వ్యాపారంలో AI: ఇంటర్నెట్ కంపెనీల నుండి ఎంటర్ప్రైజ్కు నిపుణుల బదిలీ

విషయము

• వ్యాపారంలో కృత్రిమ మేధస్సును స్వీకరించడం
• లంబాలలో కృత్రిమ మేధస్సును స్వీకరించడం
• బగ్స్ లేవు, ఒత్తిడి లేదు - మీ జీవితాన్ని నాశనం చేయకుండా జీవితాన్ని మార్చే సాఫ్ట్‌వేర్‌ను రూపొందించడానికి స్టెప్ గైడ్ ద్వారా మీ దశ
• క్లౌడ్ AI కంపెనీలతో భాగస్వామ్యం
• ముగింపు

మూలం: కిట్టిపాంగ్ జిరాసుఖానోంట్ / డ్రీమ్‌స్టైమ్.కామ్

Takeaway:

ఎంటర్ప్రైజ్ AI మరియు ML ను దాని కార్యకలాపాలతో అనుసంధానించడం ప్రారంభించింది, కానీ చాలా ఇంటర్నెట్ వ్యాపారాలు కలిగి ఉన్నంత వరకు కాదు. ఎంటర్ప్రైజ్ AI స్వీకరణకు ఈ కంపెనీల సహాయం కీలకం.

హైపర్‌స్కేల్ ఇంటర్నెట్ కంపెనీలు 2015 నుండి డేటా ప్రాసెసింగ్ మరియు మోడలింగ్ అధునాతనంలో పెరుగుతున్న ఆటోమేషన్‌తో అనేక స్థాయి యంత్ర అభ్యాసాలను అల్లరి చేశాయి. కొన్ని మినహాయింపులతో, సంస్థ కృత్రిమ మేధస్సును స్వీకరించడంలో వెనుకబడి ఉంది, కాని ఇంటర్నెట్ కంపెనీలలో, దీనికి సహాయపడే భాగస్వాములను చూస్తుంది పట్టుకోవటానికి.

మెషీన్ లెర్నింగ్ యొక్క కాబోయే ఎంటర్ప్రైజ్ యూజర్లు టాలెంట్ పూల్స్, కంప్యూటింగ్ పరాక్రమం, స్కేల్ మరియు ఇంటర్నెట్ కంపెనీలు సేకరించిన శిక్షణా అల్గారిథమ్‌ల కోసం డేటా వాల్యూమ్‌లను సరిపోల్చడానికి చాలా దూరం ఉన్నాయి, ముఖ్యంగా గత నాలుగు సంవత్సరాలుగా. ఎంటర్ప్రైజ్ యొక్క అనేక నిలువు వరుసలలో, డేటా ప్రాసెసింగ్ యొక్క ఆటోమేషన్ మరియు కృత్రిమ మేధస్సు నుండి పొందిన అంతర్దృష్టుల ఆధారంగా వ్యాపార నిర్ణయాలను తక్షణమే అమలు చేయడానికి వ్యాపార ప్రక్రియలు డిజిటల్‌గా మార్చబడలేదు. అంతేకాకుండా, కృత్రిమ మేధస్సు యొక్క లాభదాయక అమలుకు రుణాలు ఇచ్చే అనేక నిలువు వరుసలలో ఇంకా బాగా నిర్వచించబడిన వినియోగ కేసులు లేవు. (వ్యాపారంలో AI గురించి మరింత తెలుసుకోవడానికి, AI యొక్క శక్తితో IT సేవా నిర్వహణ మార్పు నిర్వహణ బాధలను అధిగమించడం చూడండి.)

వ్యాపారంలో కృత్రిమ మేధస్సును స్వీకరించడం

వ్యాపారంలో కృత్రిమ మేధస్సును స్వీకరించడం ప్రారంభ దశలో ఉంది, ప్రత్యేకించి అన్వేషణ మరియు పైలట్‌లను మించి దాని ఉపయోగం నుండి వ్యాపార విలువను పొందే దశకు వెళ్ళిన దాని అధునాతన వినియోగదారులను మేము పరిగణించినప్పుడు. ఓ'రైల్లీ, టెక్నాలజీ మీడియా సంస్థ, దాని 2018 సర్వే, “ది స్టేట్ ఆఫ్ మెషిన్ లెర్నింగ్ అడాప్షన్ ఇన్ ది ఎంటర్ప్రైజ్” లో, అధునాతన వినియోగదారులు ప్రపంచవ్యాప్తంగా మొత్తం సంస్థ వినియోగదారులలో 15% మరియు ఉత్తర అమెరికాలో 18% మాత్రమే ఉన్నారని కనుగొన్నారు.

