发帖
雷达卡
企业AI业务案例的四个象限
在本文中，我将通过四个象限的框架讨论企业AI业务案例的开发。根据Gartner的说法：“人工智能所需的思维转变可能导致“文化焦虑”，因为它要求行为和思维方式发生深刻变化”。企业中AI的部署是复杂且多学科的。因此，这个框架是进化的。列出的供应商和计划旨在说明该框架。
按照复杂性（和机会）的递增顺序，企业AI业务案例的四个象限是：
实验驱动：机器学习和深度学习
数据驱动：企业平台和数据
规模驱动：AI管道和可扩展性
人才驱动：人工智能的破坏与停滞
该分析基于伦敦和远程的企业AI研讨会
背景
企业AI是一个抽象的概念，跨学科且广为宣传的概念。但是无论如何，不能孤立地查看企业中AI的部署。在企业内部，已经存在系统（例如ERP和数据仓库）。这些的集成将在任何AI部署中发挥作用。可以从企业工作流程中看到“企业”一词。我们还考虑了核心企业（非保险业以外的非制造公司）和更广泛的企业（包括供应链）。因此，企业AI可能会了解在企业中部署AI时工作流如何变化。
企业中AI的专业部署与典型培训课程的内容不同。在大型组织中，数据科学职能通常跨越三个不同的角色：数据工程师，数据科学家和DevOps工程师。数据科学家主要负责开发机器学习和深度学习算法。数据工程师和DevOps工程师角色与数据科学家一起工作，以管理产品/服务生命周期。因此，在企业中，管理AI管道涉及CICD（持续改进–持续交付）的理念。CI / CD可以看作是Waterfall和Agile方法论的演进。
最后，澄清使用的一些定义：机器学习：表示可以从经验中学习的系统（数据）；深度学习：表示可以基于深度神经网络执行自动特征检测的系统；人工智能涉及可以推理的机器。
企业AI业务案例
在这种背景下，让我们探索AI业务案例的四个象限
机器学习和深度学习
我们最初可以将问题建模为机器学习或深度学习问题。在此阶段，我们关注模型的准确性，选择和效率。因此，通过实验分析来表征第一象限以证明价值。
我们还关注改善现有的KPI。例如，如果您要进行欺诈检测或贷款预测，那么每个应用程序都具有基于当前技术的现有KPI。机器学习和深度学习模型有望大大提高当前的基准。我们通常正在处理一个节点（非分布式）。数据可以基于时间序列，表格，文本，图像，音频或视频。这些应用程序可能涉及计算机视觉，自然语言处理，金融科技/金融服务，医疗保健，强化学习，无监督学习（例如GAN，VAE），情感AI（情感计算）等。深度学习架构正在迅速发展。因此，在此阶段需要大量的努力和技巧。
企业平台和数据
从第一象限开始，第二象限的特征是
管理算法数据
与现有系统和平台集成（例如：ERP和数据仓库）
管理GDPR之前的监管注意事项
估算资源成本
使用云
简化AI部署的策略（例如：AutoML）
大型企业中同时存在ERP和数据仓库。除了与现有系统和云策略集成之外，在这一象限中，我们还必须考虑
法规– GDPR和付款法规之前
可解释的AI
像AutoML和Auto- Keras这样的策略可以简化AI部署
贾琳（Marlene Jia）打造企业AI公司的格局它对企业中的AI应用程序进行了分类。我们注意到这些问题与以前相同或相似，但是通过从大量（通常）非结构化数据中获得见识，可以使用AI更好地解决这些问题。类别包括来自Ayasdi的BUSINESS INTELLIGENCE；像X.ai这样的虚拟调度助手的生产力；客户管理ex Inbenta的AI技术驱动的自然语言搜索；恩特洛人力资源和人才公司；B2B销售与营销Salesforce的Einstein；消费者营销公司，例如Lexalytics；AppZen的FINANCE＆OPERATIONS是一个自动审核平台，可以立即发现欺诈和合规性问题；Sentient Technologies的DIGITAL COMMERCE分析了针对用户操作的产品建议；数据科学，如RapidMiner；像Diffbot这样的工程公司；安全与 Demisto的风险（事件响应）；GE Predix的工业与制造
以上分析还表明，人工智能将影响企业的许多领域，但在本象限中，重点是发展而不是革命，在该革命中，公司与现有应用程序集成并获得了人工智能的经验。该象限中的挑战主要与数据相关，尤其是查找标记数据的挑战。
AI管道和可扩展性
在第三象限中，重点是扩展和处理实时事务。这里可能涉及多种技术，其中大多数属于CICD类别，还有来自Azure ML CI / CD等企业云提供商的一系列举措
在最简单的级别上，我们可以使用flask部署深度学习模型，但更复杂的策略也可以发挥作用，例如来自databricks的Mlflow，kafka承担企业服务总线的某些功能，使用Jenkins 2.0 AI管道模型进行连续交付等
AI中断（和停滞）
第四象限是最有趣的。它由具有战略和技术思维能力的AI人才驱动。在此阶段，我们正在寻找已经集成到企业中的AI，以及如何将AI用于破坏活动。这需要威廉·沃里斯（William Vorhies）概述的AI初创公司，以及AI的四种主要AI战略 ，即数据优势，水平，垂直和情报系统。莫妮卡·罗加蒂（Monica Rogati）也谈到了AI需求层次结构，这也与这种方法产生了共鸣。
在这个象限中，我们正在处理诸如以AI为核心的流程调整，IPR，AI和人类合作，Cobots等问题。工作主要由硕士/博士推动，通常直接从研究论文中实施思想来创建新IP。该象限还涉及公司文化的变化和公司内部人员的角色
结论
在本文中，我们通过四个象限的框架讨论了企业AI业务案例的开发。AI对企业的破坏将是进化的。前两个象限基于增量更改。但是彻底的破坏是非常现实的。因此，最后一个象限同时涉及中断和停滞。AI是所有游戏的胜利者。AI的另一个工作定义是“随经验而改进的过程”。从这个意义上讲，将向人工智能学习的早期采用者将成为未来的市场颠覆者。
题库
京公网安备 11010802022788号
