Gesponsorde functie Kunstmatige intelligentie (AI) domineert de laatste tijd de krantenkoppen op zakelijk en technologisch gebied. Je kunt geen nieuwssite bekijken zonder een verhaal te zien over hoe AI op het punt staat de manier waarop we zaken doen te veranderen.

Uiteraard staat vrijwel elk bedrijf te popelen om aan hun reis naar AI te beginnen of deze voort te zetten, maar de meesten weten niet precies hoe ze verder moeten.

AI heeft nu al een grote impact op het moderne bedrijfsleven. Volgens statistieken verzameld door Autoriteit Hacker35 procent van de bedrijven heeft AI geadopteerd, 77 procent van de apparaten gebruikt een of andere vorm van AI, en negen van de tien organisaties ondersteunen het gebruik van AI om concurrentievoordeel te behalen. Vervolgens wordt verwacht dat AI tegen 10 15.7 biljoen dollar aan de wereldeconomie zal toevoegen. En zoals bij elke nieuwe technologie zullen er banen verloren gaan en banen worden gewonnen. AI zou in 2030 mogelijk 85 miljoen banen kunnen elimineren, maar aan de andere kant zou het ook 2025 miljoen nieuwe banen kunnen creëren.

Bedrijven die AI voor het eerst willen adopteren, of hun bestaande gebruik ervan willen uitbreiden, worden geconfronteerd met verschillende uitdagingen op zowel personeels- als technologiegebied. Er zijn ook regelgevende en ethische zorgen over de technologie. En omdat AI-systemen worden aangedreven door data, krijgen bedrijven onvermijdelijk te maken met zorgen over het waarborgen van de kwaliteit, relevantie en beschikbaarheid van de informatie die ze in de AI-algoritmen invoeren. Ervoor zorgen dat deze datasets accuraat, actueel en zo uitgebreid mogelijk zijn, zal waarschijnlijk een blijvende uitdaging vormen. Hetzelfde geldt als het gaat om het omgaan met de complexiteit van de benodigde hardware, infrastructuur en energievoorziening, en de daarmee samenhangende kosten.

Het overwinnen van de uitdagingen om de vruchten te plukken

Matt Armstrong-Barnes, hoofdtechnoloog voor AI bij HPE, is van mening dat organisaties vaak de fout maken om AI te benaderen zonder een strategisch plan. “Ze gaan te snel met de technologie om. Ze hebben geen gemeenschappelijke strategie”, zegt hij. “Ze creëren interessante wetenschappelijke projecten, maar voegen geen bedrijfswaarde toe”.

Eerst en vooral moeten bedrijven een AI-strategie ontwikkelen die gebruiksscenario's identificeert en prioriteert, en ervoor zorgt dat ze echte problemen aanpakken en niet alleen maar iets bouwen dat in het laboratorium zal blijven leven en sterven. Er zijn uiteraard praktische vragen rond dit proces: “Hoe ga je deze AI-platforms bouwen? Hoe ga je ze monitoren?” vraagt ​​Armstrong-Barnes. “Hoe zorg je ervoor dat ze nog steeds efficiënt werken? Hoe ga je beseffen dat je voordelen hebt bereikt waarvan je dacht dat ze die zouden opleveren? Hoe verdeel je het budget om initiatieven op de juiste manier te financieren?”

Er bestaat weinig twijfel over dat het stellen van de juiste vragen en het hebben van een gedegen plan de tijd kan verkorten die nodig is om de voordelen van AI te realiseren. Maar het is ook een grote uitdaging om welk AI-systeem dan ook van het experimentele model naar een daadwerkelijk werkend model te krijgen. “De grootste uitdagingen liggen op het gebied van ‘operationalisatie’, dat is de manier waarop je een AI-systeem krijgt, van de eerste gegevensverzameling tot het construeren van een model en de productie-implementatie”, legt Armstrong-Barnes uit.

En het is essentieel dat medewerkers over de juiste vaardigheden beschikken. Het aantrekken en behouden van personeel met de juiste eigenschappen, of het samenwerken met een organisatie die die expertise kan bieden, zal een belangrijk aandachtspunt zijn. “Er bestaan ​​nog steeds veel misverstanden over wat de technologie kan doen, dus onderwijs bouwt niet alleen vaardigheden op, maar zorgt ook voor draagvlak”, voegt hij eraan toe.

