Inhoudsopgave:
Video: Stop met spaargeld verliezen! | Help (November 2024)
Volgens een rapport van Bluewolf (een IBM-bedrijf) heeft slechts 21 procent van de kleine bedrijven oplossingen op basis van kunstmatige intelligentie (AI) geïmplementeerd. De AI Investment Gap Survey ondervroeg 177 besluitvormers over de hele wereld om te bepalen of ze AI en machine learning (ML) al hadden gebruikt, en de diepgang van hun begrip van deze technologieën. Hoewel 33 procent van de kleine bedrijven van plan was binnen de komende 12 maanden in AI te investeren (waardoor het totale aantal AI-adopters volgend jaar op 54 procent komt), is het totaal nog steeds lager dan dat van grote bedrijven. Bovendien heeft 30 procent van de grote bedrijven al in AI geïnvesteerd, terwijl 44 procent van plan is om binnen de komende 12 maanden met investeren te beginnen. Dit brengt het totaal op 74 procent, of 20 procent meer dan het totaal van kleine bedrijven.
Vanessa Thompson, Senior Vice President Customer Experience Insights bij Bluewolf, zei dat er een kenniskloof bestaat tussen bedrijven die AI-tools hebben overgenomen en bedrijven die dergelijke tools niet willen gebruiken. Ze noemt deze kloof "de AI Investment Gap" en beschrijft het als een "discrepantie tussen C-level executives die AI begrijpen en degenen die het nog niet in hun bedrijf moeten implementeren", aldus een schriftelijke verklaring.
Omdat Bluewolf AI-tools verkoopt, zou het hun goed zijn te suggereren dat de enige reden waarom mensen geen AI-tools kopen, is omdat ze er niets van weten. Om de claim van Thompson te controleren, sprak ik met Brandon Purcell, Senior Analyst of Customer Insights bij Forrester Research, over welke eventuele andere problemen zouden kunnen bestaan om de kloof te veroorzaken tussen degenen die AI hebben aangenomen en degenen die dat niet hebben gedaan. Purcell en Forrester Research hebben vergelijkbare onderzoeken uitgevoerd naar AI-acceptatie. Hoewel zijn totale aantal vergelijkbaar is met dat van IBM - 51 procent van de bedrijven heeft AI geadopteerd of breidt het uit en 20 procent zegt dat ze van plan zijn dit binnen de komende 12 maanden te doen - kwam Purcell met een paar andere dwingende redenen waarom kleine bedrijven achterop zouden kunnen raken de curve van AI-acceptatie.
De kosten van AI
Purcell noemde investeringsbeperkingen als een belangrijke factor, vooral "omdat het betrekking heeft op vaardigheden. Kleine bedrijven hebben niet de middelen om datawetenschappers in te huren", zei hij. Dit zijn de werknemers die inzichten zullen halen uit de gegevens die in en uit bedrijfssoftware worden gepusht.
Zij zullen ook degenen zijn die bepalen of de AI uw gegevens nauwkeurig leest en acties onderneemt op basis van zijn eigen intelligentie. Het gemiddelde salaris voor een datawetenschapper is $ 113.436 per jaar, volgens Glassdoor, dat (in het grote schema van rich) net iets minder is dan het gemiddelde salaris van een Amerikaanse CEO ($ 166.000, volgens PayScale). Dus als u een CEO van een klein bedrijf bent die met flinterdunne marges werkt en u wilt uw eigen salaris niet verlagen, dan zou het moeilijk zijn om zes cijfers aan een datawetenschapper te rationaliseren - en geld uitgeven aan een softwaresysteem dat gegevens in AI kan omzetten.
Maar het is niet alleen het geld dat kleinere bedrijven verbiedt te investeren in AI-aangedreven software. "Over een gerelateerde opmerking, er is een gegevensfactor, " zei Purcell. "AI floreert als je grote hoeveelheden gegevens hebt. Kleine bedrijven hebben niet zoveel gegevens om dat te doen."
