Η Υιοθέτηση της Τεχνητής Νοημοσύνης Ωριμάζει αλλά τα Εμπόδια Παραμένουν
Η υιοθέτηση της τεχνητής νοημοσύνης (AI) έχει προχωρήσει πέρα από το στάδιο της πειραματικής δοκιμής και έχει γίνει αναπόσπαστο κομμάτι των επιχειρησιακών λειτουργιών. Παρ’ όλα αυτά, εξακολουθούν να υπάρχουν προκλήσεις στην εφαρμογή της. Έρευνα της Zogby Analytics, για λογαριασμό της Prove AI, αποκαλύπτει ότι οι περισσότερες οργανώσεις έχουν περάσει από τη φάση της δοκιμής στη χρήση συστημάτων έτοιμων για παραγωγή. Παρά αυτή την πρόοδο, οι επιχειρήσεις εξακολουθούν να αντιμετωπίζουν βασικά προβλήματα σχετικά με την ποιότητα των δεδομένων, την ασφάλεια και την αποτελεσματική εκπαίδευση των μοντέλων τους.
Οι Εταιρείες Επενδύουν Σημαντικά στην Τεχνητή Νοημοσύνη
Τα στατιστικά στοιχεία είναι αποκαλυπτικά. Το 68% των οργανισμών έχει πλέον προσαρμοσμένες λύσεις AI σε λειτουργία παραγωγής. Οι εταιρείες επενδύουν σημαντικά, με το 81% να ξοδεύει τουλάχιστον ένα εκατομμύριο ετησίως σε πρωτοβουλίες AI. Περίπου το ένα τέταρτο επενδύει πάνω από 10 εκατομμύρια κάθε χρόνο, δείχνοντας ότι έχουμε ξεπεράσει τη φάση της “δοκιμής” και προχωράμε σε σοβαρή, μακροπρόθεσμη δέσμευση στην AI. Αυτή η μετατόπιση αναδιαμορφώνει επίσης τις δομές ηγεσίας. Το 86% των οργανισμών έχει ορίσει κάποιον για να ηγηθεί των προσπαθειών AI, συνήθως με τίτλο όπως “Chief AI Officer”. Αυτοί οι ηγέτες AI είναι πλέον σχεδόν εξίσου επιδραστικοί με τους CEOs όσον αφορά τη χάραξη στρατηγικής.
Προκλήσεις στην Εφαρμογή της Τεχνητής Νοημοσύνης
Η πορεία της εφαρμογής AI δεν είναι χωρίς δυσκολίες. Περισσότεροι από τους μισούς επιχειρηματικούς ηγέτες παραδέχονται ότι η εκπαίδευση και η βελτιστοποίηση των μοντέλων AI ήταν πιο δύσκολη από ό,τι περίμεναν. Προβλήματα δεδομένων συνεχίζουν να εμφανίζονται, προκαλώντας προβλήματα με την ποιότητα, τη διαθεσιμότητα, τα πνευματικά δικαιώματα και την επικύρωση των μοντέλων, υπονομεύοντας την αποτελεσματικότητα αυτών των συστημάτων AI. Σχεδόν το 70% των οργανισμών αναφέρει ότι τουλάχιστον ένα έργο AI είναι πίσω από το χρονοδιάγραμμα, με τα προβλήματα δεδομένων να είναι ο κύριος ένοχος.
Νέες Εφαρμογές και Τεχνολογίες στην Τεχνητή Νοημοσύνη
Καθώς οι επιχειρήσεις εξοικειώνονται περισσότερο με την AI, ανακαλύπτουν νέους τρόπους για να τη χρησιμοποιήσουν. Ενώ τα chatbots και οι εικονικοί βοηθοί παραμένουν δημοφιλείς, πιο τεχνικές εφαρμογές κερδίζουν έδαφος. Η ανάπτυξη λογισμικού βρίσκεται πλέον στην κορυφή της λίστας, μαζί με την προβλεπτική ανάλυση για πρόβλεψη και ανίχνευση απάτης. Αυτό υποδηλώνει ότι οι εταιρείες προχωρούν πέρα από τις φανταχτερές εφαρμογές που απευθύνονται στους πελάτες, χρησιμοποιώντας την AI για να βελτιώσουν τις βασικές λειτουργίες τους.
Η Μετατόπιση προς Εσωτερικές Λύσεις και Υβριδικά Περιβάλλοντα
Ίσως το πιο ενδιαφέρον είναι η αλλαγή στον τόπο όπου οι εταιρείες λειτουργούν την AI τους. Ενώ σχεδόν εννέα στους δέκα οργανισμούς χρησιμοποιούν υπηρεσίες cloud για τουλάχιστον μέρος της υποδομής AI τους, υπάρχει μια αυξανόμενη τάση να φέρνουν τα πράγματα πίσω στο εσωτερικό. Τα δύο τρίτα των επιχειρηματικών ηγετών πιστεύουν τώρα ότι οι μη cloud εφαρμογές προσφέρουν καλύτερη ασφάλεια και αποδοτικότητα. Ως αποτέλεσμα, το 67% σχεδιάζει να μεταφέρει τα δεδομένα εκπαίδευσης AI σε εσωτερικά ή υβριδικά περιβάλλοντα, αναζητώντας μεγαλύτερο έλεγχο των ψηφιακών τους περιουσιακών στοιχείων.
Συμπεράσματα και Προοπτικές για το Μέλλον της Τεχνητής Νοημοσύνης
Η εμπιστοσύνη των επιχειρηματικών ηγετών στις ικανότητές τους για διακυβέρνηση AI είναι υψηλή, με περίπου το 90% να δηλώνει ότι διαχειρίζεται αποτελεσματικά την πολιτική AI, μπορεί να εγκαταστήσει τις απαραίτητες δικλείδες ασφαλείας και να παρακολουθεί την προέλευση των δεδομένων τους. Ωστόσο, αυτή η εμπιστοσύνη έρχεται σε αντίθεση με τις πρακτικές προκλήσεις που προκαλούν καθυστερήσεις στα έργα. Τα προβλήματα με την επισήμανση δεδομένων, την εκπαίδευση μοντέλων και την επικύρωση παραμένουν εμπόδια. Αυτό υποδηλώνει ένα πιθανό χάσμα μεταξύ της εμπιστοσύνης των στελεχών στα πλαίσια διακυβέρνησής τους και της καθημερινής πραγματικότητας της διαχείρισης δεδομένων. Η έλλειψη ταλέντων και οι δυσκολίες ενσωμάτωσης με τα υπάρχοντα συστήματα είναι επίσης συχνά αναφερόμενοι λόγοι για καθυστερήσεις.
