|
|
Ten Predictions for AI in 2020
The Last Mile of AI: Deployment
|
Последняя миля ИИ: развертывание
|
|
We’re already seeing waves of this from certain vendors, but the idea of helping organizations through that last mile of the AI lifecycle—deploying a model into production—will become a focal point for customers and vendors alike in 2020. Here are a few recently collected data points that emphasize the importance of vendors helping customers to operationalize AI:
|
Мы уже наблюдаем волну этого от некоторых поставщиков, но идея помочь организациям пройти последнюю милю жизненного цикла искусственного интеллекта — развертывание модели в производство — станет центром внимания как для клиентов, так и для поставщиков в 2020 году. Вот несколько недавно собранных данных, которые подчеркивают важность того, чтобы поставщики помогали клиентам внедрять ИИ:
|
|
72% of organizations with AI initiatives do not yet have AI in production.
|
72% организаций с инициативами ИИ пока не имеют искусственного интеллекта в производстве.
|
|
44% of organizations investing in specialized infrastructure to support AI initiatives do not expect to see value in their investments for at least ten months.
|
44% организаций, инвестирующих в специализированную инфраструктуру для поддержки инициатив искусственного интеллекта, не рассчитывают увидеть ценность своих инвестиций в течение не менее десяти месяцев.
|
|
Nearly one in four organizations (23%) cite model deployment as the phase of the AI/ML data pipeline that creates the greatest challenge.1
|
Почти каждая четвертая организация (23%) говорит о развертывании модели в качестве этапа конвейера данных АИ/ОД, который создает наибольшую трудностю1.
|
|
Why would an organization invest hundreds of thousands of dollars to not see a return on the investment for over a year? Why would businesses waste the time, effort, and money to make it 80% of the way to leveraging AI, and then fall short at the end? Simply put, they won’t. They’ll turn to prebuilt tools, solutions, or applications that embed AI and say, “it’s good enough.” In the short term, that may work, but in the long term, they’ll need to figure out how to better customize AI to their specific business and use case. And to get there, they’ll need to solve the AI deployment challenge.
|
Почему организация инвестирует сотни тысяч долларов, чтобы не видеть окупаемости инвестиций в течение более года? Почему предприятия тратят время, усилия и деньги, чтобы сделать его 80% от способа использования ИИ, а затем не успевают в конце? Проще говоря, они не будут. Они обратятся к готовым инструментам, решениям или приложениям, которые внедряют ИИ, и скажут: «Это достаточно хорошо». В краткосрочной перспективе это может сработать, но в долгосрочной перспективе им нужно будет выяснить, как лучше настроить ИИ для своего конкретного бизнеса и варианта использования. И чтобы добраться туда, им нужно будет решить проблему развертывания ИИ.
|
The Persona Conundrum
|
Конундрум Персона
|
|
Recognizing the challenges seen by so many organizations across the data lifecycle, new terminology is being used in the market to address the different personas involved throughout the data and applications lifecycle. DevOps incorporates best practices, tools, collaboration, and automation throughout the development and deployment lifecycle between developers and IT operations. DataOps fills a pressing need to incorporate data-centric roles in that process—data engineers, data architects, data scientists—to communicate, collaborate, and incorporate best practices for tie-ins to analytics workflows and next-generation applications. MLOps goes hand in hand with the first prediction, by addressing collaboration between data science teams and operations teams for AI-based applications in production.
|
Признавая проблемы, с которыми сталкиваются многие организации на протяжении всего жизненного цикла данных, на рынке используется новая терминология для решения проблем различных лиц, задействованных на протяжении всего жизненного цикла данных и приложений. DevOps включает передовые практики, инструменты, совместную работу и автоматизацию на протяжении всего жизненного цикла разработки и развертывания между разработчиками и ИТ-операциями. DataOps заполняет настоятельную необходимость включения в этот процесс ролей, ориентированных на данные, — инженеров по обработке данных, архитекторов данных, специалистов по обработке данных — для общения, совместной работы и внедрения передовых практик по подключению к рабочим процессам аналитики и приложениям следующего поколения. MLOP идет рука об руку с первым прогнозом, рассматривая сотрудничество между группами по обработке данных и операционными группами для приложений на основе искусственного интеллекта в производстве.
|
|
Shifting to data science and analytics, there has been an increased focus on democratizing data access to support all areas of the business. This of course pushes the need for tools that best enable both generalists and specialists to complete their jobs efficiently and effectively. While vendors announce products that seem like the panacea for data democratization, gaps remain when it comes to the entry points and handoffs from one role to another.
