Малките предприятия, които не са инвестирали в ай, вероятно не са направили достатъчно проучвания

Само 21 процента от малките предприятия са въвели решения, базирани на изкуствен интелект (AI), според доклад на Bluewolf (компания IBM). Проучването на AI Investment Gap анкетира 177 лицата, вземащи решения по целия свят, за да определи дали те все още са възприели ИИ и машинното обучение (ML) и дълбочината на тяхното разбиране за тези технологии. Въпреки че 33 процента от малките предприятия планират да инвестират в ИИ в рамките на следващите 12 месеца (довеждайки общия брой на осиновителите през следващата година до 54 процента), общият брой все още е по-нисък от този на големите компании. Плюс това, 30% от големите компании вече са инвестирали в AI, докато 44% планират да започнат да инвестират в рамките на следващите 12 месеца. Това довежда до 74 процента, или с 20 процента повече от общия брой на малкия бизнес.

Ванеса Томпсън, старши вицепрезидент по клиентски опит в Bluewolf, заяви, че съществува разлика между знанията между компаниите, които са използвали инструментите за интелектуална собственост, и тези, които не планират да приемат такива инструменти. Тя нарича този пропаст „AI Investment Gap“ и го описва като „несъответствие между ръководителите на ниво C, които разбират AI, и онези, които все още не го въвеждат в своя бизнес“, се казва в писмено изявление.

Тъй като Bluewolf продава инструменти на AI, би било добре да им внушават, че единствената причина хората да не купуват инструменти за AI е, защото не знаят за тях. За да проверя твърдението на Томпсън, разговарях с Брандън Пърсел, старши анализатор на клиентските проучвания в Forrester Research, за това какви, ако има други, може да има други проблеми, които да причинят пропастта между онези, които са приели AI, и тези, които не са. Purcell и Forrester Research са направили свои собствени подобни проучвания за приемането на AI. Въпреки че общият му брой е сходен с този на IBM - 51 процента от компаниите са приели или разширяват ИИ, а 20 процента казват, че планират да го въведат в рамките на следващите 12 месеца, Purcell излезе с няколко други убедителни причини, поради които малките фирми може да изостават кривата на приемането на ИИ.

Цената на AI

Пърсел посочи ограниченията за инвестиции като основен фактор, особено "тъй като се отнася до набора от умения. Малките предприятия нямат ресурси да наемат учени с данни", каза той. Това са работниците, които ще извлекат прозрения от данните, изтласкани в и от корпоративния софтуер.

Те също ще бъдат тези, които определят дали ИИ точно чете вашите данни и предприема действия въз основа на собствената си интелигентност. Средната заплата за учен с данни е 113 466 долара годишно, според Glassdoor, което е (в голямата схема на богатите) малко по-малко от средната заплата на американски изпълнителен директор (166 000 долара, според PayScale). Така че, ако сте главен изпълнителен директор на малък бизнес, който оперира с маржове с тънки бръсначи и не искате да намалявате собствената си заплата, тогава би било трудно да рационализирате изразходването на шест фигури на учен с данни и да харчите пари за софтуерна система, която може да превърне данни в AI.

Но не само участващите пари забраняват на по-малките компании да инвестират в софтуер, управляван от AI. "В свързана бележка има фактор на данни", каза Пърсел. "AI процъфтява, когато имате големи количества данни. Малките фирми нямат толкова данни, за да го направят."

Мислете за това така: Знаете как Facebook знае кои приятели да маркират, когато публикувате снимка? Това е така, защото Facebook събира информация от всички ваши по-рано маркирани публикации. Случвало ли ви се е да гледате филм, който Netflix ви препоръча? Netflix знаеше, че препоръчва този филм въз основа на предишните ви селекции. Facebook и Netflix са в състояние да направят тези препоръки въз основа на ML, който е първият братовчед на AI. Въпреки че са сходни, и двата термина често се използват взаимозаменяемо (и неправилно).

Ето основната разлика между термините: ML системите използват интелигентност за подобряване на производителността, като ви предлагат препоръки и начини за оптимизиране на процесите, докато системите, които използват AI, дават самостоятелност на софтуера за изпълнение на задачи и вземане на решения без човешки надзор. ML е Netflix, като прави филмови препоръки, докато AI е кола, която ви кара да работите, докато дрямате на задната седалка. Като малък бизнес, който тепърва започва да генерира данни, предимствата на AI ще бъдат незначителни в сравнение с това, което може да види компания Fortune 500, когато включи софтуера си AI.

Греши ли Bluewolf?

Така че, Bluewolf е бил хранен с лоша информация в проучването си? Малките фирми знаят ли за AI, но те просто нямат пари или данни, за да се вълнуват от него? Пърсел не смята, че изследването на Bluewolf е грешно. Всъщност той кредитира IBM Watson като създателя на когнитивните изчисления, термина на чадъра, който обхваща AI, ML и други приложения, имитиращи човешкия мозък.

"Те похарчиха много пари за създаването на тази категория, но имат големи конкуренти в пространството: Google, Amazon, Facebook, Microsoft", каза Пърсел. „Тези компании също седят на огромно количество данни, използвани за обучение на AI системи. Холивудската дефиниция на AI е разумният робот. Все още не сме го използвали. Но когато става въпрос за внедряване на AI на ниво предприятие за практическа AI, IBM превъзхожда в създаването на тези инструменти."

Погрешните схващания за Холивуд, AI и роботи, които ни убиват в съня си, са вероятна причина малките предприятия да се отклонят от научаването на повече за инструментите на AI. Ако сте продавач на тениски в Оклахома, тогава каква полза е автономна кола или бъдещ робот, въоръжен с лазерен пистолет? Въпреки това, когато са взети в по-малко известния си контекст, Пърсел и Томпсън виждат практически случаи на използване за малки предприятия - използват случаи, за които малките предприятия все още не са получили образование.

С нещо, което Томпсън и Блуулф наричат ​​"разширена интелигентност", малките предприятия не се нуждаят непременно от експертните данни или от информацията, за да се възползват от ИИ. Bluewolf определя разширения интелект като способността на приложенията да разсъждават, да извеждат и извличат идеи, дори и с неструктурирани набори от данни, като език и изображения. Дори в началото на събирането на данни на компанията, разширените разузнавателни решения са в състояние да се научат с течение на времето, независимо от това колко малко информация се подава в системата.

„Увеличената интелигентност помага на крайните потребители да предвидят какво да правят по-нататък, като им дават профил на това, от което се нуждаят клиентите им“, каза Томпсън. "Ние разглеждаме уголеменото като начин да превърнем AI в реалност за компании от всякакъв размер."

Това включва неща като комбиниране на външни и вътрешни данни, за да се постигне знанието, което разширената разузнавателна технология използва за вземане на бизнес решения. Например, като комбинират външни модели на пазаруване и данни за времето с патентовани данни за модели на пазаруване от клиенти, компаниите за електронна търговия могат да предоставят хипер-персонализирани кампании. В този сценарий информатологът би бил полезен, но не е необходим, а набор от данни за клиентите би направил кампанията още по-мощна. Но това не би спряло кампанията да бъде по-мощна, отколкото би била без комбинацията от вътрешни и външни източници на данни.