togel

Yang Perlu Diketahui Perusahaan Sebelum Berinvestasi di AI

Dalam beberapa tahun terakhir, AI menjadi lebih kuat dan aplikasinya untuk bisnis telah meningkat secara dramatis. Akibatnya, perusahaan yang tidak secara serius mempertimbangkan untuk menggunakan AI kini memiliki tampilan baru. Daya tariknya jelas: berbagai bentuk AI dapat meningkatkan kinerja melalui, prediksi, otomatisasi rutinitas, identifikasi gambar yang penting untuk aktivitas operasional, atau identifikasi kata kunci, frasa, dan pola dalam suara dan teks untuk manajemen informasi.

Di mana organisasi sering kesulitan mengetahui di mana harus berinvestasi dalam proyek AI yang benar-benar akan membuahkan hasil. Tetapi jika AI belum pernah menjadi bagian dari perusahaan Anda sebelumnya, akan sulit untuk mengetahui di mana letak potensi — dan risiko — sebenarnya. Meskipun AI mungkin menjanjikan keuntungan yang berharga, keuntungan tersebut datang dengan label harga, dan para pemimpin harus merasa yakin bahwa mereka memilih proyek yang tepat sebelum mereka berkomitmen.

Jika perusahaan Anda berpikir untuk mengadopsi AI, Anda harus mempertimbangkan bagaimana hal itu dapat menciptakan nilai, proyek pertama yang bagus, dan apakah Anda memiliki bakat yang tepat pada staf untuk upaya Anda agar berhasil dalam jangka panjang. Proyek AI pertama bisa jadi menakutkan, tetapi mengetahui faktor mana yang menjadi fokus akan membuat proyek tersebut membumi — dan mengklarifikasi apakah itu sepadan dengan investasinya.

Akankah AI menciptakan nilai bagi perusahaan Anda?

Apakah perusahaan Anda benar-benar membutuhkan AI?

“Mengapa menurut kami investasi ini akan sepadan?” adalah salah satu pertanyaan pertama yang harus Anda jawab. Itu berarti mengetahui sumber sakit operasional mana (misalnya, redundansi dalam tugas tertentu atau hambatan dalam aliran operasional) yang Anda coba atasi atau di mana Anda bertujuan untuk meningkatkan efisiensi dan keunggulan kompetitif yang inovatif (misalnya, produk cerdas dan ritel cerdas). Proyek AI harus membahas proses yang secara signifikan memengaruhi biaya, aliran pendapatan, atau alokasi sumber daya, di mana hasil akhirnya dapat menjadi dampak yang patut diperhatikan pada intinya.

Kandidat AI yang baik untuk memberikan nilai meliputi:

  • Kegiatan yang sangat memakan waktu dan padat karya (misalnya, membaca dokumentasi ekstensif untuk mengkategorikan item yang dapat ditindaklanjuti).
  • Aktivitas alur kerja yang membutuhkan pemindaian gambar secara intensif.
  • Proses yang dapat ditambah dengan analisis suara (misalnya, perutean dukungan pelanggan).
  • Meningkatkan akurasi prediktif di berbagai bidang seperti perilaku pelanggan atau peramalan umum, yang berlaku untuk banyak industri seperti asuransi, keuangan, pemasaran, dan bahkan pertanian.

Bersiaplah untuk menerima bahwa AI mungkin bukan jawaban yang Anda cari. Bahkan jika Anda menemukan kandidat yang menjanjikan untuk proyek AI, bersikaplah realistis tentang di mana elemen manusia sangat penting (misalnya, memvalidasi keluaran AI atau verifikasi tanda bahaya) dan AI mungkin tidak memberikan banyak nilai. Jika Anda berencana berinvestasi di AI, Anda ingin memastikan itu akan membuat perbedaan.

Pilih tugas, bukan proyek, sebagai titik masuk Anda.

AI umumnya berorientasi pada tugas. Untuk eksperimen AI pertama di perusahaan Anda, usahakan untuk memilih tugas bernilai tinggi yang digerakkan oleh data.

Pertimbangkan contoh dari sektor perawatan kesehatan: mengidentifikasi pasien yang mungkin berada dalam kategori “kemungkinan besar jatuh”. Ini adalah tugas bernilai tinggi karena jatuh dapat berarti cedera pada individu, kebutuhan akan perawatan yang lebih rumit, dan bahkan tindakan hukum. Mampu mengidentifikasi pasien mana yang berisiko jatuh dan menambahkan metode prosedural ekstra hati-hati untuk mengurangi risiko jatuh dapat menawarkan nilai nyata. Ini adalah tugas yang jelas, dengan sejumlah besar data yang dapat digunakan untuk melatih AI prediktif yang mampu menandai pasien saat mereka dirawat inap.

Ketahui data dan sistem pelengkap apa yang Anda butuhkan.