|
Переключив на науку о данных и аналитику, повышенное внимание уделяется демократизации доступа к данным для поддержки всех сфер бизнеса. Это, конечно, подталкивает потребность в инструментах, которые наилучшим образом позволяют как специалистам, так и специалистам выполнять свою работу эффективно и эффективно. В то время как поставщики объявляют продукты, которые кажутся панацеей для демократизации данных, пробелы сохраняются, когда дело доходит до точек входа и передачи от одной роли к другой.
|
|
Regardless of <insert your term>Ops terminology or who is looking to access what data from what tool using what device, the various and growing number of personas involved in data management and analysis creates a challenge for vendors in how to best position their products and solutions. In 2020, expect vendors to prioritize persona-based marketing from IT operations and developers to data scientists and business analysts.
|
Независимо от терминологии Ops или кто хочет получить доступ к данным из какого инструмента с помощью какого устройства, растущее число лиц, участвующих в управлении данными и их анализе, создает для поставщиков трудности в том, как наилучшим образом позиционировать свои продукты и решения. Ожидается, что в 2020 году поставщики будут уделять приоритетное внимание персонализированной маркетингу — от ИТ-операций и разработчиков до специалистов по обработке данных и бизнес-аналитиков.
|
Fixing the AI Skills Gap…with AI
|
Устранение разрыва в навыках ИИ... с помощью ИИ
|
|
How do you fill the AI skills gap? With AI of course. It’s borderline clichéd to cite the AI skills gap as a preventer in leveraging AI. It’s an interesting conundrum: Either you don’t have a data scientist, or you do and you’re asking too much of them. Sixty-three percent of organizations with AI initiatives underway have personnel completing tasks across different phases of the AI lifecycle that fall outside of their core skillset and responsibility.2 And it’s forcing organizations to hold back future investments in the technology.
|
Как заполнить пробел в навыках ИИ? С искусственным интеллектом, конечно. Это пограничный клише, чтобы привести разрыв в навыках ИИ в качестве превентора в использовании ИИ. Это интересная загадочная головоломка: либо у вас нет ученого по данным, либо у вас есть, и вы спрашиваете слишком много из них. Шестьдесят три процента организаций, в которых реализуются инициативы в области искусственного интеллекта, имеют персонал, выполняющий задачи на различных этапах жизненного цикла искусственного интеллекта, которые выходят за рамки их основных навыков и ответственностей.2 И это заставляет организации сдерживать будущие инвестиции в технологии.
|
|
The ironic part is that while both customers and vendors have recognized this challenge, the vendors (who are hiring much of the AI talent) are building tools with embedded AI to solve the problem. This can help two types of roles, both of which need the help. For the non-data scientists like data engineers, data architects, data stewards, etc., advanced tools with intelligent automation will enable them to more rapidly complete their day-to-day tasks, while exposing them to AI technologies with guardrails. For the data scientists themselves, it’s more about focusing on their core expertise and enabling better collaboration and repeatability across the AI lifecycle. We’ve seen it throughout this year, and next year is no different: AI democratization will continue to be desired, emphasized, and embraced.
|
Ироничная часть заключается в том, что, хотя и клиенты, и поставщики признали эту проблему, поставщики (которые нанимают большую часть таланта ИИ) создают инструменты со встроенным ИИ для решения проблемы. Это может помочь двум типам ролей, оба из которых нуждаются в помощи. Для специалистов, не занимающихся обработкой данных, таких как разработчики данных, архитекторы данных, стюарды данных и т.д., передовые инструменты с интеллектуальной автоматизацией позволят им быстрее выполнять свои повседневные задачи, предоставляя им доступ к технологиям искусственного интеллекта с помощью ограждений. Для самих специалистов по обработке данных речь идет о сосредоточении внимания на своих ключевых знаниях и обеспечении лучшей совместной работы и повторяемости на протяжении всего жизненного цикла искусственного интеллекта. Мы видели это на протяжении всего этого года, и следующий год ничем не отличается: демократизация ИИ будет по-прежнему желать, подчеркивать и принимать.
