محتوای اصلی مقاله زیر است:
اگر چه هوش مصنوعی در محبوبیت کلی شرکت است که هنوز هم کم (در آخرین مطالعه ما، در حدود 20٪)، اما مدیران می دانند که هوش مصنوعی این است که فقط اعتیاد به مواد مخدره است. سازمان های صنعتی مختلف توجه نزدیک به این فن آوری، نگاهی به آن کسب و کار خود می توانید بازی چه نقشی آنها باید از همان کار، ما ارزش بالقوه تجزیه و تحلیل فنی امروز ایجاد 40٪ می آید از است 'یادگیری عمیق "نامیده می شود (یک شبکه عصبی مصنوعی چند لایه برآورد ) تکنولوژی هوش مصنوعی. در کل، ما برآورد ارزش عمق مطالعه برای یک سال می توانید بین 3.5 تریلیون به $ 5800000000000 تولید کند.
با این حال، بسیاری از رهبران کسب و کار هنوز نامشخص است جایی که آنها باید هوش مصنوعی برای دریافت بیشترین بازگشت اعمال می شود. پس از همه، هوش مصنوعی جاسازی شده در کل کسب و کار نیاز به سرمایه گذاری های عظیمی در کسب استعداد و فن آوری ارتقاء پشته، همچنین برای تغییرات رادیکال به نام ابتکارات برای اطمینان از اینکه هوش مصنوعی ارزش قابل توجهی را به ارمغان می آورد، آیا این امر به تصمیم گیری های بهتر کمک می کند یا برنامه های مصرف کننده را بهبود بخشد.
از طریق در عمق بررسی بیش از 400 در 19 صنعت از هوش مصنوعی و نه توابع عملیاتی از موارد استفاده واقعی، ما متوجه شدیم که با این ضرب المثل قدیمی استقرار هوش مصنوعی به پاسخ به این سوال که در آن مناسب ترین، آن این است: «به دنبال پول می رود "
آوردن بزرگترین مقدار را به مناطق کسب و کار سنتی این شرکت، هوش مصنوعی اغلب می تواند بیشترین تاثیر را داشته باشد. برای مثال، در یک سازمان خرده فروشی، بازاریابی و فروش اغلب ارزش فوق العاده ای به ارمغان می آورد. تحقیقات ما نشان می دهد که تنها داده های مشتری استفاده از هوش مصنوعی به فرد تبلیغات، فروش تدریجی از خرده فروشان فیزیکی خواهد 1/2٪ افزایش می دهد. در مقابل، در تولید بالا پایان، اپراتور می تواند اغلب بزرگترین ارزش را. در اینجا، مصنوعی هوش را می توان مطابق با نیازهای عوامل بالقوه به جای نتایج پیش بینی های قبلی، که دقت پیش بینی شده توسط 10-20٪ بهبود خواهد هدایت می شود. این بدان معنی است که هزینه های موجودی ممکن است توسط 5٪ کاهش می یابد، درآمد ممکن است 2-3٪ افزایش می دهد.
اگر چه استفاده از هوش مصنوعی را پوشش می دهد طیف گسترده ای از زمینه های کاربردی، اما در واقع، در این دو منطقه متقاطع برش - مدیریت زنجیره تامین / تولید و بازاریابی و فروش - ما معتقدیم که هوش مصنوعی می تواند بیشترین در صنایع مختلف بازی قدرت، حداقل در حال حاضر این است. با هم، ما برآورد این موارد استفاده از دو سوم از فرصت هوش مصنوعی یا بیشتر اختصاص داده است.
هوش مصنوعی 1.4 به 2.6 تریلیون دلار آمریکا ارزش در فروش و شرکت های بازاریابی در جهان ایجاد، می تواند در مدیریت زنجیره تامین و تولید (بخشی از ارزش ایجاد 1.2- 2 تریلیون $ در ارزش متعلق به این شرکت، همه بخشی از ارزش متعلق به مشتریان در تولید، بیشترین مقدار از هوش مصنوعی، استفاده از آن برای نگهداری پیش بینی شده است (حدود 0.5-0.7 تریلیون دلار در شرکت های جهانی). هوش مصنوعی می تواند صوتی و تصویری، از جمله صوتی و تصویری را اداره کند. مقدار زیادی از اطلاعات به این معنی است که می تواند به سرعت تشخیص ناهنجاری ها برای جلوگیری از عملکرد بدنی، چه صدای عجیب و غریبی از یک موتور هواپیما و یا خط خط مونتاژ که توسط یک سنسور شناسایی شده است.
