Трое из четырех руководителей считают, что если они не будут масштабировать ИИ в ближайшие пять лет, они рискуют разориться. 2 Согласно исследованию, в котором приняли участие 1500 руководителей высшего звена, компании, которые успешно масштабируют ИИ (чтобы получить более высокую отдачу от инвестиций в ИИ), используют тактику профессионализации. Эти «стратегические скейлеры» в 1,5–2,5 раза чаще создают специализированные междисциплинарные команды, проводят обучение и четко определяют границы ответственности. Таким образом, профессионализацию следует рассматривать как предшественник успешного масштабирования ИИ. Пандемия COVID-19 еще больше обострила контраст между теми, кто профессионализировал и расширил свои возможности ИИ, и теми, кто этого не сделал. По мере того, как компании стремятся использовать новые данные и возможности искусственного интеллекта в попытке восстановиться и вернуться к устойчивому росту, для этих новых масштабаторов будет важно параллельно профессионализироваться. Пандемия COVID-19 еще больше обострила контраст между теми, кто профессионализировал и расширил свои возможности ИИ, и теми, кто этого не сделал.

Как компании профессионализируют ИИ? Поскольку технологии и варианты использования ИИ развиваются слишком быстро, чтобы правительства и регулирующие органы могли внедрять основные отраслевые реформы и стандарты, организациям необходимо взять профессионализацию в свои руки. Выполняя эти шаги по стандартизации специалистов и процессов, организации могут лучше настроиться на масштабирование ИИ и, таким образом, максимально эффективно использовать эту быстро развивающуюся технологию. 1. Определите четкие роли ИИ. Отличительной чертой профессиональной отрасли или торговли является то, что специалисты-практики понимают индивидуальные роли, которые вносят свой вклад в конечный продукт. Возьмем в качестве примера службу общественного питания. Фермеры выращивают овощи и разводят скот.

Поставщики помогают рынкам поставлять свои ингредиенты. Персонал в ресторане каждый вносит свой вклад в приготовление, упаковку и подачу. 72% специалистов по стратегическому масштабированию говорят, что их сотрудники полностью понимают, как ИИ применим к их ролям. Точно так же междисциплинарные команды с разными взглядами, навыками и подходами должны работать вместе, чтобы внедрять инновации и предоставлять продукты или услуги ИИ. Как показывает исследование, 92% специалистов по стратегическому масштабированию используют и объединяют междисциплинарные команды по всей организации. А 72 % говорят, что их сотрудники полностью понимают, как ИИ применим к их ролям 3 . Стратегические скейлеры демонстрируют важность четкого распределения ролей между междисциплинарными командами.

Они быстро избавляются от избыточных обязанностей и уточняют отдельные обязанности. Эти группы, часто возглавляемые главным специалистом по искусственному интеллекту, данным или аналитике, включают специалистов по моделированию данных, инженеров по машинному обучению и специалистов по качеству данных, и это лишь некоторые из них. Сочетание и соотношение ролей будут зависеть от вариантов использования, которые вы преследуете в данный момент, и будут варьироваться от проекта к проекту. Использование знаний партнеров и/или создание схемы того, как должны работать команды, поможет этому процессу со временем стать более «под ключ». Но одно остается верным для всех проектов — вам нужно с самого начала установить ответственность и ожидания. Показательный пример: на одном заводе насос изнашивался быстрее, чем ожидалось, и никто не понимал, почему. Хотя монитор ИИ указывал, что что-то не так, он не мог точно определить механическую проблему.

Команда инженеров провела дальнейшее расследование и обнаружила, что ночью из насоса вытекало масло на пол и терялась смазка. Но сотрудник просто убирал беспорядок и каждое утро доливал масло, а это означало, что не было никаких визуальных признаков утечек или падения уровня масла. Наличие инженера в команде в конечном итоге гарантировало, что приложение ИИ учтет все необходимые условия, чтобы определить, что не так. Другой пример показывает важность установления ответственности внутри команды: работа над ИИ одной команды в нефтегазовой компании застопорилась на 10 недель просто потому, что они не могли решить, кому принадлежат данные проекта. Компании могут бороться за профессионализацию по целому ряду причин, включая неспособность устранить пробелы в навыках. Даже если они могут точно определить, каких навыков им не хватает, найти и нанять достаточное количество людей с необходимым опытом, чтобы быстро заполнить этот пробел, может быть непросто. Одним из решений является партнерство (или даже приобретение!) профессиональной фирмы не только с нужным набором навыков, но и с командами, которые используют проверенные методы, ориентированные на производство.

например, в прошлом году приобрела несколько компаний, занимающихся профессиональным программным обеспечением и услугами, чтобы укрепить свои позиции на рынке. .