다음은 기사의 주요 내용은 다음과 같습니다
기업의 전반적인 인기 인공 지능은 여전히 (약 20 %, 우리의 지난 연구에서) 낮지 만하지만 경영진은 인공 지능 그냥 과장되지 않았 음을 알 수 있습니다. 다양한 업계의 기업이이 기술에주의를 지불하고, 자신의 사업들이 동일한 작업을 수행해야하는지 역할을 재생할 수 있습니다 그것을 살펴보고, 우리는 오늘 40 %가에서 '깊은 학습'이라고 온다 만든 기술적 분석 (다층 인공 신경 네트워크의 잠재적 인 가치를 추정 ) 인공 지능 기술. 전반적으로, 우리가 년 동안 연구의 깊이 값이 조 5.8 $로 조 3.5 사이를 생산할 수있는 것으로 추정된다.
그러나 많은 비즈니스 리더는 여전히 가장 큰 수익을 얻을 수있는 인공 지능을 적용해야하는 위치 불확실하다. 결국, 전체 사업에 내장 된 인공 지능은 인재 확보 및 업그레이드 기술 스택에 큰 투자를 할 필요도 급진적 인 변화 촉구 이니셔티브는 인공 지능이 더 나은 의사 결정을하거나 소비자 지향 응용 프로그램을 개선하는 데 도움 여부, 상당한 가치를 제공 할 수 있도록합니다.
인공 지능의 400 개 이상의 19에서 산업과 실제 사용 사례의 구 개 운영 기능에 대한 심층 연구를 통해, 우리는 옛 속담에 가장 적합한, 그것은이 곳의 질문에 대답하는 인공 지능을 배포하는 것이 발견 '에 따라 돈은 '이동합니다.
이 회사의 기존 사업 영역에 가장 큰 가치를 제공, 인공 지능은 종종 큰 영향을 미칠 수 있습니다. 예를 들어, 소매 조직, 마케팅 및 영업 종종 엄청난 가치를 제공합니다. 우리의 연구는 보여줍니다 고객 데이터 만 프로모션을 개인화 인공 지능의 사용은, 물리적 인 유통 업체의 증가 판매는 1 ~ 2 % 증가합니다. 반면, 하이 엔드 제조, 운영자는 종종 가장 큰 가치를 제공 할 수 있습니다. 여기, 인공 지성 ~ 20 %로 예측 정확도를 향상시킬 잠재적 인 인과 요인보다는 이전의 예측 결과의 요구에 따라 구동 될 수있다.이 재고 비용 5 % 감소 할 수 있다는 것을 의미, 매출 2 ~ 3 %까지 증가 할 수 있습니다.
인공 지능의 응용 프로그램 기능 영역의 넓은 범위를 커버하지만,하지만 사실,이 두 교차 절단 분야에서 - 공급 체인 관리 / 제조, 마케팅 및 판매 - 우리는 인공 지능은 여러 산업에서 가장 큰 재생할 수 있다고 생각합니다 전원, 지금이 적어도합니다. 함께, 우리는 추정이 사용 사례는 인공 지능 기회 이상의 3 분의 2를 차지했다.
세계에서 영업 및 마케팅 회사의 가치 1.4-2600000000000 달러를 만들 수 있습니다 인공 지능, 만들 수 있습니다 1.2 ~ 가치 $ 2 조 값의 공급 체인 관리 및 제조 (부분적으로는 기업, 고객이 소유 한 값의 일부에 속한다 ). 제조, 가장 큰 인공 지능)는 글로벌 기업 0.7 조 만드는 예측 유지 보수 (약 $ 0.5를 위해 그것을 사용하는 값에서 파생. AI가 처리 할 수있는, 오디오 및 비디오를 포함 포함 신속는 센서에 의해 방출 된 또는 검출 된 항공기 엔진 어셈블리 라인 결함 이상한 소리인지, 실패를 방지하는 비정상 상태를 식별 할 수있는 수단을 데이터, 다량.
비즈니스 리더가 인공 지능을 배포 할 위치를 결정하는 또 다른 방법은 기존 분석을 이미 활용하고있는 기능 부서를 살펴 보는 것입니다. 인공 지능이 최고의 잠재 가치를 창출 할 수있는 사용 사례에서 신경 네트워크 기술 기존의 분석 기술보다 우수한 성능을 발휘하거나 추가 통찰력과 응용 프로그램을 생성 할 수 있습니다.이 연구에서 인공 지능 활용 사례의 69 %는 동일합니다.
유스 케이스의 16 %만이 다른 분석 기술에서 잘 작동하는 '그린 필드 (greenfield)'인공 지능 솔루션을 발견했습니다. (알고리즘이 다양 해짐에 따라 실현 가능한 다양한 데이터가 보다 쉽게 얻을 수있는 학습 학습 사례의 수는 급격히 증가 할 수 있으며 '녹색 필드'학습 사례의 비율은 크게 증가하지 않을 수 있습니다.보다 성숙한 기계 학습 기술이 더 좋고 더 보편화 될 잠재력이 있기 때문입니다.
인공 지능 기술의 경제적 잠재력을 볼 수있을지라도 인공 지능 구현의 실질적인 장애와 한계를 인식하고 훈련 데이터에 대한 심층 학습의 심오한 욕구를 충족시킬 수있는 충분히 포괄적 인 데이터 세트를 얻을 수있는 좋은 식욕이 있습니다. 과제 : 사람들은 이러한 데이터의 사용에 대해 점차 걱정하고 있으며, 기업이 해결해야 할 과제이기도합니다. 보안, 개인 정보 보호 및 인간의 편향을 인공 지능 알고리즘에 전달할 가능성에 대해 설명해야합니다. 보건 및 보험과 같은 일부 산업에서는 기업이 인공 지능의 분석 결과를 간단한 언어로 설명해야합니다 : 왜이 기계가이 대답에 도달합니까? 좋은 소식은 이러한 기술이 발전하고 시작하고 있다는 것입니다 이러한 제한 사항 중 일부를 해결하십시오.
이러한 제한 외에도 회사는 인공 지능을 채택하는 데 더욱 어려움을 겪을 수 있으며 마스터 링 기술에는 새로운 수준의 전문 지식이 필요하며 프로세스가 성공적인 기술 채택에 큰 장벽이 될 수 있습니다. 강력한 데이터 유지 관리 및 거버넌스 프로세스를 개발하고 데이터 및 노력을 수집하고 구성하는 방법 인 '1 킬로미터'에 초점을 맞춰야합니다. 인공 지능 모델을 출력하는 방법과 같이 더욱 어려운 '마지막 마일' 임상 시험 관리자 및 영업 관리자에서부터 구매 직원에 이르기까지 전체 워크 플로우에 통합됩니다.
인공 지능을 배치 할 때 회사가 경계해야하고 책임이 있어야하지만, 기술의 규모와 기업, 소비자 및 사회에 미치는 유익한 영향을 고려하면 조사 할 가치가 있습니다.이 추적은 간단하지 않지만 간단한 개념을 따르십시오 : 돈을 따릅니다.