लेख की मुख्य सामग्री निम्नलिखित है:
हालांकि उद्यम के समग्र लोकप्रियता में कृत्रिम बुद्धि अभी भी (, हमारे पिछले अध्ययन में लगभग 20%) कम है, लेकिन अधिकारियों को पता है कि कृत्रिम बुद्धि सिर्फ प्रचार नहीं है। विभिन्न उद्योग संगठनों इस तकनीक की ओर ध्यान रखते हैं, यह पर एक नज़र उनके व्यापार वे क्या भूमिका भी ऐसा ही करना चाहिए खेल सकते हैं, तो हम तकनीकी विश्लेषण आज बनाई गई 40% से आता है 'गहरी सीखने' कहा जाता है (एक बहुपरत कृत्रिम तंत्रिका नेटवर्क के संभावित मूल्य का अनुमान कृत्रिम खुफिया प्रौद्योगिकी। आम तौर पर, हम अनुमान लगाते हैं कि गहरी शिक्षा का मूल्य $ 3.5 ट्रिलियन और $ 5.8 ट्रिलियन सालाना हो सकता है।
हालांकि, कई व्यापार जगत के नेताओं अभी भी अनिश्चित है, जहां वे कृत्रिम बुद्धि सबसे ज़्यादा लाभ हो पर लागू करना चाहिए रहे हैं। सब के बाद, कृत्रिम बुद्धि पूरे कारोबार में एम्बेडेड प्रतिभा अधिग्रहण और उन्नयन प्रौद्योगिकी स्टैक में भारी निवेश करने की जरूरत है, यह भी व्यापक बदलाव का आह्वान यह सुनिश्चित करने के लिए पहल है कि कृत्रिम बुद्धि पर्याप्त मूल्य प्रदान करती है, भले ही इससे बेहतर निर्णय लेने में मदद मिलती है या उपभोक्ता-सामना करने वाले अनुप्रयोगों में सुधार होता है।
के माध्यम से कृत्रिम बुद्धि के 400 से अधिक 19 के पार उद्योग और वास्तविक उपयोग के मामलों में से नौ परिचालन कार्यों का गहराई से अध्ययन, हमने पाया कि पुरानी कहावत के साथ कृत्रिम बुद्धि जहां सबसे उपयुक्त है, यह यह है की सवाल का जवाब देने को तैनात: 'का पालन करें पैसा जाता है '।
व्यापारिक क्षेत्र जो परंपरागत रूप से कंपनी के लिए सबसे अधिक मूल्य लाते हैं वे अक्सर ऐसे क्षेत्र होते हैं जहां कृत्रिम बुद्धि का सबसे बड़ा प्रभाव हो सकता है। उदाहरण के लिए, खुदरा संगठनों में, विपणन और बिक्री अक्सर बहुत अधिक मूल्य लाती है। हमारे शोध से पता चलता है कि केवल ग्राहक डेटा व्यक्तिगत प्रचार के लिए कृत्रिम बुद्धि के साथ, ईंट-मोर्टार खुदरा विक्रेताओं की बढ़ती बिक्री में 1-2% की वृद्धि होगी। इसके विपरीत, उच्च अंत विनिर्माण में, संचालन अक्सर सबसे बड़ा मूल्य लाते हैं। यहां श्रम खुफिया भविष्यवाणी की संभावना के संभावित संभावित ड्राइवरों के आधार पर भविष्यवाणी की जा सकती है, जो 10-20% तक पूर्वानुमान सटीकता में वृद्धि कर रही है। इसका मतलब है कि सूची लागत 5% कम हो सकती है और राजस्व में 2-3% की वृद्धि हो सकती है।
हालांकि कृत्रिम बुद्धि के आवेदन में कार्यात्मक क्षेत्रों की एक विस्तृत श्रृंखला शामिल है, वास्तव में, इन दो क्रॉस-कटिंग क्षेत्रों में - आपूर्ति श्रृंखला प्रबंधन / विनिर्माण और विपणन और बिक्री - हम मानते हैं कि कृत्रिम बुद्धि कई उद्योगों में सबसे अधिक खेल सकती है इसकी शक्ति, कम से कम अब के लिए संयुक्त है। संक्षेप में, हम अनुमान लगाते हैं कि इन उपयोग मामलों में कुल कृत्रिम बुद्धि के अवसरों के दो-तिहाई से अधिक का योगदान है।
कृत्रिम बुद्धि वैश्विक कंपनियों के लिए विपणन और बिक्री में $ 1.4- $ 2.6 ट्रिलियन का मूल्य बना सकती है, आपूर्ति श्रृंखला प्रबंधन और विनिर्माण में मूल्य में $ 1.2- $ 2 ट्रिलियन का निर्माण कर सकती है (जिनमें से कुछ व्यवसाय के स्वामित्व में हैं और इनमें से कुछ ग्राहक के स्वामित्व में हैं) विनिर्माण में, कृत्रिम बुद्धि से सबसे बड़ा मूल्य पूर्वानुमानित रखरखाव (वैश्विक कंपनियों में लगभग $ 0.5-0.7 ट्रिलियन) के लिए इसका उपयोग करने से आता है। कृत्रिम बुद्धि ऑडियो और वीडियो सहित ऑडियो और वीडियो को संभाल सकती है। डेटा की एक बड़ी मात्रा का मतलब है कि यह खराब होने से रोकने के लिए जल्दी से विसंगतियों की पहचान कर सकता है, भले ही यह किसी एयरक्राफ्ट इंजन से एक अजीब आवाज हो या सेंसर द्वारा पता लगाए गए असेंबली लाइन गलती हो।
