44
služby l podpora výroby
Umělá inteligence v praxi
Co byste měli zvážit na cestě od pilotního
projektu k produkčnímu nasazení
Pandemie zrychlila digitální transformaci v různých
oblastech podnikání o tři až čtyři roky, protože manažeři
byli nuceni investovat a digitálně modernizovat. S tím,
jak se manažeři snaží budovat své digitální platformy,
se umělá inteligence (AI) jeví jako skvělý nástroj pro
podniky, které chtějí zvýšit efektivitu, nabídnout něco
více zákazníkům, zvýšit příjmy a snížit náklady.
cloudu. Volba hybridní cloudové platformy s podporou Kubernetes a hardwarovou akcelerací, jako nabízí například Red
Hat OpenShift, může datovým vědcům,
vývojářům aplikací a ML inženýrům poskytnout rychlý a samoobslužný přístup ke
zdrojům při budování řešení AI.
V tento moment je třeba shromáždit
a připravit pro projekt správná aktuální
data a stanovit způsob, jakým budou vaší
architekturou proudit. Podniky shromažďují obrovská množství dat, takže vyčištěná a relevantní data umožní efektivní tvorbu a testování nových modelů AI. Vedle
shromáždění vhodných dat musí manažeři vytvořit odpovídající výpočetní úložiště
a hardwarové akcelerátory.
Automatizace a přístup
Jsme svědky toho, jak se umělá inteligence uplatňuje v mnoha odvětvích jako jsou
finanční služby a pojišťovnictví, telekomunikace, zdravotnictví a automobilový průmysl, přičemž největší dopad mají strategie umělé inteligence, které upřednostňují
lidi a procesy stejnou mírou jako technologie. Zde je pět klíčových námětů, které
pomohou podnikům získat co největší
hodnotu z jejich investic do AI.
Upřednostněte kvalitu
před kvantitou
d
Manažeři by si měli položit otázku, které
konkrétní operace by nejvíce získaly digitalizací nebo vylepšením pomocí AI, a poté vybrat jeden nebo dva projekty, na které se zaměří jako první. Například
poskytovatel zdravotní péče by mohl těžit
z vybudování řešení pro diagnostiku zdravotního stavu pacientů na základě dat, zatímco bankovní dům by mohl upřednostnit řešení pro odhalování podvodů při
transakcích kreditními kartami.
Tyto iniciativy by měly být řádně financovány, namísto toho, aby datové týmy
pouze experimentovaly s možnostmi. Pro
větší šanci na úspěch by se na výsledku
měly podílet všechny zúčastněné strany,
T+T T e c h n i k a a t r h 7 – 8 / 2 0 2 1
k čemuž přispěje financování iniciativy
stejně jako sdílení obchodních cílů projektu se zbytkem společnosti.
d
Do budoucna je nezbytné zvážit, jak automatizovat celý životní cyklus ML a kdo bude mít přístup k nástrojům a klíčovým pracovním postupům. Důležité je jmenovat
podnikového architekta nebo podobnou
osobu, která navrhne architekturu, a zajistit, aby příslušné týmy měly samoobslužným způsobem přístup k potřebným nástrojům MLOps (DevOps pro strojové
učení), což usnadní cestu k novému řešení.
Dedikujte kapacity a talenty
Měřte svůj úspěch
d
Jakmile je identifikován problém a nastíněny cíle projektu, musí manažeři obrátit
pozornost na svůj tým. Tento tým by měl
být okamžitě schopen využívat všechny nástroje a technologie potřebné k realizaci
projektu a s největší pravděpodobností
složen z vybraných analytiků, datových inženýrů, datových vědců, inženýrů zabývajících se strojovým učením (ML), vývojářů
a příslušných specialistů na provoz IT –
možná včetně partnerů softwarového
ekosystému pro AI. Je důležité zvážit interní programy zvyšování kvalifikace oproti
externím dodavatelům, protože i když projekt může být krátkodobý, jeho využití bude s největší pravděpodobností dlouhodobé. Na začátku je třeba zvážit také
změny procesů v oblasti provozu a řízení.
Nastavení rozsahu
d
Strategie hybridního cloudu pomáhá zajistit konzistenci a flexibilitu při škálování
a správě pracovních úloh v prostředí datového centra, na okrajích sítě a ve veřejném
d
Na začátku vývoje strategie pro AI by měly být stanoveny hmatatelné metriky a kritéria úspěchu, aby bylo po celou dobu zajištěno správné zaměření projektu. Týmy
se musí ujistit, že strojově vytvořená doporučení jsou přesná a vysvětlitelná. To
slouží k legitimizaci výsledků a poskytuje
cenné ověřovací body. Schopnost prokázat návratnost investic do projektu může
pomoci podpořit jeho další rozšíření.
Převeďte teorii do praxe
d
Umělá inteligence má velký potenciál
změnit průmyslová odvětví, celé společnosti i životy lidí. Manažeři podniků, kteří
chtějí využít nově vznikající příležitosti
v souvislosti s vývojem této technologie,
by měli přijmout strategii „navrhnout pilotní projekt, ověřit, rozšířit”, která na tuto
cestu přivede celou jejich společnost. p
Abhinav Joshi
Autor článku je ředitelem pro strategii a zavádění AI
na trh ve společnosti Red Hat.