|
AI Will Take Action
|
ИИ примет меры
|
|
For those leveraging AI today, the predominant method is to access AI through a product or solution to provide predictive insights. Systems turn to prebuilt AI models that are trained on historical results, analyze real-time data streams, and then alert when something is wrong. Nearly one in three (32%) organizations with AI initiatives underway are using AI as a recommendation engine.3 And IT is a key entry point in this area, whether analyzing log files, managing IT systems, monitoring resources, or orchestrating infrastructure. But simple alerting is the low hanging fruit. In fact, in some cases, it should not be considered “AI” at all since it’s more rule-based automation than AI.
|
Для тех, кто использует ИИ сегодня, преобладающим методом является доступ к ИИ через продукт или решение для получения прогнозной информации. Системы обращаются к предварительно созданным моделям искусственного интеллекта, которые обучаются историческим результатам, анализируют потоки данных в реальном времени, а затем предупреждают, когда что-то не так. Почти одна из трех организаций (32%), в которых реализуются инициативы ИИ, использует ИИ в качестве рекомендательного механизма. 3. И ИТ является ключевым исходным пунктом в этой области, будь то анализ файлов журналов, управление ИТ-системами, мониторинг ресурсов или организация инфраструктуры. Но простое оповещение - низкий висящий плод. Фактически, в некоторых случаях его вообще не следует считать «ИИ», поскольку это скорее автоматизация на основе правил, чем ИИ.
|
|
Where AI is going next in this space is taking the appropriate action based on learned behaviors or requirements. Actionable AI will change the way systems are managed, maintained, and provisioned. It will do more than simply provide insight. AI will begin acting to truly enable the next wave of intelligent automation. And while some may consider AI in IT the low hanging fruit, every industry will look to embrace the idea of AI taking action. Maybe it’s a valve automatically turning off, a production line automatically stopping, or a notification directing personnel to allocate more time to a high-value task.
|
Там, где ИИ идет дальше в этом пространстве, принимает соответствующее действие, основанное на усвоенных поведении или требованиях. Действенный ИИ изменит способ управления, обслуживания и подготовки систем. Это сделает больше, чем просто обеспечит понимание. ИИ начнет действовать, чтобы по-настоящему включить следующую волну интеллектуальной автоматизации. И хотя некоторые могут считать искусственный интеллект в ИТ низким висящим плодом, каждая отрасль будет рассматривать идею принятия мер ИИ. Возможно, это автоматическое отключение клапана, автоматическая остановка производственной линии или уведомление, направленное персоналу на выделение большего времени на выполнение дорогостоящих задач.
|
Why versus What
|
Почему против чего
|
|
Going hand in hand with actionable AI is ensuring the right level of control and accountability. AI today is used heavily to answer questions like: What is that? What happened? What is going to happen? Using AI for pattern recognition is where we are today (still in its infancy). But organizations need much more information to stand behind an AI-based decision, including understanding the cause and effect of an action taken. Using AI to help users understand the cause and then explain the effect in human terms will significantly advance AI adoption. This of course lands in the realm of explainable AI, where insights derived from AI must be explained to a point where they can be understood by a human. While few technology vendors offer features like this today, in 2020, this feature will become a must-have, especially to advance AI adoption in highly regulated industries.
|
Действие рука об руку с искусственным интеллектом обеспечивает правильный уровень контроля и подотчетности. ИИ сегодня используется для того, чтобы ответить на такие вопросы, как: Что это такое? Что случилось? Что будет? Использование ИИ для распознавания образов - это то, где мы находимся сегодня (все еще в зачаточном состоянии). Но организации нуждаются в гораздо большем количестве информации, чтобы поддержать решение на основе ИИ, включая понимание причин и последствий принятых мер. Использование искусственного интеллекта, чтобы помочь пользователям понять причину, а затем объяснить эффект человеческим языком, значительно ускорит внедрение искусственного интеллекта. Это, конечно, попадает в сферу объяснимого ИИ, где идеи, полученные от ИИ, должны быть объяснены до такой степени, когда они могут быть поняты человеком. Хотя немногие поставщики технологий предлагают такие функции сегодня, в 2020 году эта функция станет обязательным, особенно для продвижения внедрения ИИ в строго регулируемых отраслях.
|
From the Home to the Workplace
|
От дома к месту работы
|
|
The use of AI assistants has never been higher. It’s becoming more common than ever to leverage NLP on a smart device to answer basic questions or complete basic tasks. Consumers constantly prompt their devices with phrases such as: What’s the temperature today? What’s on my calendar? Tell me about today’s current events. Add milk to my grocery list.
