Sponsoreret funktion Kunstig intelligens (AI) har domineret forretnings- og teknologioverskrifterne på det seneste. Du kan ikke tjekke en nyhedsside uden at se en historie om, hvordan AI er klar til at ændre den måde, vi driver forretning på.

Naturligvis er næsten alle virksomheder ivrige efter at begynde eller fremme deres rejse ind i AI, men de fleste ved ikke helt, hvordan de skal fortsætte.

AI har allerede en stor indflydelse på moderne forretning. Faktisk ifølge statistik indsamlet af AuthorityHacker, 35 procent af virksomhederne har taget kunstig intelligens til sig, 77 procent af enhederne bruger en form for kunstig intelligens, og ni ud af ti organisationer støtter brugen af ​​kunstig intelligens for at opnå konkurrencefordele. AI forventes efterfølgende at tilføje 10 billioner dollars til den globale økonomi i 15.7. Og som med enhver ny teknologi, vil der gå tabt job og få job. AI kunne potentielt fjerne 2030 millioner job i 85, men på bagsiden kan det også skabe 2025 millioner nye job.

Virksomheder, der ønsker enten at indføre AI for første gang eller udvide deres eksisterende brug af det, står over for flere lag af udfordringer på både personale- og teknologisiden. Der er også regulatoriske og etiske bekymringer omkring teknologien. Og da AI-systemer er drevet af data, står virksomheder uundgåeligt over for bekymringer om at sikre kvaliteten, relevansen og tilgængeligheden af ​​den information, de tilfører AI-algoritmerne. At sikre, at disse datasæt er nøjagtige, opdaterede og så omfattende som muligt, vil sandsynligvis udgøre en vedvarende udfordring. Det samme gælder, når det kommer til at håndtere kompleksiteten af ​​den nødvendige hardware, infrastruktur og energiforsyning, og de dermed forbundne omkostninger.

At overvinde udfordringerne for at høste frugterne

Matt Armstrong-Barnes, Chief Technologist for AI hos HPE, mener, at organisationer ofte begår den fejl at henvende sig til AI uden en strategisk plan. "De kører for hurtigt på teknologien. De har ikke en fælles strategi,” siger han. "De skaber interessante videnskabelige projekter, men de tilføjer ikke forretningsværdi".

Først og fremmest skal virksomheder udvikle en AI-strategi, som identificerer og prioriterer use cases og sikrer, at de tackler reelle problemer og ikke bare bygger noget, der vil leve og dø i laboratoriet. Der er selvfølgelig praktiske spørgsmål omkring denne proces: "Hvordan vil du bygge disse AI-platforme? Hvordan vil du overvåge dem?” spørger Armstrong-Barnes. "Hvordan sikrer du dig, at de stadig fungerer effektivt? Hvordan vil du indse, at du har opnået fordele, du troede, de ville opnå? Hvordan allokerer man budgettet til at finansiere initiativer på den rigtige måde?”

Der er næppe tvivl om, at det at stille de rigtige spørgsmål og have en solid plan på plads kan hjælpe med at reducere den tid, det tager at realisere fordelene ved AI. Men at få ethvert AI-system fra den eksperimentelle model til en egentlig arbejdsmodel er også en stor udfordring. "De største udfordringer er omkring 'operationalisering', som er, hvordan du får et AI-system fra indledende dataindsamling til at konstruere en model til produktionsimplementering," forklarer Armstrong-Barnes.

Og det er vigtigt at sikre, at medarbejderne har de rette færdigheder. At tiltrække og fastholde personale med de rigtige egenskaber eller samarbejde med en organisation, der kan levere den ekspertise, vil være et stort fokus. "Der er stadig en masse misforståelser omkring, hvad teknologien kan, så uddannelse opbygger ikke kun færdigheder, den opbygger også buy-in," tilføjer han.

En tilgang, som virksomheder kan tage for at løse nogle af kvalifikations- og infrastrukturproblemerne, er at opsøge partnerskaber, rådgiver han: "Du kan partner for at bringe disse færdigheder ind; partner for at få adgang til infrastruktur, platform og modeltjenester."

En AI-native arkitektur har mange lag. AI-infrastrukturservicekomponenter kan omfatte GPU'er og acceleratorer for eksempel sammen med computer-, lager- og netværkselementer, containere og virtuelle maskiner og AI-biblioteker. Ligeledes kan AI-platformstjenester inkorporere ML-applikationer og data-, udviklings- og implementeringstjenester. Og lad os ikke glemme modeltjenester, der omfatter grundlæggende modeller, finjustering, vektorbutikker og prompting, sammen med AI-virksomhedstjenester designet til at fremme troværdighed ved at eliminere skævhed og drift for at levere værdifulde use case-præsentationer.

HPE har allerede bygget en robust menneskefokuseret ramme, som kan anvendes til kundernes krav, centreret om privatliv, inklusivitet og ansvar, siger virksomheden.

"Det betyder, at du kan fokusere på dataene og forretningsproblemet," siger Armstrong-Barnes.

Det hele handler om data

Det kan være kritisk at fokusere på dataene, når du designer og implementerer AI-systemer. Organisationer bliver ramt af tsunami af data hver eneste dag. Hvad AI gør det muligt for dem at gøre, er at finde skjulte mønstre i disse data, hvilket hjælper med at accelerere deres evne til at udlede værdi af dem. Så kan de træffe væsentligt bedre informerede beslutninger om de applikationer, processer og tjenester, de ønsker at bygge eller forbedre.

En vigtig komponent i dette datacentrerede fokus er at have en solid strategi på plads for, hvordan man indsamler, administrerer og overvåger dataene – en som er tæt tilpasset virksomheden, opbygger en datakultur og inkluderer elementer omkring styring, datakvalitet, privatliv og metadata, siger HPE.

