بر اساس گزارش، هوش مصنوعی یکپارچه می تواند 460 میلیارد دلار سود افزایشی ایجاد کند


جلسات درخواستی از اجلاس Low-Code/No-Code را بررسی کنید تا بیاموزید چگونه با ارتقاء مهارت و مقیاس‌بندی توسعه‌دهندگان شهروند، نوآوری موفقیت‌آمیز و دستیابی به کارایی داشته باشید. الان ببین.


هوش مصنوعی (AI) پتانسیل زیادی برای همه انواع صنایع و در اندازه های مختلف سازمان دارد.

گزارش جدیدی که امروز توسط فروشنده خدمات فناوری اطلاعات جهانی Infosys منتشر شد، یک رقم دلاری را در مورد این پتانسیل نشان می‌دهد: طبق گزارش Infosys Data+AI Making AI Real، در مجموع 467 میلیارد دلار سود افزایشی توسط سازمان‌های جهانی می‌تواند در صورت توانایی به دست آورد. بهینه سازی هوش مصنوعی و شیوه های داده

پیش‌بینی موسسه دانش Infosys، که بخش تحقیقاتی Infosys است، تا حدی بر اساس نظرسنجی از 2500 رهبر فناوری اطلاعات در 13 صنعت در سراسر ایالات متحده، بریتانیا، فرانسه، آلمان، استرالیا و نیوزلند بود. چالش کلیدی که در این گزارش مشخص شد این نیست که سازمان‌ها باید استفاده از هوش مصنوعی را شروع کنند، بلکه باید بهترین شیوه‌ها را برای هوش مصنوعی – و همچنین داده‌ها – ادغام کنند تا در واقع از مزایای کامل این فناوری بهره ببرند.

موهیت جوشی، رئیس Infosys، به VentureBeat گفت: «ما از اینکه متوجه شدیم 80 درصد از شرکت‌ها اولین سیستم هوش مصنوعی خود را در چهار سال گذشته تولید کرده‌اند، شگفت‌زده شدیم. هوش مصنوعی جدید نیست، اما شرکت‌ها در به کارگیری سیستم‌های هوش مصنوعی خود تازه وارد هستند و این به قابلیت‌های اساسی و سطوح پایین رضایت ما کمک می‌کند.

رویداد

اجلاس امنیت هوشمند

نقش حیاتی AI و ML در امنیت سایبری و مطالعات موردی خاص صنعت را در 8 دسامبر بیاموزید. امروز برای پاس رایگان خود ثبت نام کنید.

اکنون ثبت نام کنید

سطح پایین رضایت هوش مصنوعی بالقوه هوش مصنوعی

تحلیل و گزارش‌های صنعتی که در مورد پتانسیل هوش مصنوعی بحث می‌کنند کم نیست.

گزارش مارس 2022 از کلودرا نشان داد که 77 درصد از کارکنان دانش مورد بررسی معتقد بودند که هوش مصنوعی، یادگیری ماشین (ML) و تجزیه و تحلیل داده‌ها برای سازمان‌هایشان در سه سال آینده مفید خواهد بود. Deloitte گزارشی را در ماه اکتبر منتشر کرد که در آن 94٪ از رهبران تجاری توافق کردند که هوش مصنوعی برای موفقیت در سال های آینده بسیار مهم است. گزارش Deloitte همچنین افراد کم‌موفق را شناسایی کرده است، به طوری که 22 درصد از سازمان‌ها هوش مصنوعی را به کار می‌گیرند و نتایج پایینی کسب می‌کنند.

گزارش Infosys ارقام بسیار واضح تری در مورد عدم موفقیت در هوش مصنوعی داشت. تعداد اندکی از 26 درصد از سازمان ها در تمام صنایع مورد بررسی ادعا کردند که «از هوش مصنوعی و ابزارهای داده خود بسیار راضی هستند». دلایل یا دلایلی برای سطح پایین رضایت وجود دارد، از جمله نیاز به اتوماسیون بیشتر برای کمک به شناسایی مشکلات احتمالی و همچنین رعایت مقررات. این گزارش همچنین نشان داد که اکثر مدل‌های هوش مصنوعی (63 درصد) نسبتاً ابتدایی هستند و از انسان‌ها می‌خواهند که آنها را به درستی کار کنند. مدل‌های پایه نیز با کمبود روش‌های خوب داده، از جمله تأیید داده‌ها مواجه هستند. همچنین نیاز آشکاری به قابلیت‌های هوش مصنوعی مسئول و کاهش تعصب وجود دارد.

