విషయము
- డేటా సైన్స్ నుండి మంచి వ్యాపార ఫలితాల కీ
- డొమైన్ నైపుణ్యం ఉన్నవారికి AI ని విస్తరించడం
- నిర్ణయాలలోకి వెళ్లేదాన్ని అర్థం చేసుకోవడం
- బగ్స్ లేవు, ఒత్తిడి లేదు - మీ జీవితాన్ని నాశనం చేయకుండా జీవితాన్ని మార్చే సాఫ్ట్‌వేర్‌ను రూపొందించడానికి స్టెప్ గైడ్ ద్వారా మీ దశ
- ఇంటర్నెట్ పెరుగుదల నుండి పాఠాలు
- టెక్నాలజీని ఇప్పుడు ప్రాప్యత చేయడం
- సమయం మరియు వ్యయాన్ని తగ్గించడం ద్వారా ప్రమాదాన్ని తగ్గించడం
మూలం: డెనిసిస్మాగిలోవ్ / డ్రీమ్‌స్టైమ్.కామ్
Takeaway:
AI యొక్క భవిష్యత్తు ఆకట్టుకునే మూన్‌షాట్‌లు కాదు, కానీ మేము స్ప్రెడ్‌షీట్‌లతో అనుబంధించే ప్రాపంచిక రోజువారీ ఉపయోగం. అరుదైన క్షేత్రాల నుండి సాధారణ వ్యాపార ఉపయోగం వరకు AI యొక్క ఆవిర్భావం గురించి కొంతమంది తీసుకుంటారు.
డేటా సైన్స్ నుండి మంచి వ్యాపార ఫలితాల కీ
ఒక లో హార్వర్డ్ బిజినెస్ రివ్యూ వ్యాసం, అలెశాండ్రో డి ఫియోర్, వ్యవస్థాపకుడు మరియు CEO యూరోపియన్ సెంటర్ ఫర్ స్ట్రాటజిక్ ఇన్నోవేషన్ (ECSI) “ఎక్కువ కంపెనీలున్న umption హను ప్రతిఘటించాయి డేటా శాస్త్రవేత్తలు వ్యాపార ప్రభావాన్ని సృష్టించే మంచి అవకాశాన్ని కలిగి ఉండండి. ”అతని కన్సల్టింగ్ పనిలో మరియు ఆధారంగా పరిశోధన, ఎక్కువ సంఖ్యలో డేటా శాస్త్రవేత్తలను నియమించడం తప్పనిసరిగా వ్యాపారం కోసం మంచి ఫలితాలను ఇవ్వదని అతను ఒక నిర్ణయానికి వచ్చాడు.
ఫిన్‌క్రాస్ ఇంటర్నేషనల్ వ్యవస్థాపకుడు మరియు డిప్యూటీ సిఇఒ హెన్రీ జేమ్స్‌కు ఇటీవల ఇచ్చిన ఇంటర్వ్యూలో ఇదే పరిశీలన నాకు జరిగింది, అతను పెట్టుబడులు పెట్టడానికి విస్తారమైన వనరులతో ఉన్న వ్యాపారాలలో తాను చూసినట్లు చెప్పాడు డేటా సైన్స్ వాస్తవానికి, వారు 50 కంటే ఐదుగురు బృందంతో మెరుగ్గా చేయగలరు.
డొమైన్ నైపుణ్యం ఉన్నవారికి AI ని విస్తరించడం
ఒక సంస్థకు నిజంగా తేడా ఏమిటంటే, డి ఫియోర్, “యాక్సెస్ యొక్క ప్రజాస్వామ్యీకరణ AI సాధనాలు మరియు నిర్ణయాధికారం నిర్వాహకులు మరియు ఉద్యోగులలో మరింత స్పష్టమైన విలువను సృష్టిస్తుంది. ”అతను గమనించాడు,“ ప్రజాస్వామ్యీకరణ త్వరగా మరియు మెరుగైన పంపిణీ నిర్ణయాలు ఎలా తీసుకువస్తుందో ఉత్తమ పద్ధతులు చూపిస్తాయి, కంపెనీలు మరింత చురుకైనవి మరియు మార్కెట్ మార్పులు మరియు అవకాశాలకు ప్రతిస్పందిస్తాయి. ”(కొన్ని వ్యాపారాలు ఇప్పటికే AI ని ఎలా ఉపయోగిస్తున్నాయో తెలుసుకోవడానికి, చూడండి AI టుడే: ఎవరు ఇప్పుడే ఉపయోగిస్తున్నారు, మరియు ఎలా.)