|
Использование помощников искусственного интеллекта никогда не было более высоким. Становится все чаще, чем когда-либо, использовать NLP на интеллектуальном устройстве для ответа на основные вопросы или выполнения основных задач. Потребители постоянно подскажут своим устройствам такие фразы, как: Какая температура сегодня? Что у меня в календаре? Расскажите мне о сегодняшних событиях. Добавьте молоко в мой список продуктов.
|
|
But the shift of this technology to the enterprise is starting and will continue throughout 2020. In enterprise IT, for example, 57% of organizations feel that using NLP to interact with IT systems is good for limited and specific functions like asking to generate a report, while an additional 35% can’t wait to use AI assistant technology, citing it as the way of the future and looking forward to fully embracing all aspects of the capabilities.4 The same can be said in analytics, where a new type of end-user with limited expertise will be looking to data to help their specific line of business achieve a data-driven goal. We’re in the early stages where BI platforms let users ask (with voice) a question and get a response. Even with the potential for AI to misunderstand a spoken word or sentence, expect to see expansions of usage and rhetoric libraries for certain industries to ensure a better understanding and reaction to voice commands in the workplace. 2020 will bring a whole new adoption trendline based on voice interaction capabilities.
|
Но переход этой технологии на предприятие начинается и будет продолжаться в течение всего 2020 года. Например, в корпоративных ИТ 57% организаций считают, что использование NLP для взаимодействия с ИТ-системами хорошо подходит для ограниченных и специфических функций, таких как запрос на создание отчета, в то время как дополнительные 35% не могут дождаться использования технологии AI Assistant, ссылаясь на это как путь будущего и рассчитывая полностью то же самое можно сказать и в аналитике, где новый тип конечных пользователей с ограниченным опытом будет искать данные, чтобы помочь их конкретному бизнесу достичь цели, ориентированной на данные. Мы находимся на ранних этапах, когда BI-платформы позволяют пользователям задавать (голосом) вопрос и получать ответ. Даже если ИИ может неправильно понять сказанное слово или предложение, ожидайте расширения использования и риторики библиотек для определенных отраслей, чтобы обеспечить лучшее понимание и реакцию на голосовые команды на рабочем месте. 2020 принесет совершенно новую линию принятия, основанную на голосовом взаимодействии возможности.
|
Prioritizing Customer Service
|
Приоритетное обслуживание клиентов
|
|
Many of us have been there: We can’t find something or need help answering a question and see a popup in the corner of the webpage that offers real-time assistance. While humans are often behind that customer service interaction, chatbots are increasingly used as a means of answering a question or directing to the next interaction. The challenge today is that many of those chatbots are more based on simple automation, so help is limited, especially with more complex questions or requests. The next year will look to enhance that first-level chatbot experience from simple automation to more advanced comprehension and recommendation. AI will detect intent, establish emotional state, more appropriately answer questions, and on the back-end, provide the human side of customer service with the right information to ensure the customer is as satisfied as possible with the final actions.
|
Многие из нас были там: мы не можем найти что-то или нуждаемся в помощи, отвечая на вопрос и увидеть всплывающее окно в углу веб-страницы, которое предлагает помощь в режиме реального времени. В то время как люди часто стоят за этим взаимодействием с клиентами, чат-боты все чаще используются в качестве средства ответа на вопрос или направления к следующему взаимодействию. Сегодня проблема заключается в том, что многие из этих чат-ботов в большей степени основаны на простой автоматизации, поэтому помощь ограничена, особенно при более сложных вопросах или запросах. В следующем году планируется расширить опыт чат-бота первого уровня от простой автоматизации до более продвинутого понимания и рекомендаций. ИИ будет выявлять намерения, устанавливать эмоциональное состояние, более адекватно отвечать на вопросы, а на бэкэнд предоставлять человеческую сторону обслуживания клиентов правильную информацию, чтобы гарантировать, что клиент максимально удовлетворен окончательными действиями.
|
Riding the Millennial Wave
|
Катание на Тысячелетней волне
|
|
The next wave of workers will enter the workforce with a different (and better) level of data literacy. They’ll be accustomed to leveraging advanced or next-generation technology in their everyday lives to solve problems or complete tasks and will look to do the same in their jobs. This will bring light to a new wave of influence within organizations to use AI to improve day-to-day tasks. While lines of business will likely continue to be the key driver in AI consumption, expect a bigger push from the workers themselves who look to benefit from advanced automation to improve operational efficiency and productivity.
