Tính năng được tài trợ Trí tuệ nhân tạo (AI) gần đây đã thống trị các tiêu đề về kinh doanh và công nghệ. Bạn không thể kiểm tra một trang tin tức mà không thấy câu chuyện về cách AI sẵn sàng thay đổi cách chúng ta kinh doanh.

Đương nhiên, hầu như mọi công ty đều mong muốn bắt đầu hoặc thăng tiến hành trình phát triển AI của mình, nhưng hầu hết đều không biết nên tiếp tục như thế nào.

AI đã có tác động lớn đến kinh doanh hiện đại. Thực tế, theo số liệu thống kê được thu thập bởi Thẩm quyềnHacker, 35% doanh nghiệp đã áp dụng AI, 77% thiết bị đang sử dụng một số dạng AI và 10/15.7 tổ chức ủng hộ việc sử dụng AI để đạt được lợi thế cạnh tranh. AI sau đó dự kiến ​​​​sẽ bổ sung thêm 2030 nghìn tỷ USD cho nền kinh tế toàn cầu vào năm 85. Và giống như bất kỳ công nghệ mới nào, sẽ có việc làm bị mất và việc làm lại có được. AI có khả năng loại bỏ 2025 triệu việc làm vào năm 97, nhưng mặt khác, nó cũng có thể tạo ra XNUMX triệu việc làm mới.

Các công ty đang muốn áp dụng AI lần đầu tiên hoặc mở rộng việc sử dụng nó hiện có sẽ phải đối mặt với nhiều thách thức ở cả khía cạnh nhân sự và công nghệ. Ngoài ra còn có những lo ngại về quy định và đạo đức về công nghệ. Và khi các hệ thống AI được cung cấp năng lượng bởi dữ liệu, các công ty chắc chắn phải đối mặt với những lo ngại về việc đảm bảo chất lượng, mức độ phù hợp và tính sẵn có của thông tin mà họ cung cấp cho các thuật toán AI. Việc đảm bảo các bộ dữ liệu đó chính xác, cập nhật và toàn diện nhất có thể có thể là một thách thức lâu dài. Điều này cũng đúng khi xử lý sự phức tạp của việc cung cấp phần cứng, cơ sở hạ tầng và năng lượng cần thiết cũng như các chi phí liên quan.

Vượt qua thử thách để gặt hái thành quả

Matt Armstrong-Barnes, Giám đốc công nghệ AI tại HPE, tin rằng các tổ chức thường mắc sai lầm khi tiếp cận AI mà không có kế hoạch chiến lược. “Họ đang chạy theo công nghệ quá nhanh. Họ không có chiến lược chung,” ông nói. “Họ tạo ra những dự án khoa học thú vị nhưng lại không mang lại giá trị kinh doanh”.

Đầu tiên và quan trọng nhất, các công ty cần phát triển chiến lược AI nhằm xác định và ưu tiên các trường hợp sử dụng, đồng thời đảm bảo rằng họ đang giải quyết các vấn đề thực sự chứ không chỉ xây dựng thứ gì đó sẽ tồn tại và chết trong phòng thí nghiệm. Tất nhiên có những câu hỏi thực tế xung quanh quá trình này: “Bạn định xây dựng những nền tảng AI này như thế nào? Bạn sẽ theo dõi họ bằng cách nào?” Armstrong-Barnes hỏi. “Làm thế nào để bạn chắc chắn rằng họ vẫn hoạt động hiệu quả? Làm thế nào bạn có thể nhận ra rằng bạn đã đạt được những lợi ích mà bạn nghĩ họ sẽ đạt được? Làm thế nào để bạn phân bổ ngân sách để tài trợ cho các sáng kiến ​​​​một cách đúng đắn?”

Có chút nghi ngờ rằng việc đặt câu hỏi phù hợp và có kế hoạch vững chắc có thể giúp giảm thời gian nhận ra lợi ích của AI. Nhưng việc đưa bất kỳ hệ thống AI nào từ mô hình thử nghiệm sang mô hình hoạt động thực tế cũng đặt ra một thách thức lớn. Armstrong-Barnes giải thích: “Những thách thức lớn nhất xoay quanh việc 'vận hành', đó là cách bạn có được hệ thống AI từ khâu thu thập dữ liệu ban đầu đến xây dựng mô hình cho đến triển khai sản xuất.

Và đảm bảo nhân viên có những kỹ năng phù hợp là điều cần thiết. Thu hút và giữ chân nhân viên có tố chất phù hợp hoặc hợp tác với một tổ chức có thể cung cấp kiến ​​thức chuyên môn đó sẽ là trọng tâm chính. Ông nói thêm: “Vẫn còn nhiều hiểu lầm xung quanh những gì công nghệ có thể làm, vì vậy giáo dục không chỉ xây dựng kỹ năng mà còn tạo dựng sức mua”.