Eén aanpak die bedrijven kunnen volgen om een ​​aantal vaardigheden en infrastructuurproblemen op te lossen, is het zoeken naar partnerschappen. Hij adviseert: “Je kunt samenwerken om die vaardigheden in te brengen; partner om toegang te krijgen tot infrastructuur-, platform- en modeldiensten.”

Een AI-native architectuur kent vele lagen. Componenten van AI-infrastructuurservices kunnen bijvoorbeeld GPU's en accelerators omvatten, naast computer-, opslag- en netwerkelementen, containers en virtuele machines en AI-bibliotheken. Op dezelfde manier kunnen AI-platformdiensten ML-applicaties en data-, ontwikkelings- en implementatiediensten omvatten. En laten we modelservices niet vergeten, waaronder fundamentele modellen, verfijning, vectoropslag en prompting, naast AI-bedrijfsservices die zijn ontworpen om de betrouwbaarheid te bevorderen door vooringenomenheid en drift te elimineren om waardevolle use case-presentaties te leveren.

HPE heeft al een robuust, mensgericht raamwerk gebouwd dat kan worden toegepast op de eisen van klanten, gericht op privacy, inclusiviteit en verantwoordelijkheid, zegt het bedrijf.

“Dat betekent dat u zich kunt concentreren op de gegevens en het bedrijfsprobleem”, zegt Armstrong-Barnes.

Het draait allemaal om de gegevens

Het kan van cruciaal belang zijn om u te concentreren op de gegevens wanneer u AI-systemen ontwerpt en implementeert. Organisaties worden elke dag getroffen door een tsunami aan data. Wat AI hen in staat stelt om verborgen patronen in die gegevens te vinden, waardoor ze sneller in staat zijn er waarde uit te halen. Dan kunnen ze aanzienlijk beter geïnformeerde beslissingen nemen over de applicaties, processen en diensten die ze willen bouwen of verbeteren.

Een belangrijk onderdeel van die datacentrische focus is het hebben van een solide strategie voor het verzamelen, beheren en monitoren van de data – een strategie die nauw aansluit bij het bedrijf, een datacultuur opbouwt en elementen omvat rond governance, datakwaliteit, privacy en metadata, zegt HPE.

“Je moet begrijpen wat het bedrijf probeert te doen”, legt Armstrong-Barnes uit. “Je moet begrijpen hoe je de datakwaliteit stimuleert, wie er toegang toe heeft gehad, hoe je deze verwijdert, welke metadata je opslaat.”

Een ander probleem dat de gegevens kunnen opleveren zijn silo's. Wanneer gegevens op slot zitten, kan het extraheren en er waarde uit halen problematisch zijn. En zodra die gegevens toegankelijk en beschikbaar zijn, komt de kwestie van het trainen van de gegevens die de AI-platforms zullen informeren. Als het gaat om het bouwen van AI-systemen, zijn er op een hoog niveau verschillende fasen: het verzamelen van gegevens; het verfijnen van gegevens om deze gereed te maken voor modelconstructie; het bouwen van de modellen; het afstemmen van de modellen; en deze vervolgens inzetten. Elk van deze fasen brengt specifieke uitdagingen met zich mee.

Maar het gebruik van een AI-native architectuur van HPE Greenlake kan een grote bijdrage leveren aan het leggen van de juiste basis om deze processen te versnellen, zegt HPE. En de Machine Learning Development Environment (MLDE) van het bedrijf is ook ontworpen om de complexiteit en kosten die gepaard gaan met de ontwikkeling van machine learning-modellen te helpen verminderen.

Het trainen van deze AI-modellen vereist ook aanzienlijke verwerkingskracht. Naarmate bedrijven AI gaan adopteren of uitbreiden, moeten ze eerst over de technologische capaciteit beschikken om de last aan te kunnen. Het HPE GreenLake-platform kan die capaciteit bieden in de vorm van een krachtige verwerkingsarchitectuur en een gestroomlijnde datapijplijn die organisaties nodig hebben om toegang te garanderen tot hoogwaardige, relevante data om AI-modellen en workloads te bouwen en in te zetten.