व्यावसायिक नेताओं को यह निर्धारित करने का एक और तरीका यह है कि कृत्रिम बुद्धि को तैनात करने के लिए कार्यात्मक विभागों को देखना है जो पहले से ही पारंपरिक विश्लेषण का लाभ उठा रहे हैं। हमने पाया है कि उन मामलों में जहां कृत्रिम बुद्धि सबसे संभावित संभावित मूल्य, तंत्रिका नेटवर्क प्रौद्योगिकी का निर्माण कर सकती है मौजूदा विश्लेषणात्मक तकनीकों से बेहतर प्रदर्शन कर सकते हैं, या अतिरिक्त अंतर्दृष्टि और अनुप्रयोग उत्पन्न कर सकते हैं। हमारे शोध में, 69% कृत्रिम बुद्धिमान उपयोग के मामले समान हैं।
उपयोग के मामलों में से केवल 16% में, हमें 'ग्रीनफील्ड' कृत्रिम बुद्धिमान समाधान मिला है जो अन्य विश्लेषणात्मक तकनीकों के लिए अच्छा काम करता है। (जैसे एल्गोरिदम अधिक बहुमुखी हो जाते हैं, वे विभिन्न डेटा बनने योग्य बन जाते हैं प्राप्त करने में आसान, गहरी सीखने के उपयोग के मामलों की संख्या तेजी से बढ़ सकती है, और 'ग्रीनफील्ड' गहरे सीखने के उपयोग के मामलों के अनुपात में उल्लेखनीय वृद्धि नहीं हो सकती है, क्योंकि अधिक परिपक्व मशीन सीखने की तकनीकों में बेहतर और अधिक आम होने की संभावना है।
यहां तक कि अगर हम कृत्रिम बुद्धि प्रौद्योगिकी के उपयोग की आर्थिक क्षमता देखते हैं, तो हम कृत्रिम बुद्धिमान कार्यान्वयन की व्यावहारिक बाधाओं और सीमाओं को पहचानते हैं। प्रशिक्षण डेटा के लिए गहरी शिक्षा की गहरी भूख को पूरा करने के लिए एक बड़ा पर्याप्त और व्यापक डेटा सेट प्राप्त करने के लिए यह एक बड़ी भूख है। चुनौतियां। लोग इस तरह के डेटा के उपयोग के बारे में चिंतित हैं, इसलिए यह भी एक चुनौती है कि कंपनियों को संबोधित करने की जरूरत है। सुरक्षा, गोपनीयता, और कृत्रिम बुद्धिमान एल्गोरिदम को मानव पूर्वाग्रह पारित करने की संभावना को संबोधित करने की आवश्यकता है। कुछ उद्योगों में, जैसे कि स्वास्थ्य देखभाल और बीमा, कंपनियों को एक साधारण भाषा में कृत्रिम बुद्धि के विश्लेषणात्मक परिणामों की व्याख्या करने की भी कोशिश करनी चाहिए: यह मशीन इस उत्तर में क्यों आती है? अच्छी खबर यह है कि ये तकनीकें प्रगति कर रही हैं और शुरू हो रही हैं इन सीमाओं में से कुछ हल करें।
इन सीमाओं के अतिरिक्त, कृत्रिम बुद्धि को अपनाने में कंपनियों को और भी कठिन चुनौतियों का सामना करना पड़ सकता है। मास्टरिंग टेक्नोलॉजी को विशेषज्ञता के नए स्तर की आवश्यकता होती है, और प्रक्रियाएं प्रौद्योगिकी के सफल गोद लेने के लिए एक प्रमुख बाधा बन सकती हैं। एक मजबूत डेटा रखरखाव और प्रशासन प्रक्रिया विकसित करना होगा, और 'प्रथम किलोमीटर' पर ध्यान देना होगा - डेटा और प्रयासों को कैसे हासिल और व्यवस्थित करना है - और अधिक कठिन 'अंतिम मील', यानी कृत्रिम बुद्धिमान मॉडल को कैसे आउटपुट करना है संपूर्ण वर्कफ़्लो में नैदानिक परीक्षण प्रबंधकों और बिक्री प्रबंधकों से कर्मचारियों को खरीदने के लिए एकीकरण।
यद्यपि कंपनियां कृत्रिम बुद्धि को तैनात करते समय जागरूक और जिम्मेदार होंगी, प्रौद्योगिकी के पैमाने और व्यवसायों, उपभोक्ताओं और समाज पर इसके लाभकारी प्रभाव के कारण, यह जांच के लायक है। यह खोज सरल नहीं है, लेकिन यह हो सकता है एक साधारण अवधारणा का पालन करें: पैसे का पालन करें।