Ông khuyên: “Bạn có thể hợp tác để phát huy những kỹ năng đó; đối tác để truy cập cơ sở hạ tầng, nền tảng và dịch vụ mô hình.”

Kiến trúc gốc AI có nhiều lớp. Các thành phần dịch vụ cơ sở hạ tầng AI có thể bao gồm GPU và bộ tăng tốc chẳng hạn, bên cạnh các yếu tố tính toán, lưu trữ và kết nối mạng, bộ chứa, máy ảo và thư viện AI. Tương tự như vậy, các dịch vụ nền tảng AI có thể kết hợp các ứng dụng ML và các dịch vụ dữ liệu, phát triển và triển khai. Và đừng quên các dịch vụ mô hình bao gồm các mô hình nền tảng, tinh chỉnh, lưu trữ vectơ và lời nhắc, cùng với các dịch vụ kinh doanh AI được thiết kế để nâng cao độ tin cậy bằng cách loại bỏ sự thiên vị và sai lệch để mang đến những bài thuyết trình về trường hợp sử dụng có giá trị.

HPE đã xây dựng một khuôn khổ tập trung vào con người mạnh mẽ, có thể áp dụng cho các yêu cầu của khách hàng, tập trung vào quyền riêng tư, tính toàn diện và trách nhiệm, công ty cho biết.

Armstrong-Barnes cho biết: “Điều đó có nghĩa là bạn có thể tập trung vào dữ liệu và vấn đề kinh doanh.

Đó là tất cả về dữ liệu

Tập trung vào dữ liệu khi bạn thiết kế và triển khai hệ thống AI có thể rất quan trọng. Các tổ chức đang bị tấn công bởi cơn sóng thần dữ liệu mỗi ngày. Những gì AI cho phép họ làm là tìm ra các mẫu ẩn trong dữ liệu đó, điều này giúp tăng tốc khả năng thu được giá trị từ dữ liệu đó. Sau đó, họ có thể đưa ra những quyết định sáng suốt hơn đáng kể về các ứng dụng, quy trình và dịch vụ mà họ muốn xây dựng hoặc nâng cao.

Một thành phần chính của trọng tâm tập trung vào dữ liệu đó là có sẵn một chiến lược vững chắc về cách thu thập, quản lý và giám sát dữ liệu - một chiến lược phù hợp chặt chẽ với doanh nghiệp, xây dựng văn hóa dữ liệu và bao gồm các yếu tố xung quanh quản trị, chất lượng dữ liệu, HPE cho biết quyền riêng tư và siêu dữ liệu.

Armstrong-Barnes giải thích: “Bạn cần hiểu doanh nghiệp đang cố gắng làm gì. “Bạn cần hiểu cách bạn đang thúc đẩy chất lượng dữ liệu, ai đã truy cập nó, bạn loại bỏ nó như thế nào, bạn đang lưu trữ siêu dữ liệu nào.”

Một vấn đề khác mà dữ liệu có thể gây ra là silo. Khi dữ liệu bị khóa, việc trích xuất và lấy giá trị từ nó có thể gặp vấn đề. Và một khi dữ liệu đó có thể truy cập được, sẽ nảy sinh vấn đề đào tạo dữ liệu sẽ cung cấp thông tin cho các nền tảng AI. Khi nói đến việc xây dựng hệ thống AI, ở cấp độ cao, có một số giai đoạn: thu thập dữ liệu; tinh chỉnh dữ liệu để sẵn sàng cho việc xây dựng mô hình; xây dựng các mô hình; điều chỉnh các mô hình; và sau đó triển khai chúng. Mỗi giai đoạn này đưa ra những thách thức cụ thể.

HPE cho biết, việc sử dụng kiến ​​trúc gốc AI từ HPE Greenlake có thể phải mất một chặng đường dài mới có được nền tảng phù hợp để đẩy nhanh các quá trình này. Và Môi trường phát triển học máy (MLDE) của công ty cũng được thiết kế để giúp giảm độ phức tạp và chi phí liên quan đến việc phát triển mô hình học máy.

Việc đào tạo các mô hình AI này cũng đòi hỏi sức mạnh xử lý đáng kể. Khi các công ty chuyển sang áp dụng hoặc tăng cường sử dụng AI, trước tiên họ phải có năng lực công nghệ để xử lý khối lượng công việc này. Nền tảng HPE GreenLake có thể cung cấp khả năng đó dưới dạng kiến ​​trúc xử lý hiệu suất cao và đường dẫn dữ liệu hợp lý mà các tổ chức sẽ cần để đảm bảo quyền truy cập vào dữ liệu phù hợp, chất lượng cao để xây dựng và triển khai các mô hình và khối lượng công việc AI.