నైపుణ్యం మరియు అభ్యాసం యొక్క బాహ్య వనరులు వ్యాపార వినియోగదారులకు యంత్ర అభ్యాసంలో, ముఖ్యంగా అధునాతన AI పద్ధతుల కోసం అత్యాధునికతను తెలుసుకోవడానికి సహాయపడటంలో ముఖ్యమైన పాత్ర పోషిస్తాయి. డెలాయిట్ యొక్క 2018 సర్వేలో 59% మంది ఎంటర్ప్రైజ్ కొనుగోలుదారులు AI సామర్థ్యాలతో ఎంటర్ప్రైజ్ సాఫ్ట్‌వేర్ కంపెనీల నుండి AI నైపుణ్యాన్ని పొందారు, 53% మంది భాగస్వాములతో సహ-అభివృద్ధి చేస్తారు, 49% క్లౌడ్ AI కంపెనీల నుండి కొనుగోలు చేస్తారు మరియు 39% GitHub వంటి సైట్ల నుండి క్రౌడ్‌సోర్స్ చేస్తారు . క్లౌడ్ AI కంపెనీలు AI ని ఒక సేవగా అందిస్తాయి, ఇది మౌలిక సదుపాయాల ఖర్చు మరియు ప్రతిభ అభివృద్ధిని ఆన్-ఆవరణలో ఆదా చేస్తుంది.

ఆధునిక AI అభివృద్ధి కోసం, క్లౌడ్ కంపెనీలు నైపుణ్యం యొక్క మరింత ముఖ్యమైన వనరు. వ్యాపార ప్రతివాదులు ముప్పై తొమ్మిది శాతం మంది క్లౌడ్ కంపెనీలకు అధునాతన AI యొక్క మూలంగా ప్రాధాన్యతనిచ్చారు, ఆన్-ప్రిమిస్ సాఫ్ట్‌వేర్ కోసం 15%. సేవగా AI 48% చురుకైన రేటుతో పెరిగింది.

లంబాలలో కృత్రిమ మేధస్సును స్వీకరించడం

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మరియు రోబోటిక్స్ పై దృష్టి పెట్టిన పరిశ్రమ విశ్లేషకుల సంస్థ ట్రాక్టికాలో పరిశోధనా డైరెక్టర్ ఆదిత్య కౌల్‌తో మాట్లాడాము. ప్రపంచవ్యాప్తంగా వ్యాపారాలలో 300 కి పైగా వినియోగ కేసులకు 30 నిలువు వరుసలలో కృత్రిమ మేధస్సును స్వీకరించడంపై కౌల్ దర్యాప్తు చేస్తున్నారు. "టెలీకమ్యూనికేషన్స్ మరియు ఫైనాన్షియల్ సర్వీసెస్ AI స్వీకరణలో నాయకులుగా ఉన్నాయి, మరియు వారు 1980 ల నాటికే ఎక్కువ మూలాధార గణాంక పద్ధతులతో ప్రారంభించారు" అని కౌల్ మాకు చెప్పారు. "రిటైల్, ఆటోమోటివ్ మరియు హెల్త్‌కేర్లలో దత్తత ఇటీవలి కాలంలో పెరిగింది, అయితే ఎక్కువ భాగం ఎంటర్ప్రైజ్ దత్తత ప్రారంభ దశలోనే ఉంది," అని ఆయన అన్నారు, "CRM, సరఫరా గొలుసు మరియు HR వంటి క్షితిజసమాంతర వ్యాపార సేవలు స్వీకరణను విస్తరించాయి AI వేగంగా అంచనా వేసే సామర్థ్యాలు అవకాశాలను, వినియోగదారుల డిమాండ్ పోకడలను మరియు ప్రతిభావంతులైన ఉద్యోగులను గుర్తించడంలో సహాయపడతాయి. ”

