Kecerdasan buatan membuka kemungkinan baru jika data memungkinkan

Bisakah kecerdasan buatan membuat kita lebih kreatif dan inovatif? Ini adalah subjek diskusi dan perdebatan yang panas. baru saja analisis dari Gottlieb Duttweiler Institute menyatakan bahwa, ya, AI dapat membantu kita meningkatkan inovasi.

Seiring dengan berurusan dengan hal-hal duniawi, “kecerdasan buatan juga dapat melakukan tugas yang lebih kreatif dengan mengidentifikasi pola dalam data yang tidak akan ditemukan oleh manusia,” kata penulis studi tersebut. Jean Peiser, menunjuk ke. “Dalam hal ini, AI tidak hanya melakukan tugas yang memakan waktu; tetapi juga dapat memberikan wawasan yang tidak akan pernah ditemukan manusia.”

Hanya ada satu masalah: Seberapa dapat dimainkan data di seluruh sistem AI ini? Kecerdasan buatan tidak muncul dalam ruang hampa. Ini adalah hasil dari data di baliknya. Banyak pakar industri khawatir bahwa perusahaan tidak memberikan perhatian yang cukup pada data yang mendorong sistem pengambilan keputusan mereka, atau bahwa data mungkin tidak lengkap, cakupannya terbatas, atau kedaluwarsa. Data kering juga mengeringkan inovasi. “Data Anda terus berkembang karena kondisi berubah dengan cepat,” ujarnya. Arijit SenguptaCEO dan Pendiri Ibel. “Banyak proyek AI gagal karena dijalankan pada data yang sudah usang atau tidak berguna dan mengabaikan realitas bisnis.”

Data mungkin tidak berguna, atau mungkin tidak ada cukup data yang valid. “Kesalahan paling umum yang dilakukan perusahaan saat mengimplementasikan AI adalah menganggap semua data yang diperlukan ada dalam sistem loop tertutup,” katanya. Melanie NosWakil Presiden Senior, Inovasi GS1-ASIni adalah konsorsium nirlaba yang bekerja untuk mengembangkan standar perdagangan digital. “Perusahaan dapat menerapkan AI dengan keyakinan bahwa mereka dapat menemukan nilai dari teknologi menggunakan semua data mereka sendiri, tetapi agar AI dapat diskalakan secara efektif, data mungkin perlu dicerna dan dibagikan ke seluruh mitra bisnis.”

Dengan meningkatnya ketergantungan pada kecerdasan buatan, ada risiko bahwa keputusan akan terdistorsi oleh masalah data yang mendasarinya. “Salah satu kesalahan yang bahkan terus dilakukan oleh perusahaan paling mapan adalah mengandalkan data sebagai satu-satunya sumber kebenaran,” kata Sengupta. “Kami perlu memahami bahwa AI tradisional tidak memahami tujuan Anda, kompromi biaya-manfaat, atau batasan kapasitas. Yang diketahui hanyalah apa yang ada dalam data Anda. Untuk alasan ini, data saja merupakan fondasi yang salah untuk AI yang sukses strategi.”

Data yang lemah adalah alasan banyak aplikasi AI gagal. “Data yang bias atau tidak mencukupi dapat menimbulkan konsekuensi jangka panjang yang parah untuk setiap proyek AI,” katanya. Shalab SenegalCEO dari Trademo. Sebagian besar perusahaan mengeluh tentang pengembalian investasi yang buruk bahkan setelah menghabiskan sebagian besar anggaran mereka untuk pengumpulan data. Apa yang gagal mereka pahami adalah pentingnya pengumpulan data yang benar serta pembersihan dan pelabelannya.”

Untuk melihat manfaat penuh adopsi AI, “berdayakan dengan data yang lengkap, akurat, dan konsisten,” kata Noss. “Ketika data tidak terstruktur atau terkoordinasi, proses bisnis tidak dapat diotomatisasi, dan investasi hilang — bersama dengan waktu dan sumber daya yang berharga. Wawasan yang kami peroleh dari AI hanya sekuat dan seakurat data yang mereka berikan.” Itu menyerukan standar industri yang lebih kuat untuk “memastikan bahwa data yang benar dikumpulkan dengan cara yang dapat dibaca mesin, sehingga perusahaan dapat menyadari nilai lebih cepat.”

Dengan standarisasi data, perusahaan akan dapat berinovasi lebih cepat, lanjut Nuce. “Akses ke sejumlah besar data berkualitas tinggi memungkinkan ilmuwan data membangun algoritme yang bekerja dengan kapasitas pembelajaran yang jauh lebih cepat dan membutuhkan lebih sedikit pengawasan dan manajemen. Kami masih menemukan apa yang dapat dilakukan AI untuk perusahaan besar, tetapi dengan kolaborasi eksternal dan berbagi data, kemungkinannya tidak terbatas.”

Saat merancang proses berbasis AI, “mulai dari akhir,” kata Arijit Sengupta. “Saat Anda memulai dengan palu, semuanya terlihat seperti paku. Ini adalah kesalahan pertama, dan terkadang pembunuhnya. Data yang tersedia mungkin tidak mendukung kasus penggunaan ini, dan AI tidak dapat melakukan apa pun jika data tidak tersedia.”

Intinya tidak menerapkan AI demi AI. Proyek AI yang paling efektif, lanjut Sengupta, adalah “tujuan pertama bisnis”. “Jika Anda ingin meningkatkan pendapatan, mulailah dengan menargetkan upaya penjualan Anda dengan lebih baik, perbaiki strategi pemasaran Anda, kurangi ketidaknyamanan pelanggan, atau tingkatkan penjualan mitra. Pendekatan yang tepat mengacu pada AI di semua data yang tersedia dan mengidentifikasi kasus penggunaan yang dapat didukung oleh data .” Untuk meningkatkan tujuan bisnis.

Ikuti aku Twitter.