Những dự án thành công có thể soi đường

Việc xem xét các công ty đã làm tốt công việc áp dụng và triển khai AI để được hướng dẫn thường rất hữu ích. Một trong số đó là đội thể thao điện tử Evil Geniuses có trụ sở tại Seattle, WA. Trong suốt lịch sử 25 năm của mình, công ty đã tham gia vào các đội tham gia nhiều môn thể thao điện tử khác nhau chơi Call of Duty, Fortnite, Halo, Rocket League và VALROANT. Đội của Evil Geniuses đã khá thành công. Ví dụ: đội Call of Duty: WWII của công ty đã giành chức vô địch Call of Duty 2018 và đội VALORANT đã giành chức vô địch VALORANT 2023.

Chris DeAppolonio, Giám đốc điều hành của Evil Geniuses cho biết: “Chúng tôi ở đây để thay đổi bộ mặt của trò chơi. “Chúng tôi là một tổ chức giải trí trò chơi và thể thao điện tử. Chúng tôi chơi trò chơi chuyên nghiệp trên toàn cầu. Công nghệ và dữ liệu là xương sống của mọi việc chúng tôi làm. Trò chơi của chúng tôi được xây dựng trên số một và số không. Chúng dựa trên dữ liệu và làm cách nào để chúng tôi xử lý dữ liệu đó cũng như tạo ra thông tin chuyên sâu từ dữ liệu đó?”

Một trong những mối quan tâm cấp bách hơn mà Evil Geniuses phải đối mặt là xác định các game thủ chuyên nghiệp tiềm năng. Công ty xử lý số lượng lớn dữ liệu phức tạp để tìm kiếm nhân tài trên toàn cầu và . “Chúng tôi muốn tìm dữ liệu về chuyên gia tương lai đó,” anh nói. Và nó dường như đang hoạt động. “Chúng tôi muốn giành chiến thắng. Chúng tôi muốn tìm những tài năng tốt hơn. Chúng tôi muốn hiệu quả hơn với huấn luyện viên và tuyển trạch viên. Chúng tôi có thể sử dụng những hiểu biết sâu sắc để tìm ra siêu sao tiếp theo.”

Tương lai của AI – từ cả góc độ năng suất và lợi ích kinh doanh – có vẻ đầy hứa hẹn. Armstrong-Barnes của HPE cho biết: “AI là một môn thể thao đồng đội, nó xoay quanh các kỹ năng. “Khi nói đến việc triển khai thành công các hệ thống AI, một cách tiếp cận là hợp tác với một tổ chức có thành tích trong việc xây dựng các hệ thống AI có thể mở rộng, hiệu quả và hiệu quả. Với bề dày lịch sử về AI trong nhiều thập kỷ qua, HPE cung cấp các công cụ, kỹ thuật và kỹ năng để đẩy nhanh các sáng kiến ​​AI.”

Dựa vào dữ liệu và hiểu đầy đủ về dữ liệu cũng như mục đích sử dụng dữ liệu đó sẽ giúp tổ chức áp dụng cách tiếp cận tập trung vào trường hợp sử dụng để giúp xác định cách tổ chức có thể kết hợp dữ liệu của mình với các kỹ thuật AI để thúc đẩy giá trị kinh doanh. Khi đã có được sự hiểu biết đó, việc xây dựng lợi ích sẽ trở nên dễ dàng hơn.  

Armstrong-Barnes khuyên các công ty nên xây dựng các nền tảng cho phép họ bắt đầu với quy mô nhỏ nhưng có sẵn tất cả nền tảng để có thể mở rộng quy mô khi được yêu cầu. Sau đó, họ chỉ cần tìm ra những gì họ muốn làm và cách nó sẽ tăng thêm giá trị cũng như phát triển theo nhu cầu của họ theo thời gian. HPE nhấn mạnh khả năng xây dựng 'nhà máy AI' kết hợp phần cứng, phần mềm và dịch vụ mang lại khả năng mở rộng cho doanh nghiệp, được hỗ trợ bởi các hệ thống tích hợp giúp cuộc sống của người dùng cuối dễ dàng hơn.

Ông nói: “Bạn muốn theo kịp các đối thủ cạnh tranh của mình trên hành trình AI. “Việc thêm đối tác vào Nhóm AI là một yếu tố thành công quan trọng khi xây dựng kiến ​​trúc gốc AI phù hợp với nhu cầu của bạn và cho phép bạn tập trung vào các thách thức kinh doanh và dữ liệu của mình thay vì sự phức tạp của nền tảng cơ bản.”

Được tài trợ bởi HPE.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://go.theregister.com/feed/www.theregister.com/2024/04/18/getting_on_board_with_ai/