అతను "ప్రజాస్వామ్యీకరణ" అనే పదాన్ని పట్టించుకోనప్పటికీ, "జట్టు క్రీడ" ను ఇష్టపడతాడు, టాడ్ హే, ఒపెల్ యొక్క COO, ఆ అభిప్రాయంతో అంగీకరిస్తాడు. టెకోపీడియాకు ఇచ్చిన ఇంటర్వ్యూలో అతను వివరించినట్లుగా, అరుదైన మరియు కేంద్రీకృత AI నుండి జనంలోకి మారడాన్ని అతను en హించాడు. స్ప్రెడ్షీట్లు, అన్ని వ్యాపారవేత్తలు ఉపయోగించాల్సిన ఉపయోగకరమైన సాధనం.
"వ్యాపారాన్ని ప్రభావితం చేసే అంచనాను అంచనా వేయడానికి విషయం మరియు డొమైన్ నిపుణులు ఉత్తమ స్థితిలో ఉన్నారు" అని హే చెప్పారు. కానీ డేటా శాస్త్రవేత్తలను వాటికి బాధ్యత వహించే సెటప్‌తో models హాజనిత నమూనాలు, “వారు ప్రక్రియ నుండి మినహాయించబడ్డారు.” ఇది వ్యాపారం యొక్క ప్రయోజనం కోసం కాదు.
ఒక మోడల్ బాగా పని చేస్తుందో లేదో నిర్ధారించడానికి డేటా శాస్త్రవేత్తలకు గణిత మరియు గణాంకాలలో నైపుణ్యం ఉందని అతను అంగీకరించినప్పటికీ, వారు ఏ ప్రశ్నలను పరిష్కరించడానికి AI కి ఉంచాలో నిర్ణయించే సామర్ధ్యం వారికి లేదు. మోడల్ నైపుణ్యం మరియు వాటాదారుల నైపుణ్యం మధ్య ఉన్న అంతరం ఏమిటంటే "70% -80% కేస్ మోడల్స్ ఎప్పుడూ ఉపయోగించబడవు."
నిర్ణయాలలోకి వెళ్లేదాన్ని అర్థం చేసుకోవడం
మోడల్ పనిచేసే విధానాన్ని అర్థం చేసుకోలేక పోవడానికి మరింత అనుమానాలు ఉన్నాయి. హెల్త్‌కేర్, ఇన్సూరెన్స్ లేదా ఫైనాన్స్ వంటి నియంత్రిత పరిశ్రమలలో, ఆందోళన చెందుతున్న స్థితిలో వారు నిర్ణయం తీసుకునే విధానాన్ని ఆడిటర్లకు వివరించాల్సి ఉంటుంది మరియు దీన్ని చేయలేకపోతున్నారు.
రిక్ సాలెట్టా, AI యొక్క సీనియర్ సేల్స్ మార్కెటింగ్ ఎగ్జిక్యూటివ్, యంత్ర అభ్యాస & డేటా సైన్స్, ఇంటర్వ్యూలో తన ఒప్పందాన్ని గుర్తించింది మరియు వ్యాపారాలు ఇప్పుడు "పారదర్శక AI" ను అభివృద్ధి చేయాలని చూస్తున్నాయని అన్నారు. వివరించదగిన AI. మేము లోపలికి చూశాము AI యొక్క కొన్ని వివరణలు ఉన్నాయి, AI తన తీర్మానాలను ఎలా చేరుకుంటుందో స్పష్టమైన వివరణ లేనప్పుడు, అది “పక్షపాతం లేనిది” అని మీరు ఖచ్చితంగా చెప్పలేరు. ఆయన మాట్లాడుతూ, “AI చేసింది” అని చెప్పడం ద్వారా న్యాయంగా పనిచేయడానికి వ్యాపార బాధ్యతను కదిలించడం ఇకపై ఆమోదయోగ్యం కాదు. it. "
బగ్స్ లేవు, ఒత్తిడి లేదు - మీ జీవితాన్ని నాశనం చేయకుండా జీవితాన్ని మార్చే సాఫ్ట్‌వేర్‌ను రూపొందించడానికి స్టెప్ గైడ్ ద్వారా మీ దశ
సాఫ్ట్‌వేర్ నాణ్యత గురించి ఎవరూ పట్టించుకోనప్పుడు మీరు మీ ప్రోగ్రామింగ్ నైపుణ్యాలను మెరుగుపరచలేరు.