Zie het zo: weet je hoe Facebook weet welke vrienden je moet taggen als je een foto plaatst? Dat komt omdat Facebook informatie heeft verzameld over al uw eerder getagde berichten. Heb je ooit een film bekeken die Netflix je aanbeveelde? Netflix wist die film aan te bevelen op basis van je vorige selecties. Facebook en Netflix kunnen deze aanbevelingen doen op basis van ML, de eerste neef van AI. Hoewel ze vergelijkbaar zijn, worden beide termen vaak door elkaar gebruikt (en onjuist).
Hier is het fundamentele verschil tussen de termen: ML-systemen gebruiken intelligentie om de prestaties te verbeteren door u aanbevelingen en manieren te bieden om processen te stroomlijnen, terwijl systemen die AI gebruiken, autonomie verlenen aan de software om taken uit te voeren en beslissingen te nemen zonder menselijk toezicht. ML is Netflix die filmaanbevelingen doet terwijl AI een auto is die je naar het werk brengt terwijl je een dutje doet op de achterbank. Als een klein bedrijf dat net begint met het genereren van gegevens, zijn de voordelen van AI minuscuul in vergelijking met wat een Fortune 500-bedrijf zou kunnen zien wanneer ze hun AI-software inschakelen.
Is Bluewolf verkeerd?
Dus, kreeg Bluewolf slechte informatie in hun enquête? Weten kleine bedrijven over AI, maar hebben ze gewoon niet het geld of de gegevens om er enthousiast over te worden? Purcell denkt niet dat het onderzoek van Bluewolf verkeerd is. In feite noemt hij IBM Watson als de maker van cognitive computing, de overkoepelende term die AI, ML en andere toepassingen omvat die het menselijk brein nabootsen.
"Ze hebben veel geld uitgegeven om die categorie te creëren, maar ze hebben grote concurrenten in de ruimte: Google, Amazon, Facebook, Microsoft, " zei Purcell. "Die bedrijven zitten ook op enorme hoeveelheden gegevens die worden gebruikt om AI-systemen te trainen. De Hollywood-definitie van AI is de bewuste robot. Dat hebben we nog niet gebruikt. Maar als het gaat om de implementatie van AI op bedrijfsniveau voor praktische AI, IBM blinkt uit in het maken van die tools."
Misvattingen over Hollywood, AI en robots die ons in onze slaap vermoorden, zijn een waarschijnlijke reden waarom kleine bedrijven afstand hebben genomen van meer informatie over AI-tools. Als je een t-shirtverkoper in Oklahoma bent, wat heb je dan aan een autonome auto of een toekomstige robot gewapend met een lasergeweer? Wanneer Purcell en Thompson in de minder bekende context worden gebruikt, zien ze echter praktische gebruikstoepassingen voor kleine bedrijven - gebruikstoepassingen waarover kleine bedrijven nog niet zijn opgeleid.
Met iets dat Thompson en Bluewolf "augmented intelligence" noemen, hebben kleine bedrijven niet noodzakelijkerwijs de data-expertise of de overvloed aan informatie nodig om te profiteren van AI. Bluewolf definieert vergrote intelligentie als de mogelijkheid voor apps om ideeën te redeneren, af te leiden en te extraheren, zelfs met ongestructureerde gegevenssets, zoals taal en afbeeldingen. Zelfs aan het begin van de gegevensverzameling van een bedrijf kunnen augmented intelligence-oplossingen leren terwijl ze gaan, ongeacht hoe weinig informatie het systeem wordt ingevoerd.
"Augmented intelligence helpt eindgebruikers te voorspellen wat ze vervolgens moeten doen door hen een profiel te geven van wat hun klanten nodig hebben", aldus Thompson. "We zien augmented als een manier om AI realiteit te maken voor bedrijven van elke omvang."
Dit omvat dingen zoals het combineren van externe en interne gegevens om de kennis op te vullen die de augmented intelligence-technologie gebruikt om zakelijke beslissingen te nemen. Door bijvoorbeeld externe lokale winkelpatronen en weergegevens te combineren met bedrijfseigen patroongegevens voor klanten, kunnen e-commercebedrijven hyper-gepersonaliseerde campagnes leveren. In dit scenario zou een datawetenschapper nuttig maar niet noodzakelijk zijn, en een grote hoeveelheid klantgegevens zou de campagne nog krachtiger maken. Maar het zou niet voorkomen dat de campagne krachtiger zou zijn dan zonder de combinatie van interne en externe gegevensbronnen.