راه دیگر برای قضاوت در مورد رهبران کسب و کار در به کارگیری از هوش مصنوعی که در آن است، در این بخش نگاه در حال حاضر با استفاده از روش های تحلیلی معمولی است. ما در بر داشت هوش مصنوعی به طوری که می توانید بیشترین پتانسیل موارد استفاده ارزش ایجاد می کنید، تکنولوژی شبکه های عصبی می تواند از تکنیک های تحلیلی موجود بهتر استفاده کند یا بینش ها و برنامه های کاربردی بیشتری را ایجاد کند. در تحقیق ما 69٪ از موارد استفاده هوش مصنوعی یکسان هستند.
تنها در 16٪ از موارد استفاده، ما قابل اجرا پیدا شده است به دیگر روش های تحلیلی، سبز، راه حل های بی اثر هوش مصنوعی محلی است. (با الگوریتم شایع تر می شود، تبدیل شدن آنها داده های مختلف مورد نیاز می شود امکان پذیر به آسانی در دسترس، عمق یادگیری تعداد موارد احتمالا به افزایش سرعت، و سبز، یادگیری عمیق را به خود اختصاص استفاده از موارد ممکن است به طور قابل توجهی بهبود یافته است، از فناوری یادگیری ماشینی پیشرفته تر نیز دارای پتانسیل برای تبدیل شدن بهتر و شایع تر است.)
حتی اگر ما را ببینید با استفاده از تکنولوژی هوش مصنوعی دارای پتانسیل اقتصادی، ما نیز محدودیت های هوش مصنوعی و موانع عملی به اجرای تشخیص دهد. به اندازه کافی بزرگ و به اندازه کافی مجموعه داده های جامع، به منظور دیدار با اشتها بزرگ برای یادگیری عمق داده های آموزشی، یک عمده چالش ها: مردم به طور فزاینده ای از استفاده از چنین اطلاعاتی نگران هستند، بنابراین این نیز یک چالش است که شرکت ها باید به آن پاسخ دهند. باید امنیت، حفظ حریم خصوصی و امکان برداشتن انحرافات انسانی به الگوریتم های هوش مصنوعی را مورد توجه قرار داد. در برخی از صنایع مانند مراقبت های بهداشتی و بیمه، شرکت ها باید سعی کنند نتایج تحلیلی هوش مصنوعی را به زبان ساده توضیح دهند: چرا این دستگاه به این پاسخ می رسد؟ خبر خوب این است که این فن آوری ها پیشرفت می کنند و شروع می شوند برخی از این محدودیت ها را حل کنید.
علاوه بر این محدودیت ها، شرکت ها ممکن است با اتخاذ هوش مصنوعی با چالش های دشوارتر مواجه شوند. تکنولوژی تسلط بر سطح جدیدی از تخصص نیاز دارد و فرایندها ممکن است مانع جدی برای پذیرش تکنولوژی شوند. باید یک پروسه نگهداری داده ها و فرایند حاکمیت قوی ایجاد کند و تمرکز بر «اولین کیلومتر» - چگونگی به دست آوردن و سازماندهی داده ها و تلاش ها - و آخرین سخت ترین مسأله، یعنی نحوه خروجی مدل هوش مصنوعی ادغام در کل جریان کاری، از مدیران آزمایشگاه های بالینی و مدیران فروش به خرید کارمندان.
اگرچه شرکت ها باید هنگام نصب هوش مصنوعی هوشمندانه و با دقت توجه داشته باشند، توجه به مقیاس فناوری و تاثیر مثبت آن بر کسب و کار، مصرف کننده و جامعه، ارزش تحقیق را دارد. این تعقیب ساده نیست، اما می تواند باشد یک مفهوم ساده را دنبال کنید: پول را دنبال کنید.