Data yang baik adalah sumber kehidupan proyek AI yang sukses. Sebelum melakukan suatu proyek, Anda perlu menyelidiki secara formal jenis dan jumlah data yang diperlukan untuk melakukannya dengan baik, apakah ada batasan dalam penggunaan data tersebut (seperti peraturan privasi), dan apakah itu dalam format yang wajar dan dapat diakses. Investigasi ini tidak terbatas pada data internal organisasi tetapi data yang mungkin ada di sumber eksternal. Seorang insinyur data bisa sangat membantu di sini. Jika sumber daya data Anda tidak teratur, Anda mungkin perlu fokus pada data terlebih dahulu dan mengejar AI nanti.

Setelah Anda mengidentifikasi bahwa data yang memadai tersedia untuk diproses oleh AI, Anda harus memastikan bahwa mengintegrasikan keluaran AI ke dalam tugas target dapat dilakukan. Dengan kata lain, dapatkah itu terhubung dengan lancar ke operasi otomatis yang bergantung pada rekomendasinya? Jika model Anda dibuat dengan Python, apakah itu akan kompatibel dengan sistem Anda? Di sinilah ahli IT memainkan peran penting. Ini adalah kebangkitan yang sulit ketika Anda telah melalui semua pekerjaan untuk membuat model yang efektif, hanya untuk menyadari bahwa menggunakan keluaran memperkenalkan proyek lain yang panjang dan rumit.

Sesuaikan ekspektasi akurasi Anda.

AI adalah alat yang ampuh, tapi itu bukan sihir. Jenis metode AI yang Anda terapkan, data yang Anda miliki, dan tugas yang ingin Anda fokuskan semuanya dapat menentukan tingkat akurasi — dan laba atas investasi. Memahami apa yang memengaruhi akurasi — dan mengapa — dapat membantu Anda menetapkan harapan yang masuk akal untuk seperti apa keberhasilan proyek itu. Misalnya, pengenalan gambar/visi komputer cenderung lebih akurat daripada aplikasi peramalan prediktif.

Sederhananya, memahami jenis AI yang Anda terapkan dan hasilnya akan digunakan untuk apa guna memperkirakan dampaknya pada keuntungan Anda.

Jangan terburu-buru menerapkan di seluruh perusahaan.

Hanya karena AI bekerja dengan baik untuk satu tugas tidak berarti itu akan berhasil untuk yang lain. Dengan kata lain, pertimbangkan tugas penerapan AI untuk meningkatkan masalah kepatuhan di organisasi Anda (misalnya mengidentifikasi sumber aktivitas non-keluhan). Model akan efektif dalam mengidentifikasi tanda bahaya menurut area fungsional tertentu (pemesanan perdagangan dalam pengaturan fin-tech). Namun, model itu tidak akan menjadi plug and play ke area lain untuk memenuhi kepatuhan. Proyek AI harus dilakukan sesuai dengan prosedur fungsional dan data terkait yang mendorongnya.

Bersikaplah realistis tentang apakah Anda memiliki keterampilan untuk mempertahankan AI.

Sama seperti proses yang berubah, data yang penting untuk mengemudikan model satu bulan mungkin menjadi kurang penting beberapa bulan kemudian, dan hal ini dapat mengubah efektivitas/akurasi AI. Data baru dan lebih baru muncul, driver proses berubah dan dengan itu, penyebaran AI perlu dioptimalkan kembali. Ini membutuhkan penggabungan insinyur data, ilmuwan data, dan personel TI untuk memberikan dukungan pemeliharaan sistem guna memastikan AI yang efektif secara konsisten. Ini berlaku untuk jenis organisasi. Perusahaan yang lebih besar sudah memiliki infrastruktur (misalnya teknisi TI dan data). Penambahan ilmuwan data yang berlatih mungkin cukup untuk mempertahankan proyek internal. Tentu saja opsi untuk melibatkan vendor luar selalu merupakan permainan yang layak dan mungkin merupakan cara yang baik untuk masuk ke penerapan dan pembelajaran AI.

Satu gagasan yang perlu diingat: jika Anda yakin perusahaan Anda memiliki karakteristik yang akan mendapat manfaat dari penerapan AI, mungkin ada baiknya berinvestasi pada personel untuk menjadikannya bagian integral yang berkelanjutan dari operasi Anda.

Akankah pengembalian lebih besar daripada biayanya?