|
Следующая волна работников войдет в рабочую силу с другим (и лучшим) уровнем грамотности данных. Они привыкли использовать передовые технологии или технологии нового поколения в своей повседневной жизни для решения проблем или выполнения задач и будут делать то же самое в своей работе. Это даст свет на новую волну влияния внутри организаций, чтобы использовать ИИ для улучшения повседневных задач. В то время как направления бизнеса, скорее всего, будут оставаться ключевым фактором в потреблении искусственного интеллекта, ожидайте большего толчка от самих работников, которые хотят воспользоваться преимуществами усовершенствованной автоматизации для повышения операционной эффективности и производительности.
|
The Good and Bad of AI-based Content
|
Хорошее и плохое содержание на основе искусственного интеллекта
|
|
Throughout the year, numerous stories have highlighted some of the groundbreaking (and in some cases dangerous) angles of AI-based content writing to deliver ongoing financial news, highlight election/poll results, influence public opinion, change perception, and share “fake news.” While many tools have remained private/proprietary, such as those used by national media outlets to write factual articles in a repeatable way, other technologies have become more newsworthy as of late. OpenAI can automatically generate intelligent text responses. Deepfake is the idea of utilizing specialized AI to layer in/out pieces of images, audio, and video. The former was previously kept private but was recently made available to the public. This is paving the way for more people, organizations, entities, etc., to leverage AI in legitimate or malicious ways. And of course, it must be mentioned that with a globally impactful presidential election on the horizon, it will be more important than ever to detect what is real and what is fake in publicly shared content. 2020 will pave the way to establish a global standard in AI-writer detection.
|
В течение года многочисленные истории освещали некоторые из новаторских (и в некоторых случаях опасных) углов написания контента на основе искусственного интеллекта для предоставления текущих финансовых новостей, освещения результатов выборов/опросов, влияния на общественное мнение, изменения восприятия и распространения «поддельных новостей». Хотя многие инструменты остаются частными/запатентованными, например, те, которые используются национальными средствами массовой информации для написания фактологических статей в воспроизводимой форме, в последнее время другие технологии стали более заметными. OpenAI может автоматически генерировать интеллектуальные текстовые ответы. Deepfake - это идея использования специализированного ИИ для слои/выхода фрагментов изображений, аудио и видео. Первый ранее хранился в частной жизни, но недавно был предоставлен в распоряжение общественности. Это открывает путь для большего числа людей, организаций, организаций и т. д., чтобы использовать ИИ законным или злонамеренным образом. И, конечно, следует отметить, что с глобально влиятельными президентскими выборами на горизонте, будет как никогда важно определить, что является реальным и что является фальшивым в общедоступном контенте. 2020 год проложит путь к установлению глобального стандарта в обнаружении ИИ писателей.
|
Focus on Mobility
|
Акцент на мобильность
|
|
When it comes to augmented analytics, the focus has been on incorporating AI and ML to democratize access to data and, more importantly, insights. The idea is to enable more personnel across an organization to utilize data. And over the next year, businesses will turn to BI tools that enable a new wave of end-users to access data, dashboards, and reports—and that means accessing all of that on their terms from their preferred device. ESG research shows that 57% of all workers expect to be able to perform the majority of their job functions from any device and nearly one-quarter (23%) of workers specifically use a mobile device for more than a third of their workday.5 Marrying data, analytics, BI, and insight with AI-based technology will be central to the democratization of analytics.
|
Когда дело доходит до расширенной аналитики, основное внимание уделяется внедрению ИИ и ML для демократизации доступа к данным и, что более важно, к аналитическим данным. Идея заключается в том, чтобы дать возможность большему количеству сотрудников в организации использовать данные. В следующем году компании будут обращаться к инструментам бизнес-аналитики, которые позволят новым пользователям получать доступ к данным, панелям мониторинга и отчетам, а это означает доступ ко всему этому на своих условиях с предпочтительного устройства. Исследование ESG показывает, что 57% всех работников ожидают, что они смогут выполнять большинство своих рабочих функций с любого устройства, и почти четверть (23%) работников используют мобильное устройство в течение более трети рабочего дня. центральное место в демократизации аналитики.
|
|
5. Source: ESG Master Survey Results, 2019 Digital Work Trends Survey, November 2019.
|
5. Источник: Результаты магистерского опроса ESG, исследование тенденций цифровой работы 2019 года, ноябрь 2019 года.
|
|
|