Los siguientes son los principales contenidos del artículo: Aunque la popularidad general de AI en la empresa sigue siendo baja (alrededor de 20% en nuestro último estudio), pero los ejecutivos saben que Ai no es sólo bombo. las organizaciones de diversas industrias están observando la tecnología de cerca para ver lo que hace a su negocio. deberían hacer lo mismo, y estimamos el 40% del valor potencial de la tecnología analítica en la actualidad proviene de tecnologías de inteligencia artificial llamadas "aprendizaje profundo" (utilizando redes neuronales artificiales multicapa).
En general, estimamos que el valor del aprendizaje de profundidad puede ser entre 3,5 billones y 5,8 billones dólares al año. Sin embargo, muchos líderes empresariales todavía no están seguros de dónde deben aplicar la inteligencia artificial para obtener el máximo rendimiento.
Después de todo, poner la inteligencia artificial en todo el negocio requiere una enorme inversión en la contratación y mejora de la pila de tecnología, así como las iniciativas de cambio radical para asegurar que la inteligencia artificial puede ofrecer un valor sustancial, ya sea para ayudar a tomar mejores decisiones, o para mejorar las aplicaciones que enfrentan los consumidores.
A través de un estudio detallado de más de 400 casos de inteligencia artificial en 19 industrias y 9 funciones de negocios, nos parece más apropiado responder a la pregunta de dónde desplegar AI en un viejo adagio: "sigue el dinero". Las áreas de negocio que tradicionalmente traen el mayor valor a la compañía son a menudo las áreas donde la inteligencia artificial puede tener el mayor impacto. Por ejemplo, en una organización minorista, el marketing y las ventas a menudo aportan un gran valor. Nuestra investigación muestra que las ventas incrementales de los minoristas de la entidad aumentan 1-2% utilizando inteligencia artificial para promociones personalizadas sólo en los datos del cliente. Por el contrario, en la fabricación de alta gama, las operaciones a menudo traen el mayor valor. Aquí, AI puede predecir los potenciales factores causantes de la demanda en lugar de los resultados anteriores, aumentando así la precisión predictiva 10-20%.
Esto significa que los costos de inventario pueden reducirse en un 5% y los ingresos pueden aumentar 2-3%. Aunque la aplicación de la inteligencia artificial cubre una amplia gama de áreas funcionales, de hecho, en estas dos áreas transversales-gestión de la cadena de suministro/fabricación y comercialización y ventas-creemos que AI puede desempeñar el mayor poder en varias industrias, al menos por ahora.
En combinación, estimamos que estos casos de uso representan más de dos tercios de las oportunidades totales de AI. La inteligencia artificial puede crear un valor de 1.4-2.6 trillones de dólares en comercialización y ventas de negocios globales, creando 1,2-a-2 billones valor en dólares en la gerencia y la fabricación de la cadena de suministro (algún valor es poseído por la empresa y algún valor es poseído por el cliente). En la fabricación, el mayor valor de la inteligencia artificial proviene de usarlo para el mantenimiento predictivo (creando alrededor de 0.5-700 billones de dólares en negocios en todo el mundo).
AI puede manejar una gran cantidad de datos, incluyendo audio y video, lo que significa que puede identificar rápidamente anomalías para evitar fallas, ya sea un sonido extraño de un motor de avión o una falla de línea de ensamblaje que el sensor detecte. Otra manera para que los líderes empresariales determinen dónde implementar AI es mirar los sectores funcionales que ya están utilizando las técnicas analíticas tradicionales. Hemos encontrado que en casos de uso donde AI puede crear el mayor valor potencial, la tecnología de redes neurales puede funcionar mejor que las técnicas analíticas existentes o generar nuevas perspectivas y aplicaciones.
En nuestro estudio, el 69% de los casos de uso de Ia son iguales. En sólo 16% casos de uso, encontramos la solución ' Greenfield ' de inteligencia artificial para lugares donde otras técnicas analíticas no tienen ningún efecto.
(a medida que el algoritmo se vuelve más genérico, la variedad de datos que necesitan para estar disponibles se vuelve más fácilmente disponible, y el número de casos de aprendizaje de profundidad puede aumentar rápidamente, mientras que los casos de aprendizaje de profundidad ' Greenfield ' pueden no aumentar significativamente, a medida que las técnicas de aprendizaje de máquinas más maduras también tienen el potencial de ser mejores y más comunes. Incluso si vemos el potencial económico del uso de la tecnología de inteligencia artificial, reconocemos los obstáculos prácticos y las limitaciones de la implementación de la inteligencia artificial. Es un reto importante conseguir un amplio y amplio conjunto de datos para satisfacer el gran apetito de formación de datos en profundidad de aprendizaje. También hay creciente preocupación acerca de cómo se utilizan estos datos, por lo que es también un desafío para las empresas a abordar, la seguridad, la privacidad y la posibilidad de pasar sesgos humanos a los algoritmos de inteligencia artificial que necesitan ser abordados.
En algunas industrias, como la salud y el seguro, las empresas también deben tratar de explicar a la estructura regulatoria en un lenguaje sencillo los resultados del análisis de inteligencia artificial: ¿por qué esta máquina viene con esta respuesta? la buena noticia es que estas tecnologías están progresando en sí mismas y están comenzando a abordar algunas de estas limitaciones. Además de estas limitaciones, las empresas pueden enfrentar desafíos más difíciles en la organización de organizaciones al adoptar la inteligencia artificial. Dominar la tecnología requiere nuevos niveles de experiencia, y los procesos pueden ser un obstáculo importante para la adopción exitosa de la tecnología.
Las empresas tendrán que desarrollar un sólido proceso de mantenimiento de datos y gobernanza, y se centran en el ' primer kilómetro '-Cómo obtener y organizar los datos y el esfuerzo-y más difícil ' última milla ', cómo integrar la producción de modelos AI en todo el flujo de trabajo, desde los gerentes de ensayos clínicos y gerentes de ventas para el personal de adquisiciones. Si bien las empresas deben estar vigilantes y responsables al desplegar la inteligencia artificial, vale la pena estudiar a la luz de la escala de la tecnología y su impacto benéfico en las empresas, los consumidores y la sociedad.
Esta persecución no es simple, pero puedes empezar por seguir un concepto simple: sigue el dinero. Las aplicaciones comerciales de la inteligencia artificial se centrarán en dos áreas