手遅れになる前にAIを使い始める方法

AIと機械学習は、さらに多くの決定を下し始めます。おそらく近い将来、商品に25%の関税を課し、パートナーとの貿易戦争を開始するかどうかなどの「大きな」決定を下すために使用されることはないでしょう。

ただし、Excelで立ち往生し、マッサージ、コード化、または並べ替えを行ったほとんどすべてのものは、クラスタリング、分類、またはランク付けの学習の問題です。予測できる値のセットであるものはすべて、優れた機械学習の問題です。あなたがただ通り抜けて「探す」パターン、形、またはオブジェクトであるものはすべて、優れた深層学習の問題です。

そして、ビジネスはこれらでいっぱいです。ワードプロセッサがタイプライタープールに取って代わったように、AIは間もなく、Excelを見つめているオフィスワーカーの大群に取って代わり、一部のアナリストにも取って代わります。

企業はこの変化に備える必要があります。Webやeコマースの準備をしていなかった企業がほこりに取り残されたように、AIや機械学習に適応していない企業も同様です。あなたが処理する膨大な量のデータとあなたが下す決定を見ていないなら、「これを自動化するために最後の一歩を踏み出すことはできませんか?」または、アドバンテージを得るのに十分な「リアルタイム」で決定できないために自分がしていないことを探しています。数年以内にあなたの会社が論文で閉鎖されるのを目にするでしょう。

この変更に備えるには、ビジネス変革を開始する前に5つの前提条件があります。これらの5つの前提条件から始めて、組織全体にAIを広めるための戦略が必要です。

AIの前提条件その1:教育

会社の全員をデータサイエンティストにすることはできません。さらに、一部の数学は、私たちが単なる人間が理解するには速すぎます。今週最も効率的であると人々が考える特定のアルゴリズムは、来週は適切ではない可能性があります。

ただし、いくつかの基本的なことは変更されません。組織内の全員が、機械学習の基本的な機能、特に開発者を理解する必要があります。

  • クラスタリング:物事をグループ化します。
  • 分類:ラベル付けされたグループに物事を分類します。
  • 線の予測:折れ線グラフを作成できれば、おそらくその値がどうなるかを予測できます。
  • 分散の予測:流動性リスク、振動、電力スパイクのいずれであっても、範囲内の値のセットがある場合は、特定の日の分散を予測できます。
  • 並べ替え/順序付け/優先順位付け:単純なことについては話していません。営業担当者またはサポート担当者が次に受ける電話を検索する場合でも優先する場合でも、これは機械学習で処​​理できるものです。
  • パターン認識:それが形、音、または値の範囲やイベントのセットであるかどうかにかかわらず、コンピューターはそれを見つけることを学ぶことができます。

重要なことの1つは、スキルレベルに基づいて人々のためにそれを唖然とさせることができる人々のセットを周りに置くことです。開発者は特定のアルゴリズムや手法に興味があるかもしれませんが、アナリストや経営幹部は基本的なビジネス上の問題やコンピューター手法を理解している必要があります。経営幹部は、クラスタリングがどのように機能するかを知る必要はないかもしれませんが、問題がクラスタリングの問題に「似ている」ことを認識する必要があります。

最後に、機能が拡張されているため、少なくとも年に1回は定期的に教育を更新する必要があります。 

関連ビデオ:機械学習とAIの解読

機械学習と人工知能に関する誇大宣伝を打ち破り、私たちのパネルはテクノロジーの定義と意味について話します。

AIの前提条件2:コンポーネント化

コンポーネント化に関する最近のツールのいくつかは、データサイエンティスト向けの「ノートブック」です。他の多くのツールはこれらから成長します。これらは、データサイエンティストとその共同作業者にとって優れたツールです。

問題は、生産に関しては悪い習慣を助長することです。分類アルゴリズムへのインターフェースは、他のすべてのアルゴリズムとほぼ同じように見えます。特定の分類アルゴリズムの実装は、ビジネス上の問題によって変わりません。

多くの企業が(ビジネス上の問題ごとにシステムごとにまったく異なるものではなく)顧客の1つの表現を作成する方法を理解する必要があるのと同じように、アルゴリズムについても同じことを行う必要があります。これは、1つの真のクラスタリングアルゴリズムを考え出す必要があるということではなく、異なるものをコンポーネント化するということです。

AIの前提条件3:システム化

すべてのフープラにもかかわらず、ほとんどのシステムは依然として同じように見えます。データをアルゴリズムに取り込むためのプロセス、アルゴリズムを実行するためのプロセス、および結果を吐き出す場所があります。これらすべてをアルゴリズムごとに何度もカスタム設計していると、時間とお金が無駄になり、自分自身にとってより大きな問題が発生します。SOAがアプリケーションソフトウェアをデプロイする企業の数を変更したように、AIのデプロイ方法にも同様の手法が必要です。

どこにでもカスタムの「ノートブック」とカスタムビルドのETLプロセスを使用して実行されているカスタムSparkクラスターの束は必要ありません。ビジネス上の問題に関係なく、手間のかかる作業を実行できるAIシステムが必要です。

AIの前提条件4:AI / UIのコンポーネント化

バックエンドにRESTfulサービスがあるJavaScript / Web UIの世界では、UIの多くがAIコンポーネントに混在できるはずです。ユーザーの行動に基づくレコメンダーであろうと、完全な仮想アシスタントであろうと、企業は、ビジネスアプリケーションに簡単に組み込むことができるAI機能を含むUIライブラリを構築する必要があります。

AIの前提条件No.5:計装

これはデータなしでは機能しません。一部のベンダーがそうするように促しているように、HDFSで大量のガベージを収集するだけで、いつか価値があることを期待する、大きくてファットなデータダンプの作成に戻らないでください。代わりに、どのようなものをインストルメントする必要があるかを見てみましょう。

製造業の場合、簡単な出発点があります。手動ゲージを引き出す人は誰でもあなたの時間を無駄にしています。ただし、販売やマーケティングでも、電子メールや携帯電話があります。これらからデータを自動的に収集できるため、明らかに便利です。営業担当者にデータ入力を行わせるのではなく、システムにそれを行わせてみませんか?

AI戦略を進めましょう

要約すると、5つの主要な前提条件は次のとおりです。

  • AIの知識を組織全体に広めます。
  • 誰もが機械が自分でできる基本的な日常のことを理解する必要があります。
  • AI用のシステムとコンポーネントを構築します。
  • AI / UIミックスインを構築して、ビジネスアプリケーションにAIを簡単に追加します。
  • システムを計測して、アルゴリズムにフィードするために必要なデータを収集し、意思決定を行います。

これらの前提条件をまとめると、情報化時代から洞察時代に移行するときに、残りの前提条件に従う必要があります。