Почему ваши разработчики не используют инструменты искусственного интеллекта (и как это исправить)

Несмотря на обещание ИИ как одного из самых важных технических достижений за десятилетия, многие инженерные команды пытаются реализовать значимый рост производительности от инструментов ИИ. Почти три четверти компаний изо всех сил пытаются захватить полную ценность ИИ. Существуют более масштабные экономические последствия за пределами отдельных компаний, так как в другом исследовании отмечается, что сша отстают от других глобальных игроков в области принятия искусственного интеллекта.

Когда разработчики отвергают ИИ, это затрагивает больше, чем просто их команда. Задержки программного обеспечения, ручные рабочие процессы и более слабые инновации могут быстро сдерживать организацию. Потери производительности со временем — разрыв расширяется между предприятиями с зрелым принятием ИИ и теми, кто изо всех сил пытается внедрить основные инструменты. Самое главное, что предприятия оставляют деньги на столе, если их разработчики не полностью используют инструменты ИИ: организации с операциями для поддержки внедрения ИИ — включая талант, стратегию лидерства и технологический фонд — опытный рост доходов, который вырос в 2,5 раза быстрее. Неиспользуемые инструменты для искусственного интеллекта похожи на современный двигатель, который никто не беспокоит. Эти решения бессмысленно, если они не продвигают бизнес вперед и повышают производительность, а медленное вовлечение разработчиков создает волновой эффект между организациями.

В то время как заголовки рекламируют потенциал ИИ, реальность более сложна: разработчики сталкиваются с значительными техническими препятствиями при интеграции ИИ в свою повседневную работу. Проблемы выходят за рамки простого принятия инструмента. Разработчики должны ориентироваться в сложностях интеграции, проблем с надежностью и сбоями рабочего процесса при сохранении производственных систем. Тем не менее, команды, которые преодолевают эти барьеры, наблюдают значительные улучшения, от 40% более быстрого времени отклика в приложениях финансовых услуг до сокращения рабочих процессов анализа на 95% для систем здравоохранения.

Наиболее упущенной первоначальной причиной является низкий уровень внедрения среди разработчиков. Предположим, что компания профессионала полагается на реализацию ИИ, но не в восторге от этого; Это может подкоемые инициативы ИИ, прежде чем они начнут. Ключевые препятствия, предотвращающие более широкое принятие ИИ среди разработчиков, связаны с проблемами, выходящими за рамки простой технической интеграции.

На протяжении всей этой части я изучу, почему инвестиции в области искусственного интеллекта не полностью реализованы, и способы обеспечения максимизации рентабельности вашего бизнеса, сосредоточив внимание на каждой проблеме и решении.

Проблемы доверия и интеграции

Доверие является основой любого успешного развертывания технологий, и у ИИ есть проблема доверия. Это так называемая проблема «черного ящика», где отсутствие ясности, связанной с принятием решений ИИ, может быстро привести к проблемам. Разработчики нуждаются в видимости в том, как работает ИИ. Например, они могут задаться вопросом: какое кодирование приводит к принятию решений? На каких наборах данных был обучен ИИ? Как выходы проверены и проверены? Разработчики более склонны принимать инструменты, которые они понимают.

Например, когда поставщик здравоохранения внедрил оптимизацию цепочки поставок с AI, установление прозрачности в принятии решений имело решающее значение для соблюдения и доверия разработчиков. После решения этих проблем доверия, команда достигла сокращения затрат на цепочку поставок на 15%.

Многие инструменты ИИ существуют в качестве автономных решений, требующих значительной работы для связи с текущими системами. Команды должны заниматься аутентификацией и управлением доступом, обрабатывать совместимость с API и адаптировать свои трубопроводы развертывания при создании новых наборов навыков. Фармацевтическая исследовательская группа столкнулась с этой проблемой при внедрении ИИ для анализа кристаллической структуры и инвестиций в техническую интеграцию. Сокращение команды сокращено время анализа с более чем 250 до 2-3 часов.

Организации должны использовать поэтапный подход к интеграции искусственного интеллекта, включая оценку и модернизацию устаревших систем для обработки решений искусственного интеллекта. Сотрудничество с экспертами может преодолеть разрыв в знаниях, помогая командам разработчиков построить необходимые навыки и понимание.

Демонстрация стоимости и организационное выравнивание

Помимо технических проблем, разработчики должны видеть четкую ценность в принятии искусственного интеллекта. Одна команда финансовых услуг преодолела это, внедряя надежные рамки тестирования с постоянными результатами. Этот систематический подход улучшил точность отклика чат -бота, сокращение времени отклика на 40% и снижение эксплуатационных затрат на 30%. Владеление медицинского лотка с AI обеспечивало четкую рентабельность инвестиций в здравоохранении, экономя более 5500 часов в год на участок.

Когда лидерство не определяет стратегию и коммуникации искусственного интеллекта, инициативы терпят неудачу. 59% сотрудников считают, что лидерство слишком медленно, чтобы принять ИИ. Успех требует, чтобы ИИ стратегическим приоритетом с четкими KPI, привязанными к обзорам эффективности и прогрессу в команде. По мере того, как проекты развернуты, выделение ранних побед помогает доказать ценность и построить импульс.

Практические решения для долгосрочного успеха

Хотя эти проблемы значительны, они не являются непреодолимыми. Успешные команды следуют нескольким ключевым подходам:

  • Во -первых, они начинают с малого и итерации, а не пытаются получить полное преобразование рабочего процесса. Это позволяет командам создавать опыт при управлении рисками.
  • Во -вторых, они вкладывают значительные средства в тестирование инфраструктуры и внедряют комплексные рамки, которые могут проверять результаты ИИ в отношении известных хороших результатов.
  • В -третьих, они строят надежные механизмы резерва, которые изящно обрабатывают сбои ИИ или неожиданные результаты.
  • Наконец, они определяют приоритеты в опыте разработчиков, выбирая инструменты и структуры, которые плавно интегрируются с существующими рабочими процессами.

Поскольку возможности ИИ продолжают продвигаться, технические проблемы, связанные с принятием, будут развиваться. Ключ — это создание гибких, обслуживаемых систем, которые могут адаптироваться по мере развития технологии. Команды, которые устанавливают сильные фонды, особенно в области тестирования, мониторинга и опыта разработчиков, будут лучше, чтобы воспользоваться будущими достижениями искусственного интеллекта.

Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Джонатан Сиддхарт является генеральным директором и соучредителем Turing, технологической компании, ускоряющей продвижение AGI и оценивается в 4 миллиарда долларов. Ранее он стал соучредителем и продал Rover, служил предпринимателем в резиденции в Foundation Capital и имеет мастера … Подробнее от Джонатана Сиддхарта

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *