха инициатив в области ИИ по-прежнему очень низок [1][2], а уровень неудач прогнозируется на уровне 85% [3][4]. Помимо жестких барьеров, таких как технические и инфраструктурные пробелы, внутри предприятия существуют различные культурные и организационные узкие места, которые в значительной степени способствуют провалу инициатив. Это мягкие барьеры. В последнем посте из трех статей о слепых зонах ИИ мы обсудим командную работу, культуру и квотербеков ИИ.
Командная работа
Одна из самых больших слепых зон, которая приводит к провалу инициативы ИИ, — это неправильное представление о том, что специалисты по данным несут исключительную ответственность за успех решений ИИ. Наука о данных — это действительно командный вид спорта, и успех зависит от вклада всех заинтересованных сторон и их участия. На самом деле, такой же объем работы, если не больше, должен быть проделан не-специалистами по данным! Я собираюсь использовать аналогию с футболом, чтобы пролить больше света на тему (оповещение об американской поп-культуре!). Алгоритм ИИ можно представить как футбольный мяч. Том Брэди может быть козлом, но чтобы выиграть Суперкубок 2021 года [5], ему нужно было, чтобы каждый из пиратов играл на своих позициях, чтобы забить тачдаун. Каждая веха в инициативе ИИ, а именно. четкое определение бизнес-проблемы, которую вы хотите решить, обеспечение полноты и точности данных, использование этих данных для построения модели, развертывание модели в рабочей среде — все равно, что получить первый опыт. И, наконец, использование прогнозов для принятия решений — это тачдаун. Каждая из вех обычно принадлежит разным частям организации. Одним из наиболее распространенных индикаторов провала инициативы в области ИИ является несоответствие между владельцами этих вех. Для успешной инициативы все стороны должны согласовать общую цель. Успех зависит от межфункционального сотрудничества и общения, чтобы продолжать продвигать мяч на десять ярдов, чтобы попасть в зачетную зону. Техническая команда (например, специалисты по данным, инженеры) и нетехническая команда (например, руководители, руководители групп, бизнес-аналитики) должны сотрудничать и работать вместе. Крайне важно, чтобы все стороны были на одной странице и на одном уровне в своем понимании проблемы и вместе представляли решение. Специалисты по данным, строящие модели изолированно, могут привести к решениям, которые полностью упускают из виду цель, и проваленной инициативе, независимо от того, насколько «точная» и «SOTA» модель.
Культура
Хорошо известно, что одним из ключевых факторов успеха инициатив в области ИИ является культура. Предприятия должны активно развивать культуру, основанную на данных, чтобы обеспечить разработку и распространение этического ИИ. Руководству необходимо активно преодолевать разницу во власти между ИИ и бизнес-командами, создавая безопасное и уважительное пространство для совместной работы и обмена идеями и этическими соображениями, если таковые имеются. Один из уроков, которые можно извлечь из этой пандемии, который мы все можем понять и который также применим к ИИ, заключается в том, что политика и наука плохо сочетаются друг с другом, и результаты могут быть катастрофическими!
Квотербек с искусственным интеллектом
У руководства ИИ есть проблема с квотербеком. Поиск талантливых лидеров ИИ так же сложен, как поиск хорошего квотербека. Как и квотербек, ИИ-лидер может видеть поле, способен наносить и принимать удары, обладает силой и выносливостью, чтобы играть по-крупному, вести команду вперед и забивать. Лидер ИИ будет информировать и советовать, что можно делать с ИИ, что нельзя делать с ИИ и чего с ИИ делать не следует. Четвертая промышленная революция остро нуждается в инвестициях в развитие технических лидеров. Время, потраченное на поиск и инвестирование в подходящих игроков для игры с высокими ставками в ИИ, принесет свои плоды.
Здоровая динамичная команда, благоприятная культура и лидеры защитников ИИ неизменно проложат путь к успешным инициативам ИИ. Прозрачность и подотчетность при проектировании, разработке и внедрении ИИ вызовут доверие к системам ИИ и позволят нам использовать возможности ИИ на благо человечества.
@Shaheen_Gauher
Мнения являются моими собственными и не отражают мое место работы, прошлое или настоящее.
Если вы считаете статью актуальной, пожалуйста, поделитесь ею и распространите!
Подтверждение:
Большое спасибо Мэри Уол, Кристи Флетчер и Мигелю Фиерро за рецензирование и предоставление ценных отзывов.
Использованная литература:
[1] https://www.gartner.com/smarterwithgartner/3-barriers-to-ai-adoption/
[2] https://www.gartner.com/smarterwithgartner/how-to-prevent-big-data-analytics-failures/
