Искусственный интеллект ( ИИ ) является бизнес-приоритетом с высокими ставками: за последние три года компании потратили 306 миллиардов долларов на приложения ИИ. Компании, внедряющие ИИ в бизнес, могут почти втрое увеличить отдачу от своих инвестиций. Но слишком много компаний не достигают ожидаемой ценности. 1 Эффективное масштабирование ИИ в долгосрочной перспективе потребует профессионализации отрасли. Заинтересованные стороны — от специалистов-практиков до руководителей частного и государственного секторов — должны собраться вместе, чтобы четко определить роли и обязанности специалистов-практиков в области ИИ; требовать надлежащего уровня образования и подготовки для указанных практиков; определить процессы для разработки, развертывания и управления ИИ, а также демократизировать грамотность ИИ на предприятии. Формализовав ИИ как торговлю с общим набором норм и принципов, компании будут готовы получать больше пользы от ИИ. Они будут созданы для обеспечения четкой подотчетности, что, в свою очередь, поможет избежать таких рисков, как предвзятость, недопоставка клиентам и другие непредвиденные последствия.
Вот почему в профессиональных областях, таких как медицина, строительство и даже общественное питание, существует неотъемлемый уровень доверия между клиентами и предприятиями (или практиками), которые составляют эту отрасль. Это доверие рождается из стандартов, которые устанавливают ожидания для всех участников. Например, вы понимаете, что архитекторы, электрики и другие специалисты в области строительства умеют строить дома. Они прошли необходимое обучение и понимают свои роли и обязанности, стандарты безопасности и протоколы, которым необходимо следовать на протяжении всего процесса строительства. Маловероятно, чтобы вы доверили строительство своего дома «гражданину-архитектору», как не стали бы посещать «гражданина-врача», когда заболеете. Формализовав ИИ как торговлю с общим набором норм и принципов, компании будут готовы получать больше пользы от ИИ. Тем не менее, все чаще компании поддерживают свои основные группы специалистов по данным «гражданскими учеными данных» (или людьми, которые создают модели с использованием прогнозной аналитики, но чьи роли находятся за пределами области науки о данных), не обеспечивая их необходимыми барьерами и стандартами для достижения успеха.
. Даже среди обученных и сертифицированных специалистов по данным существуют разные уровни стандартов. Помимо необходимости формализованного и стандартизированного обучения, организации могут обнаружить, что эти специалисты работают разрозненно и не могут выполнить обещания ИИ. Реальная ценность может быть реализована только тогда, когда обученные специалисты-практики ИИ работают рука об руку с бизнесом для достижения целей своей организации, и эти междисциплинарные команды руководствуются стандартами, правилами и процессами. Только тогда предприятия смогут безопасно и предсказуемо поставлять конечный продукт или услугу, тем самым завоевывая доверие клиентов и повышая стандарты качества инноваций и приложений. .