この記事の主な内容は次のとおりです。
企業の人工知能の全体的な人気は依然として低く(前回の調査では約20%)、経営幹部は人工知能が誇大宣伝ではないことを知っています。今日の分析技術によって生み出される潜在的な価値の40%は、「深層学習」(多層人工ニューラルネットワークを使用したもの)に由来していますが、私たちの見積もりによれば、人工知能技術一般的に、深い学習の価値は1年に3兆5,000億〜5兆8,000億ドルになると推定されています。
しかし、多くのビジネスリーダーは、ビジネスインテリジェンスをビジネス全体に組み込むためには、人材募集や技術スタックのアップグレードに膨大な投資が必要であり、根本的な変更が必要です。人工知能がより良い意思決定や消費者向けアプリケーションの改善に役立つかどうかに関わらず、人工知能が大きな価値を提供するためのイニシアティブ。
19の業種と9つのビジネス機能にまたがる400以上の人工知能利用事例を詳細に調査した結果、人工知能をどこに配備するのかについての質問に答えるのが最も適切であることがわかりました。お金は行く '。
伝統的に会社に最大の価値をもたらしているビジネス分野は、多くの場合、人工知能が最大の影響を与える分野です。たとえば、小売組織では、マーケティングと販売がしばしば大きな価値をもたらします。一方、パーソナライズされたプロモーションのための人工知能では、ブリック・アンド・モルタル小売業者の増分売上高は1〜2%増加しますが、ハイエンド製造業では、インテリジェンスは、過去の結果ではなく、潜在的な因果要因に基づいて予測することができ、予測精度を10-20%向上させることができます。これは、在庫コストを5%削減し、収益を2-3%増加させることを意味します。
人工知能の応用は幅広い機能領域をカバーしていますが、実際にはサプライチェーンの管理/製造とマーケティング、販売という2つの分野では、人工知能がいくつかの業界で最も活躍できると考えています要約すると、これらのユースケースは、人工知能の機会の3分の2以上を占めると推定されます。
人工知能は、グローバル企業のマーケティングと販売で1.4〜2.6兆ドルの価値を創出し、サプライチェーンの管理と製造(その一部はビジネスによって所有され、一部は顧客が所有している)で1.2〜2兆ドルの価値を創出し、製造業では、人工知能の最大の価値は、それを予測メンテナンスに使うことです(約0.5〜0.7兆ドルのグローバル企業)。人工知能は、オーディオやビデオを含むオーディオとビデオを扱うことができます。大量のデータとは、航空機エンジンからの奇妙な音であろうと、センサによって検出されたアセンブリラインの故障であろうと、異常を迅速に識別して誤動作を防止することを意味します。
すでに従来の分析技術を使用しているそれらの部門を見て、ある人工知能の展開におけるビジネスリーダーを判断するもう一つの方法は、我々が見つかりました。最大の潜在的な価値のユースケースを作成することができますので、人工知能、ニューラルネットワーク技術我々の研究では、人工知能の利用事例の69%が同じである。
使用例のみ16%で、我々は他の分析技法無効ローカル「グリーンフィールド」人工知能ソリューションに適用た。(アルゴリズムは、より一般的になりで、彼らが必要な様々なデータとなる可能となりますより容易に利用可能、例数を学習の深さはすぐに増加する可能性が高い、と「グリーンフィールド」深い学習がより洗練された機械学習技術はまた、より良く、より一般的になる可能性を秘めていることから、大幅に改善されない場合があります例を使用占めました。)
私たちが見ていても、人工知能技術の使用が経済的潜在力を持って、我々はまた、実装に人工知能や実用的な障害物の限界を認識しています。十分な大きさを取得し、十分に包括的なデータセット、トレーニングデータの深さを学習するための巨大な食欲を満たすために、主要ですチャレンジの人々は、このようなデータを使用することも程度ますます懸念しているので、これはまた、人工知能アルゴリズムの可能性に、企業、セキュリティ、プライバシー、そして人間の偏見の伝送の課題に対処することが必要であり、他の問題に対処する必要がある。中マシンは良いニュースは、技術自体が進歩をしているということです答えるために来て、起動します理由:一部の医療・保険業では、企業はまた、簡単な言語で得られた規制構造解析の結果、明らかに人工知能を説明しようとしなければなりませんか?これらの制限のいくつかを解決してください。
これらの制約に加えて、企業は人工知能を採用する上でさらに困難な課題に直面する可能性があります。マスタリング技術には新しいレベルの専門知識が必要であり、プロセスは技術の成功への大きな障壁となります。堅牢なデータ保守とガバナンスプロセスを開発し、データと取り組みをどのように獲得し整理するかという「第1のキロメートル」と、難しい「ラストマイル」、すなわち人工知能モデルの出力方法に焦点を当てる必要がありますワークフロー全体、臨床試験管理者、販売管理者から購買担当者までの統合
人工知能を導入する際に企業は警戒し、責任を負わなければなりませんが、テクノロジーの規模と企業、消費者、社会への有益な影響を考えれば、調査する価値はあります。簡単なコンセプトに従ってください:お金に従ってください。