"సంక్లిష్టమైన మరియు భిన్నమైన సాఫ్ట్‌వేర్-డిఫైన్డ్ నెట్‌వర్క్‌ల పర్యవేక్షణ, సమకాలీకరణ మరియు ఆప్టిమైజేషన్ టెలికాం రంగంలో కీలకమైన ఉపయోగ సందర్భం" అని కౌల్ అభిప్రాయపడ్డాడు. "కార్లలోని వాయిస్-అసిస్టెంట్లు ఆటోమోటివ్ రంగంలో సేవలను కార్ల వ్యక్తిగతీకరణపై పెరుగుతున్న యాసతో పెరిగాయి" అని ఆయన పేర్కొన్నారు. మోసపూరిత గుర్తింపు, రుణ విశ్లేషణ మరియు ఇతర బ్యాకెండ్ కార్యకలాపాల కోసం ఉపయోగించకుండా, చిన్న ఇంటర్నెట్ బ్యాంకుల నుండి తీవ్రమైన పోటీని ఎదుర్కొంటున్నందున, చాట్బాట్లతో సహా కస్టమర్ సేవ కోసం బ్యాంకింగ్ రంగం కృత్రిమ మేధస్సును ఉపయోగిస్తోందని ఆయన మాకు తెలియజేశారు.

ఆరోగ్య సంరక్షణ రంగానికి అపారమైన సామర్థ్యం ఉన్నప్పటికీ, దాని డేటాను ఉపయోగించడంలో నియంత్రణ అడ్డంకుల కారణంగా ఇది ఇటీవల వరకు వెనుకబడి ఉంది. "Vent షధ ఆవిష్కరణను వేగవంతం చేయడానికి క్లినికల్ ట్రయల్స్‌లో యంత్ర అభ్యాసంపై అనేక వెంచర్-బ్యాక్డ్ స్టార్ట్-అప్‌లు ఇప్పుడు దృష్టి సారించాయి" అని కౌల్ వెల్లడించారు.

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.

రిటైల్ దుకాణాలు యంత్ర అభ్యాసంలో పెట్టుబడులను వేగవంతం చేశాయి, ఎందుకంటే అవి డిమాండ్ మరియు సరఫరాను ఖచ్చితంగా అంచనా వేయడంలో పాండిత్యం సాధించాయి. జర్మన్ రిటైలర్ ఒట్టో సంవత్సరానికి 2 మిలియన్లకు పైగా వస్తువుల రాబడిని మరియు అదనపు స్టాక్‌ను 20% డీప్ లెర్నింగ్ అల్గోరిథంలను ఉపయోగించి వినియోగదారులు ఏమి కొనుగోలు చేస్తారో అంచనా వేయడానికి తగ్గించారని మెకిన్సే పరిశోధన నివేదిక తెలిపింది. దాని AI ఇంజిన్ ఇప్పుడు నెలకు 200,000 వస్తువులను స్వయంచాలకంగా ఆర్డర్ చేస్తుంది ఎందుకంటే 90% ఖచ్చితత్వంతో వచ్చే 30 రోజుల్లో ఒట్టో ఏది విక్రయించగలదో can హించగలదు. (AI మీ కంపెనీతో ఎలా సరిపోతుందో ఖచ్చితంగా తెలియదా? AI ని ఉపయోగించడాన్ని పరిగణించాలనుకునే 5 మార్గాల కంపెనీలను చూడండి.)

క్లౌడ్ AI కంపెనీలతో భాగస్వామ్యం

హైపర్‌స్కేల్ క్లౌడ్ AI కంపెనీలు తమ కృత్రిమ మేధస్సు నైపుణ్యాలను పెంపొందించడానికి ఎంటర్ప్రైజ్ కస్టమర్లతో భాగస్వామి కావడానికి సిద్ధంగా ఉన్నాయి, అయితే బ్యాకెండ్ ప్లంబింగ్‌కు ఎంతో అవసరం లేని ఎంటర్‌ప్రైజ్ సాఫ్ట్‌వేర్ కంపెనీలతో సహకరించే మార్గాల గురించి వారు అనిశ్చితంగా ఉన్నారు. "క్లౌడ్ కంపెనీలు ఉచిత క్లౌడ్ సమయం, కన్సల్టింగ్ మరియు శిక్షణా వనరులతో సహా వారి ఉచితాలతో ఎంటర్ప్రైజ్ కస్టమర్లకు ఉదారంగా ఉన్నాయి" అని కౌల్ గమనించారు.

గూగుల్ వంటి క్లౌడ్ AI కంపెనీలు 2015 లో చేతితో ఇంజనీరింగ్ అల్గోరిథంల నుండి 2016 లో లోతైన అభ్యాసానికి మరియు రీన్ఫోర్స్‌మెంట్ లెర్నింగ్ వంటి అధునాతన అల్గారిథమ్‌లకు శీఘ్రంగా మారినందున, వారు AI అభ్యాసానికి వారి ప్రయాణంలో ఎలా పురోగతి సాధించాలనే దానిపై ప్రారంభ స్వీకర్తలకు సలహా ఇవ్వగలుగుతారు. పరిణతి.