ఇంటర్నెట్ పెరుగుదల నుండి పాఠాలు
AI బ్లాక్ బాక్స్ లాగా పనిచేస్తున్నప్పుడు ఎదురయ్యే భయం వ్యాపారాలను సాధ్యం చేసే పూర్తి ప్రయోజనాలను పొందకుండా అడ్డుకుంటుంది. ఇది హే ప్రకారం మార్చవలసిన మనస్తత్వం. ఆయన సూచించారు ఈ రోజు AI 90 ల చివరలో ఇంటర్నెట్ వంటిది. అంటే కొన్ని అద్భుతమైన వైఫల్యాలు ఉంటాయి Pets.com మరియు క్రొత్త సాంకేతిక పరిజ్ఞానాన్ని ఎలా ఉపయోగించాలో ప్రజలకు ఖచ్చితంగా తెలియకపోవడం వల్ల ఇటువంటి ఇతర మిస్‌ఫైర్‌లు. మరియు కొత్త సాంకేతిక పరిజ్ఞానం యొక్క భయం ప్రజలను వెనక్కి నెట్టివేస్తుంది, "ఇది క్రొత్తది మరియు భయానకమైనది మరియు చాలా క్లిష్టంగా ఉంది."
కానీ దాన్ని గుర్తించే వారికి గొప్ప అవకాశం కూడా ఉంది. "మేము ఇప్పుడు చూస్తున్న అన్ని విషయాలు ఇంటర్నెట్ ద్వారా తెరవబడ్డాయి ఎందుకంటే ప్రజలు క్రొత్త విషయాలను ప్రయత్నించడానికి సిద్ధంగా ఉన్నారు" అని హే చెప్పారు. ఇప్పుడు కూడా ఇదే పరిస్థితి AI ప్రజలను ఎనేబుల్ చేస్తుంది "వారు వెతుకుతున్నారని కూడా వారికి తెలియదు." వారు తమ సొంత సామర్థ్యాన్ని కూడా అనుమానించకూడదు, ఎందుకంటే చాలామంది "వారు అనుకున్నదానికంటే కంపెనీలో ఎక్కువ నైపుణ్యాలు కలిగి ఉన్నారు," ముఖ్యంగా "విషయ నిపుణులు మరియు డేటా తెలిసిన వ్యక్తులు. “
టెక్నాలజీని ఇప్పుడు ప్రాప్యత చేయడం
"ప్రతి కంపెనీ ఇప్పుడు AI ను ఎలా ఉపయోగించుకోగలదో చూడాలని మేము కోరుకుంటున్నాము - ఈ రోజు," హే ప్రకటించాడు. అది జరగడానికి, డేటా సైన్స్ నిపుణుల సర్కిల్ వెలుపల AI ని ప్రాప్యత చేయడం అవసరం. "ప్రపంచంలోని సమర్థ డేటా శాస్త్రవేత్తల సంఖ్య దాని నుండి ప్రయోజనం పొందే సంస్థల సంఖ్య కంటే చాలా తక్కువగా ఉంది" అని ఆయన వివరించారు. దీని ప్రకారం, ఎక్కువ వ్యాపార సమస్యలను పరిష్కరించడంలో కీలకం “ఆండ్రూ ఎన్జిగా ఉండటానికి ఎక్కువ మందికి శిక్షణ ఇవ్వడం కాదు, కానీ సాంకేతికతను ప్రజలకు అందుబాటులో ఉంచడం ద్వారా.”