Succesvolle projecten kunnen de weg verlichten

Het is vaak nuttig om als leidraad te kijken naar bedrijven die al goed werk hebben geleverd met het adopteren en implementeren van AI. Een daarvan is het in Seattle, WA gevestigde esports-team Evil Geniuses. Gedurende zijn 25-jarige geschiedenis heeft het bedrijf teams ingeschreven in verschillende esports waarbij Call of Duty, Fortnite, Halo, Rocket League en VALROANT werden gespeeld. De teams van Evil Geniuses zijn behoorlijk succesvol geweest. Het Call of Duty: WWII-team van het bedrijf won bijvoorbeeld het Call of Duty Championship 2018 en het VALORANT-team won de VALORANT Champions 2023.

“We zijn hier om het aanzien van gaming te veranderen”, zegt Chris DeAppolonio, CEO van Evil Geniuses. “Wij zijn een esports- en gaming-entertainmentorganisatie. We spelen professioneel games over de hele wereld. Technologie en data vormen de ruggengraat van alles wat we doen. Onze spellen zijn gebouwd op enen en nullen. Ze zijn gebaseerd op data, en hoe verwerken we dat en creëren we daaruit inzichten?”

Een van de meest urgente zorgen waarmee Evil Geniuses worden geconfronteerd, is het identificeren van potentiële professionele gamers. Het bedrijf verwerkt grote hoeveelheden complexe gegevens om talent over de hele wereld te vinden, en . "We willen gegevens vinden over die toekomstige professional", zegt hij. En het lijkt te werken. “Wij willen winnen. Wij willen beter talent vinden. We willen efficiënter omgaan met coaches en scouts. We kunnen inzichten gebruiken om de volgende superster te ontdekken.”

De toekomst voor AI – zowel vanuit het oogpunt van productiviteit als vanuit het oogpunt van bedrijfsvoordelen – ziet er veelbelovend uit. “AI is een teamsport, het gaat om vaardigheden”, zegt Armstrong-Barnes van HPE. “Als het gaat om het succesvol implementeren van AI-systemen, is een aanpak om samen te werken met een organisatie met een trackrecord in het bouwen van schaalbare, efficiënte en effectieve AI-systemen. Met een diepgaande geschiedenis in AI die tientallen jaren teruggaat, biedt HPE de tools, technieken en vaardigheden om AI-initiatieven te versnellen.”

Door datagedreven te zijn en de data volledig te begrijpen en waarvoor ze deze gaan gebruiken, kan een organisatie een op use case gerichte benadering hanteren om te helpen identificeren hoe zij haar data kan combineren met AI-technieken om de bedrijfswaarde te vergroten. Zodra dat inzicht aanwezig is, wordt het gemakkelijker om op de voordelen voort te bouwen.  

Armstrong-Barnes adviseert bedrijven om platforms te bouwen waarmee ze klein kunnen beginnen, maar waarbij alle fundamenten aanwezig zijn om op te schalen wanneer dat nodig is. Vervolgens moeten ze gewoon uitzoeken wat ze willen doen en hoe dit waarde gaat toevoegen, en in de loop van de tijd met hun behoeften meegroeien. HPE benadrukt zijn vermogen om 'AI-fabrieken' te bouwen die hardware, software en diensten combineren die de schaalbaarheid van de onderneming bieden, ondersteund door geïntegreerde systemen die het leven van eindgebruikers gemakkelijker maken.

“Je wilt je concurrenten bijhouden die zich al op het AI-traject bevinden”, zegt hij. “Het toevoegen van partners aan Team AI is een kritische succesfactor als het gaat om het bouwen van een AI-native architectuur die meegroeit met uw behoeften en waarmee u zich kunt concentreren op uw data en zakelijke uitdagingen in plaats van op de complexiteit van de onderliggende fundamenten.”

Gesponsord door HPE.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://go.theregister.com/feed/www.theregister.com/2024/04/18/getting_on_board_with_ai/