"ముందుగా శిక్షణ పొందిన మోడళ్ల లభ్యత, లేబుల్ చేయబడిన డేటాసెట్‌లు మరియు క్లౌడ్ AI ధరలో సాధారణ తగ్గింపును చూసినందున AI యొక్క ఖర్చులు కూడా పడిపోతున్నాయి" అని కౌల్ వివరించారు."అదే సమయంలో, డేటా ప్రాసెసింగ్, తీసుకోవడం, డేటా తయారీ మరియు లేబులింగ్ కోసం సమయం 90% ప్రయత్నం చేస్తుంది, ఈ ప్రక్రియలను ఆటోమేట్ చేసే ఆటోఎమ్ఎల్ వంటి పద్ధతులతో తగ్గించబడింది," అన్నారాయన. హైపర్‌స్కేల్ క్లౌడ్ AI కంపెనీల భాగస్వామి అయిన ఎన్విడియా సంస్థ కోసం దాని GPU లను (గ్రాఫికల్ ప్రాసెసింగ్ యూనిట్లు) తిరిగి ప్యాక్ చేసింది. "సివియులతో (సెంట్రల్ ప్రాసెసింగ్ యూనిట్లు) పోలిస్తే పెద్ద విశ్లేషణాత్మక నమూనాల శిక్షణను వేగవంతం చేసే ఎంటర్ప్రైజ్లో డేటా సైన్స్ మరియు అనలిటిక్స్ యూజ్ కేసులను లక్ష్యంగా చేసుకోవడానికి ఎన్విడియా పున osition స్థాపించబడింది" అని కౌల్ వివరించారు.

ఎంటర్ప్రైజ్ సాఫ్ట్‌వేర్ కంపెనీలు క్లౌడ్ AI కంపెనీలకు అనుగుణంగా ఒక మార్గాన్ని కనుగొనవలసి ఉంటుంది, ప్రత్యేకించి అవి కొత్త సామర్థ్యాలను మార్కెట్లోకి తీసుకువస్తాయి, ఇవి ఎంటర్ప్రైజ్ బిజినెస్ యొక్క ఒక భాగంగా మారతాయి. "చిత్ర గుర్తింపు కోసం చాట్‌బాట్‌లు మరియు కంప్యూటర్ దృష్టి సామర్థ్యాలు వంటి విధులు లోతైన అభ్యాసం ద్వారా ప్రారంభించబడతాయి, ఇది AI తెచ్చే విలువను విస్తరిస్తుంది" అని కౌల్ నొక్కిచెప్పారు. "సాఫ్ట్‌వేర్ ఇకపై హార్డ్ కోడ్ చేయబడదు కాని డేటా మరియు విశ్లేషణల అవసరాలకు అనుగుణంగా ఉంటుంది" అని ఆయన చెప్పారు. మైక్రోసాఫ్ట్ వంటి కొన్ని మినహాయింపులతో ఎంటర్ప్రైజ్ సాఫ్ట్‌వేర్ కంపెనీలు అల్గోరిథంలలో క్లౌడ్ AI కంపెనీలను కలుసుకోగలవని చూపించడానికి ఇంకా తగినంత ఆధారాలు లేవు. అన్ని సూచనలు ప్రకారం, క్లౌడ్ AI కంపెనీలు మరియు ఎంటర్ప్రైజ్ సాఫ్ట్‌వేర్ కంపెనీల మధ్య కొత్త నిబంధనలు ఇంకా పరిష్కరించబడలేదు.

ముగింపు

ఎంటర్ప్రైజ్ సాఫ్ట్‌వేర్‌ను పునర్నిర్వచించినందున యంత్ర అభ్యాసం సంస్థను తిరిగి ఆవిష్కరిస్తుంది. డేటా ప్రాసెసింగ్ యొక్క ఆటోమేషన్ మరియు డేటా నుండి నేర్చుకోవడానికి సమయాన్ని తగ్గించే అల్గోరిథంల నుండి పొందిన అంతర్దృష్టుల ఆధారంగా వ్యాపార నిర్ణయాలను వేగంగా అమలు చేయడం ద్వారా సంస్థ బాహ్య వ్యాపార వాతావరణానికి వేగంగా అనుగుణంగా ఉంటుంది. ఎంటర్‌ప్రైజ్ సాఫ్ట్‌వేర్ అల్గోరిథంలతో వేగవంతం కావడానికి మరింత తరచుగా అభివృద్ధి చెందుతుంది మరియు పునర్నిర్మించబడుతుంది.