Salah satu kesalahpahaman yang ada di benak banyak manajer adalah bahwa AI adalah pembuat keputusan yang memberikan jawaban akhir untuk semuanya dan fungsionalitasnya akan memangkas biaya atau mengurangi kebutuhan akan tenaga kerja yang mahal. Kenyataannya, bagaimanapun, adalah bahwa AI lebih merupakan mekanisme pendukung keputusan. Bahkan dengan pengenalan gambar yang akurat atau pemrosesan bahasa alami (NLP) yang efektif, inisiatif AI biasanya akan menyempurnakan tahapan proses, dan tidak mengubah hasil akhirnya. Sebagai contoh, NLP dapat meningkatkan kemampuan untuk mengkategorikan dokumen dan mengurangi kebutuhan untuk mengerahkan waktu dan sumber daya padat karya untuk menyelesaikan tugas. Namun, hasil akhirnya kemungkinan besar akan menjadi pengurangan sumber daya yang dikerahkan untuk tugas ini dengan kelebihan personel yang dikerahkan untuk tugas yang lebih intensif pengetahuan dalam organisasi. Hasilnya pasti positif, tetapi ROI-nya tidak begitu jelas.

Proyek AI dalam Realitas

Pertimbangkan bagaimana satu perusahaan produk industri Global 500 menggunakan AI untuk mengoptimalkan proses layanan pelanggan mereka terkait interaksi email pelanggan.

Kebutuhan: Perusahaan menerima sejumlah besar email layanan pelanggan. Menanggapi mereka melibatkan proses berulang, yang menjadikan tugas tersebut kandidat yang menjanjikan untuk AI.

Metode: Proyek awal akan menggunakan pemrosesan bahasa alami (NLP) dan pengklasifikasi yang dibuat khusus untuk menentukan cara merutekan email pelanggan. Ini akan menghilangkan tugas yang memakan waktu dan rawan kesalahan dalam menugaskan email ke departemen yang benar oleh staf. Hal ini diharapkan dapat mempercepat waktu respons sebanyak 50% dan meningkatkan jumlah pertanyaan yang dapat ditangani oleh setiap agen layanan pelanggan. Untuk bergerak maju, kolaborasi terjalin antara ilmuwan data, personel TI, dan insinyur data.

Data: Ini adalah titik masuk alami karena perusahaan telah mengumpulkan puluhan ribu email rahasia manusia. Ini membentuk kumpulan data pelatihan/pengujian yang kuat yang memiliki akurasi tinggi yang merupakan elemen penting untuk jenis proyek ini dan sering diabaikan.

Integrasi dan hasil: Cakupan fokus yang sempit ini memungkinkan akurasi pengklasifikasi yang relatif baik; 80% atau lebih baik. Ini dipilih sebagai tolok ukur untuk mengklasifikasikan email masuk ke dalam salah satu dari 10 kategori utama dan kemudian hingga 30 sub kategori. Pada tingkat ini, itu akan lebih efisien daripada perutean manusia dan menghemat banyak waktu dan sumber daya. Untuk meluncurkan model ke dalam produksi, ilmuwan data harus mengimplementasikan kode tambahan untuk mengintegrasikan model Python ke sistem berbasis email yang ada di organisasi.

Hasil akhir dari proyek ini adalah demonstrasi bagaimana AI dapat memengaruhi proses bisnis yang memakan waktu dan padat karya, yang pada akhirnya mendorong aplikasi lain dalam organisasi.

Hasil memulai AI dengan “cara yang benar”.

Kunci keberhasilan penerapan teknologi strategis baru adalah uji tuntas. Dalam kasus AI, yang bisa sangat kompleks, perusahaan perlu mengetahui kemampuan metode AI dan mempertimbangkan penerapannya ke proses yang tepat, yang dapat membuat perbedaan. Lebih khusus lagi, uji tuntas dengan AI memerlukan brainstorming kolaboratif antara insinyur data, ilmuwan data, UKM proses internal, dan eksekutif. Pertimbangan terfokus selama beberapa hari dapat meningkatkan kemungkinan peluncuran yang sukses yang mengoptimalkan sumber daya dan mendorong keunggulan kompetitif, atau dapat menghindari skenario penyucian yang menyakitkan dari teknologi baru yang tetap berada dalam kondisi pengujian terus-menerus.

Jika AI sesuai, perusahaan dapat membiarkan teknologi melakukan tugas berat dari proses berbasis rutin atau mengidentifikasi pola yang tampaknya tidak diketahui dalam sumber daya data yang luas. Tetapi untuk sampai ke sana, Anda perlu menemukan pendekatan yang sesuai untuk perusahaan Anda. Setelah Anda melakukannya, Anda mungkin melihat peluang baru terbuka di sekitar Anda.

Di web site ini, kami menanggung dan selalu memprioritaskan kepuasan para bettor di dalam beroleh totobet sidny Salah satunya adalah bersama menyediakan result pengeluaran sdy hari ini tercepat dan terbaru secara berkelanjutan dan pas waktu. Semua update paling baru untuk nomer pengeluaran sidney prize 2021 sanggup kalian nikmati pada jam 14.00 WIB atau jam 2 siang. Dengan menambahkan hasil result sdy tercepat maka para bettor tidak wajib lagi tunggu terlalu lama.