[ad_1]

اگرچه تقریباً همه سازمانها معتقدند كه هوش مصنوعی به نفع عملكرد آنها است ، اما تعداد اندكی آن را اجرا كرده اند. در اینجا چهار بهترین روش وجود دارد که می تواند عملکرد شما را تسریع کند.

اعتبار: Olivier Le Moal از طریق Adobe Stock

اعتبار: Olivier Le Moal از طریق Adobe Stock

همسایه ما استاد آبجوسازی برای یک کارخانه بزرگ آبجوسازی است و می خواهد بازنشسته شود ، اما شرکت نمی خواهد او را ترک کند. مشکل این است که هیچ کس دیگری و هیچ چیز دیگری نمی تواند کار خود را انجام دهد. س isال این است: چرا هوش مصنوعی (AI) نمی تواند دستور العمل ها و دانش لازم را از آن دریافت کند و سپس کار را به پایان برساند؟

شاید بتوان جواب آن را در یک نظرسنجی از 700 متخصص و مدیر فناوری اطلاعات در سطح C در آوریل 2021 یافت که توسط Juniper Networks انجام شده است. این بررسی نشان داد که در حالی که 95٪ از پاسخ دهندگان معتقدند که شرکت های آنها از تعبیه هوش مصنوعی در عملیات خود بهره مند می شوند ، تنها 6٪ از آنها به طور عملی هوش مصنوعی را پیاده سازی کرده اند.

تردید واضحی وجود دارد ، اما نمونه هایی وجود دارد که سازمان ها در اجرای هوش مصنوعی بسیار موفق عمل کرده اند.

چه چیزهایی درباره بهترین روشهای موفقیت آمیز هوش مصنوعی که می تواند تصویب هوش مصنوعی را تسریع کند ، یاد گرفته ایم؟

1. ابتدا مسئله بی اعتمادی به هوش مصنوعی را در نظر بگیرید

همیشه باید به یاد داشته باشید که هوش مصنوعی یک ابزار است ، نه یک جایگزین عملیاتی کامل. بله ، هوش مصنوعی می تواند برخی مناطق عملیاتی شرکت را کنترل کند ، مانند نظارت بر شرایط محیطی یا راه اندازی خط تولید ، اما هوش مصنوعی هنگام تعامل با افرادی که دانش منحصر به فردی از آنچه انجام می دهند و به عنوان تصمیم گیرنده نهایی در هر یک عمل می کنند ، بهترین است. روند.

کارمندان ممکن است با شنیدن خبر هوش مصنوعی از از دست دادن شغل خود بترسند ، بنابراین یک روش خوب این است که کارمندان را در طراحی فرآیندهای کاری خود و چگونگی قرار گرفتن هوش مصنوعی در آن فرایندها از قبل درگیر کنیم. اگر کارمندان جریان های جدید تجدید نظر شده را طراحی و خریداری کنند و نقشی را که AI بازی می کند درک کنند ، ترس کمتری وجود خواهد داشت.

در حوزه حاکمیت ، نگرانی این است که هوش مصنوعی تصمیم گیری را به عهده بگیرد. چند سال پیش ، من با یک مدیر IT پردازنده پرداخت ملاقات کردم که بازیابی خودکار فاجعه (DR) و خرابی در مرکز داده خود را آزمایش کرده است. او درک کرد که هوش مصنوعی می تواند از بروز مشکلات جلوگیری کرده و اتوماسیون را فراهم کند ، اما نمی توانست بپذیرد که تصمیم نهایی برای پیوستن به دکتر از وی گرفته شود. تصمیم برای جاسازی AI DR در مرکز داده بود ، اما تصمیم برای شروع DR را به CIO سپرد.

2. داده های هوش مصنوعی را به درستی آماده کنید

سیستم هوش مصنوعی به خوبی داده های خود است. تعداد کمی از سازمانها ساختار داده ای کاملاً توسعه یافته ای دارند که حاوی کلیه پیوندها و پیوندهای داده ای سازمان است ، صرف نظر از نوع داده یا منبع داده – و تعداد کمی نیز برای اطمینان از صحت آن کاملاً آزمایش و آماده شده اند.