جوشی گفت: «ایجاد اصول اخلاقی قوی هوش مصنوعی و شیوه های مدیریت سوگیری به طور قابل توجهی رضایت از هوش مصنوعی را افزایش می دهد. شرکت‌ها همچنین باید در مورد داده‌ها متفاوت فکر کنند – آموزنده‌ترین داده‌ها برای یک مورد خاص هوش مصنوعی می‌تواند از یک شخص ثالث یا داده‌های در دسترس عموم باشد.»

رضایت از هوش مصنوعی در همه صنایع یکسان نیست – برخی از آنها بهتر از سایرین عمل می کنند. جوشی گفت که کسب‌وکارهای خدمات مالی بیشترین رضایت را از هوش مصنوعی خود به عنوان یک صنعت دارند، در حالی که از نظر موارد استفاده خاص، تولیدکنندگان و شرکت‌های با فناوری پیشرفته بیشترین رضایت را از استفاده از هوش مصنوعی برای نگهداری پیش‌بینی‌کننده و کاهش زمان خرابی در سیستم‌ها نشان دادند.

اهمیت حیاتی داده ها

برای اینکه سازمان‌ها به طور کامل پتانسیل هوش مصنوعی را درک کنند و درآمدهای افزایشی را که Infosys تخمین می‌زند، به دست آورند، نیاز به فعال کردن اشتراک‌گذاری داده‌ها و اعتماد داده‌ها، و همچنین تبدیل هوش مصنوعی به یک اولویت تجاری و نه فقط یک وظیفه برای دانشمندان داده وجود دارد.

گزارش Infosys مشخص کرد که سازمان‌هایی که مدیریت داده‌ها و شیوه‌های همکاری بالغی دارند، نتایج تجاری بهتری از داده‌های خود دارند. در میان سازمان‌هایی که از ابزارهای هوش مصنوعی خود بسیار راضی هستند، سازمان‌هایی هستند که شیوه‌های داده‌ای مسئولانه دارند که به اطمینان از قابل اعتماد بودن داده‌ها کمک می‌کند.

گسترش تیم‌های هوش مصنوعی فراتر از دانشمندان داده برای موفقیت بسیار مهم است و به همسویی با اهداف تجاری کمک می‌کند. جوشی گفت که مهم است که تیم‌های هوش مصنوعی کاربران نهایی و متخصصان را در مشکلات تجاری که باید حل شوند، شامل شوند.

جوشی گفت: «تحلیل ما نشان می‌دهد که بسیار مهم است که همیشه متخصص کسب‌وکار و دانشمند داده را در تیم هوش مصنوعی قرار دهیم.

وقتی صحبت از حرکت به سمت قابلیت‌های پیشرفته‌تر هوش مصنوعی به میان می‌آید، Infosys یک طبقه‌بندی به نام Sense, Understand, Respond, Evolve (SURE) ایجاد کرده است. قابلیت Sense توانایی شناسایی الگوها است، در حالی که Understand توانایی پیش بینی کردن است. Respond به عنوان توانایی عمل مستقل تعریف می شود، در حالی که مرحله Evolve در مورد مدل هایی است که خود را آموزش می دهند و بهبود می بخشند. جوشی گفت که امیدوار است با گذشت زمان، سازمان‌های بیشتری از قابلیت‌های اولیه Sense and Understand به سطوح پیشرفته‌تر و مستقل‌تر Respond و Evolve ارتقا پیدا کنند.

جوشی گفت: “اگر شرکت ها بتوانند اعتماد بیشتری به هوش مصنوعی ایجاد کنند، ما شاهد بهبود نرخ رضایت از داده ها و هوش مصنوعی خواهیم بود.” این بسیار مهم است زیرا شرکت‌هایی که رضایت بالاتری دارند سیستم‌های هوش مصنوعی مؤثرتری دارند.»

ماموریت VentureBeat این است که یک میدان شهر دیجیتال برای تصمیم گیرندگان فنی باشد تا دانشی در مورد فناوری سازمانی متحول کننده کسب کنند و معامله کنند. جلسات توجیهی ما را کشف کنید.