నిజమే, అది భవిష్యత్ తరంగం గార్ట్నర్, ఈ సంవత్సరం పెరుగుదల పెరుగుతుందని అంచనా వేసింది “స్వీయ-సేవ” విశ్లేషణలు. AI లో గణనీయమైన పురోగతి, అలాగే “SaaS (క్లౌడ్) విశ్లేషణలు మరియు BI ప్లాట్‌ఫారమ్‌లు మునుపెన్నడూ లేనంత సులభం మరియు తక్కువ ఖర్చుతో కూడుకున్నవి, సమర్థవంతమైన విశ్లేషణలు చేయడం మరియు వారి నిర్ణయం తీసుకోవడాన్ని బాగా తెలియజేయడం ”అని గార్ట్నర్ పరిశోధన డైరెక్టర్ కార్లీ జె. ఇడోయిన్ అభిప్రాయపడ్డారు.
ఒక వ్యాపారంలో అది అమల్లోకి వచ్చినప్పుడు మరియు AI యొక్క ప్రయోజనాలకు తమను తాము సహాయం చేయడంలో ఎక్కువ మంది ఉద్యోగులు తమ అయిష్టతను అధిగమించినప్పుడు, ఇది సంస్థలోని ప్రేక్షకుల క్రీడ కాకుండా పాల్గొనే వ్యక్తిగా మారవచ్చు. ఆ మార్పు విపరీతమైన ప్రభావాన్ని చూపుతుంది. (మీరు మీ వ్యాపారం కోసం AI గురించి పెద్దగా ఆలోచించకపోతే, మీరు పరిగణించదలిచిన కొన్ని అమలులు ఇక్కడ ఉన్నాయి: 5 మార్గాలు కంపెనీలు AI ని ఉపయోగించడాన్ని పరిగణించాలనుకుంటాయి.)
సమయం మరియు వ్యయాన్ని తగ్గించడం ద్వారా ప్రమాదాన్ని తగ్గించడం
"ఒక పరికల్పనను అమలు చేయడానికి ఆరు నెలలు గడపడానికి ప్రజలు చాలా భయపడుతున్నారు" అని హే వివరించాడు, ఎందుకంటే ఇది సమయం మరియు డబ్బు యొక్క పెద్ద పెట్టుబడి, చివరికి విఫలమవుతుంది. అయితే, ఉంటే AI ఈ ప్రధాన మూన్‌షాట్ ప్రాజెక్ట్‌ల కోసం ఎక్కువ సమయం హోరిజోన్‌తో రిజర్వు చేయబడలేదు కాని మరింత త్వరగా పూర్తయ్యే సాధారణ పనుల కోసం, బహుశా రోజువారీ ప్రాతిపదికన కూడా అవి “స్ప్రెడ్‌షీట్ లాగా” మారుతాయి, అనగా ప్రజలు అందుబాటులో లేని, చవకైన సాధనం ప్రయత్నించడానికి భయపడతారు, వారి అవసరాలకు బాగా సరిపోయేదాన్ని కనుగొనడానికి వేర్వేరు వాటి ద్వారా కూడా పని చేస్తారు.
ఏది ఏమయినప్పటికీ, వ్యాపారాలు తమ ఉద్యోగులను ఎలా ఉపయోగించాలో మరియు వారి అవసరాలకు తగినట్లుగా స్వీకరించాలని వ్యాపారాలు ఆశించాలని దీని అర్థం కాదు. "చాలా మంది స్వయంసేవ వినియోగదారులు అర్ధవంతమైన ఉత్పత్తిని ఉత్పత్తి చేయడంలో సహాయపడటానికి శిక్షణ, మద్దతు మరియు ఆన్‌బోర్డింగ్ ప్రక్రియలు అవసరమవుతాయి" అని ఆమె నొక్కి చెప్పింది. దీని ప్రకారం, “త్వరగా లేచి ఎలా నడుచుకోవాలో, అలాగే ఎలా దరఖాస్తు చేసుకోవాలో సరైన మార్గదర్శకత్వం అందించడం అవసరం. వారి నిర్దిష్ట వ్యాపార సమస్యలకు వారి కొత్త సాధనాలు. ”మరియు అది - డేటా సైన్స్ బృందం సంఖ్యలను పెంచడం కంటే - వ్యాపార సమస్యలకు మెరుగైన పరిష్కారాలకు కీలకం.