در سال 2020 ، ACLU در حال آزمایش نرم افزار تشخیص چهره آمازون بر روی ورزشکاران حرفه ای در نیوانگلند است. هر بازیکن ششم به اشتباه تشخیص داده می شود و 25 نفر به عنوان مجرم شناخته می شوند.

در انگلستان ، دولت آموخته است كه 16000 مورد COVID-19 گزارش نشده است. مشکل؟ محدودیت هایی برای سطرها و ستون ها در صفحه گسترده اکسل که برخی از داده ها از آن حذف شده است.

در هر دو مورد ، هوش مصنوعی در این امر دخیل بوده و نتایج ناامیدکننده است – اما آیا AI مقصر است یا مشکل از داده ها ناشی می شود؟

3. استفاده های قوی طراحی کنید که فواید نامطلوبی به همراه داشته باشد

کانتیننتال ، یک خودروساز آلمانی ، با استفاده از هوش مصنوعی نقاط بهینه را برای تغییرات لاستیک ناوگان پیش بینی می کند. هوش مصنوعی قاره را قادر ساخته است تا موجودی لاستیک خود را بهینه کند ، زمان کار را افزایش دهد و هزینه های نگهداری را کاهش دهد. جنرال موتورز با همکاری Autodesk ، هوش مصنوعی را در ساخت کلیپ کمربند ایمنی جدید پیاده سازی کرد. طراحی براکت جدید محصولی را خلق کرده است که 40٪ سبک تر و 20٪ قویتر از محصول اصلی است.

هر دو مورد زمانی است که شرکت ها نتایج فوری هوش مصنوعی دریافت کرده اند. داستان های موفقیت مانند این موارد باعث ایجاد انگیزه در مدیریت و هیئت مدیره می شود و آنها را به سرمایه گذاری بیشتر ترغیب می کند.

4. رضایت مشتری را هرگز فراموش نکنید

هنوز شبکه ای از فروشگاه های سخت افزاری محله ای که در منطقه مترو سیاتل زنده مانده اند وجود دارد که توسط مالکانی اداره می شوند که می دانند همه چیزهایی که شما باید در مورد کودهای باغچه ، ساخت کمد ، یا اپوکسی یا ناخن مناسب دریافت کنید. مشتریان مایل به پرداخت هزینه های بیشتر برای راحتی فقط توقف هستند ، بلکه همچنین برای دانش و خدماتی که این “دستان قدیمی” ارائه می دهند ، هزینه های بیشتری را پرداخت می کنند.

سیستم های هوش مصنوعی باید در خدمات مشتری بهتر عمل کنند.

تقریباً هرکسی می تواند با ناامیدی از افتادن به شاخه های درخت تلفن خودکار ارتباط برقرار کند. در برخی موارد ، قبل از اینکه بتوانید به یک عامل انسانی واقعی برسید که قادر به پاسخگویی به سال پیچیده شما باشد ، به نیم لایه سوال رباتیک ترجمه خواهید شد. در موارد دیگر ، فقط وقتی شخصی را می خواهید تلفن را قطع کنید.

کاری که طراحان سیستم هوش مصنوعی عالی انجام می دهند جذب کارکنان کاملاً ماهر در خدمات مشتری است. این افراد نقش اساسی در طراحی سیستم AI دارند. این استراتژی با توجه به عامل انسانی مورد نیاز در طراحی و مهندسی رابط بهینه بین انسان و ماشین کار می کند. این همان چیزی است که کارشناسان خدمات مشتری در جدول ارائه می دهند و این مهارت هایی نیستند که معمولاً در میان متخصصان داده یا متخصصان فناوری اطلاعات یافت می شوند.

آنچه در ادامه بخوانید:

نظرسنجی IT Pro Salary: آنچه در سال 2020 به دست آوردید
چرا شما به یک داده داده و نه فقط یک معماری IT نیاز دارید
چگونه می توان به مدیریت قوی تر قرارداد و تامین کننده دست یافت
CIO ServiceNow از نظر استراتژیک برای توسعه کد کم مناسب می داند

ماری ای.شکلت مفسر فناوری شناخته شده بین المللی و رئیس Transworld Data ، یک شرکت خدمات بازاریابی و فناوری است. او پیش از تأسیس شرکت خود ، معاون تحقیقات محصول و توسعه نرم افزار در راس بود … رزومه کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم ، یا [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر



[ad_2]

منبع: tasiveh-news.ir