"Du skal forstå, hvad virksomheden forsøger at gøre," forklarer Armstrong-Barnes. "Du skal forstå, hvordan du fremmer datakvaliteten, hvem der har adgang til dem, hvordan du bortskaffer dem, hvilke metadata du gemmer."

Et andet problem, som dataene kan udgøre, er siloer. Når data er låst væk, kan det være problematisk at udtrække og få værdi ud af det. Og når først disse data er tilgængelige og tilgængelige, kommer der spørgsmålet om at træne de data, der vil informere AI-platformene. Når det kommer til at bygge AI-systemer, er der på et højt niveau flere stadier: dataindsamling; raffinering af data for at gøre det klar til modelkonstruktion; opbygning af modellerne; tuning af modellerne; og derefter implementere dem. Hvert af disse stadier byder på specifikke udfordringer.

Men at bruge en AI-native arkitektur fra HPE Greenlake kan gå langt for at sætte det rigtige fundament på plads for at fremskynde disse processer, siger HPE. Og virksomhedens Machine Learning Development Environment (MLDE) er også designet til at hjælpe med at reducere kompleksiteten og omkostningerne forbundet med udvikling af maskinlæringsmodeller.

Træning af disse AI-modeller kræver også betydelig processorkraft. Efterhånden som virksomheder flytter til at indføre eller øge deres brug af kunstig intelligens, skal de først have den teknologiske kapacitet til at håndtere belastningen. HPE GreenLake-platformen kan levere den kapacitet i form af en højtydende behandlingsarkitektur og strømlinet datapipeline, som organisationer skal bruge for at sikre adgang til relevante data af høj kvalitet til at bygge og implementere AI-modeller og arbejdsbelastninger.

Succesfulde projekter kan lyse vejen

Det er ofte nyttigt at se på virksomheder, der allerede har gjort et godt stykke arbejde med at indføre og implementere AI til vejledning. En af disse er Seattle, WA-baserede esportshold Evil Geniuses. Gennem sin 25-årige historie har virksomheden deltaget i hold i en række forskellige esports, der spiller Call of Duty, Fortnite, Halo, Rocket League og VALROANT. Evil Geniuses hold har været ret succesrige. Virksomhedens Call of Duty: WWII-hold vandt for eksempel 2018 Call of Duty Championship, og VALORANT-holdet vandt 2023 VALORANT Champions.

"Vi er her for at ændre spillets ansigt," siger Chris DeAppolonio, CEO for Evil Geniuses. "Vi er en e-sports- og spilunderholdningsorganisation. Vi spiller professionelt spil over hele kloden. Teknologi og data er rygraden i alt, hvad vi gør. Vores spil er bygget på etaller og nuller. De er baseret på data, og hvordan behandler vi det og skaber indsigt ud fra det?”

En af de mere presserende bekymringer, som Evil Geniuses står over for, er at identificere potentielle professionelle spillere. Virksomheden behandler store mængder komplekse data for at finde talenter over hele kloden, og . "Vi vil gerne finde data om den fremtidige pro," siger han. Og det ser ud til at virke. "Vi vil gerne vinde. Vi vil gerne finde bedre talenter. Vi vil være mere effektive med trænere og spejdere. Vi kan bruge indsigt til at finde den næste superstjerne."

Fremtiden for kunstig intelligens – både fra et produktivitets- og forretningsmæssigt perspektiv – ser lovende ud. "AI er en holdsport, det handler om færdigheder," siger HPE's Armstrong-Barnes. "Når det kommer til succesfuld implementering af AI-systemer, er en tilgang at indgå partnerskab med en organisation med en sporrecord i at bygge skalerbare, effektive og effektive AI-systemer. Med en dyb arv inden for AI, der går årtier tilbage, tilbyder HPE værktøjerne, teknikkerne og færdighederne til at accelerere AI-initiativer."

At være datadrevet og fuldt ud forstå dataene, og hvad de skal bruge dem til, vil hjælpe en organisation med at tage en use case-centreret tilgang for at hjælpe med at identificere, hvordan den kan fusionere sine data med AI-teknikker for at skabe forretningsværdi. Når først den forståelse er på plads, bliver det lettere at bygge videre på fordelene.  

Armstrong-Barnes råder virksomheder til at bygge platforme, der lader dem starte i det små, men som har alt grundlaget på plads for at sætte dem i stand til at opskalere, når det er nødvendigt. Så skal de bare finde ud af, hvad de vil gøre, og hvordan det vil tilføre værdi, og vokse med deres behov over tid. HPE understreger sin evne til at bygge 'AI-fabrikker', der kombinerer hardware, software og tjenester, der giver virksomhedens skalerbarhed, understøttet af integrerede systemer, der gør livet lettere for slutbrugere.

"Du vil gerne følge med dine konkurrenter allerede på AI-rejsen," siger han. "At tilføje partnere til Team AI er en kritisk succesfaktor, når det kommer til at bygge en AI-native arkitektur, der skalerer med dine behov og giver dig mulighed for at fokusere på dine data og forretningsudfordringer i stedet for kompleksiteten af ​​det underliggende fundament."

Sponsoreret af HPE.

• SEO Powered Content & PR Distribution. Bliv forstærket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk dig selv. Adgang her.
• PlatoAiStream. Web3 intelligens. Viden forstærket. Adgang her.
• PlatoESG. Kulstof, CleanTech, Energi, Miljø, Solenergi, Affaldshåndtering. Adgang her.
• PlatoHealth. Bioteknologiske og kliniske forsøgs intelligens. Adgang her.
• Kilde: https://go.theregister.com/feed/www.theregister.com/2024/04/18/getting_on_board_with_ai/