Recommandé par Xinzhiyuan

Source : AI Frontline Éditeur : Emily

Auteur : MIT Sloan Management Review

Nouveau guide Zhiyuan L'intelligence artificielle est évidemment devenue l'un des sujets les plus brûlants en 2017, et de plus en plus d'entreprises ont commencé à prêter attention et à explorer les pratiques connexes de l'intelligence artificielle. Afin de comprendre la mise en uvre de l'intelligence artificielle dans le monde, la revue bien connue "MIT Sloan Management Review" a mené une série d'analyses et d'enquêtes, et a produit un rapport annuel. Cet article vise à fournir aux lecteurs un aperçu des plans de développement et de l'état actuel de l'IA dans les entreprises mondiales. Bien sûr, ce rapport n'est pas basé sur des conjectures et des prédictions, mais sur des données d'enquête fiables, menées par le MIT Sloan auprès de plus de 3000 cadres et analystes de diverses industries à travers le monde, ainsi que de 30 experts et cadres de l'industrie. -des entretiens approfondis et conclu ce rapport sur la commercialisation de l'IA.

MIT Sloan Management Review (MIT Sloan Management Review) est publié par la célèbre MIT Sloan School of Management. C'est également l'une des dix meilleures revues de gestion générale au monde. Outil essentiel.

Ce qui suit fait partie du rapport :

Aperçu:

Il y a un gouffre énorme entre la vision et la réalité d'une entreprise. Le rapport montre que les trois quarts des managers pensent que l'IA aidera les entreprises à pénétrer de nouveaux secteurs d'activité, et près de 85 % des personnes interrogées pensent que l'IA aidera les entreprises à acquérir ou à conserver un avantage concurrentiel. Cependant, seulement 1 entreprise sur 5 a maintenant adopté des technologies liées à l'IA dans un produit ou un service. Seule 1 entreprise sur 20 a adopté l'IA à grande échelle, et moins de 39 % ont adopté l'IA comme stratégie d'entreprise. Les grandes entreprises de plus de 100000 employés déclarent avoir l'intention de développer une stratégie d'IA, mais seulement la moitié d'entre elles ont réellement une stratégie d'IA en place.

Notre enquête a révélé qu'il existe un énorme fossé entre les entreprises qui ont compris et adopté l'IA, les pionniers et les retardataires. L'une des différences considérables est la manière dont les données sont obtenues. Les algorithmes d'IA ne sont pas intrinsèquement "intelligents", ils ne deviennent "plus intelligents" qu'en analysant constamment les données. Bien que la plupart des dirigeants d'entreprise soient très intéressés par l'IA et aient mis en place une architecture de données solide, de nombreuses entreprises manquent encore d'expérience dans l'analyse des données ou l'accès aux données. Notre rapport révèle certaines idées fausses sur les ressources nécessaires à la formation en IA. Les entreprises pionnières ont non seulement une meilleure compréhension des ressources nécessaires à la formation en IA que les entreprises à la traîne, mais sont également plus enclines à soutenir davantage le développement de l'IA au niveau de la prise de décision du leadership et de la mise en uvre commerciale de l'IA.

À propos du rapport :

Pour comprendre les défis et les opportunités liés à l'IA, la MIT Sloan School of Management et le Boston Consulting Group ont collaboré à une enquête annuelle auprès de plus de 3000 cadres, managers et professionnels de l'analyse d'entreprises et d'organisations du monde entier.

L'enquête, menée au printemps 2017, a recueilli les points de vue des dirigeants sur l'IA de 21 industries, 112 pays, et des entreprises et organisations de toutes tailles. Parmi eux, plus des deux tiers des répondants venaient de pays et de régions autres que les États-Unis, et l'échantillon provenait de diverses sources, y compris des lecteurs de la MIT Sloan School of Management Review et d'autres groupes.

De plus, nous avons complété notre compréhension des données par des entretiens avec des dirigeants de divers secteurs et universités pour comprendre les véritables problèmes auxquels sont confrontées les entreprises aujourd'hui.

Dans ce rapport, nous utilisons la définition d'"intelligence artificielle" du dictionnaire Oxford : "L'IA est la capacité des systèmes informatiques à effectuer des tâches qui nécessitent normalement l'intelligence humaine, telles que la perception visuelle, la reconnaissance de la parole, la prise de décision, la traduction linguistique." Cependant , Avec le développement de l'IA, la compréhension et la définition de l'IA par les gens changent constamment.

L'IA en action

L'IA aura un impact sur les pratiques de gestion et d'organisation. De nombreuses entreprises et organisations utilisent déjà différents modèles d'IA, mais la flexibilité reste au cur de tous les modèles. Pour les grandes entreprises, accomplir le changement culturel requis pour appliquer l'IA sera une tâche ardue, selon certains gestionnaires.

Nos répondants étaient plus optimistes à propos de l'IA que ceux susceptibles de perdre leur emploi à cause de l'IA, et la plupart de leurs managers ne pensaient pas que l'IA entraînerait des licenciements massifs dans leurs entreprises au cours des cinq prochaines années. Au lieu de cela, ils espèrent que l'IA remplacera les humains par des tâches ennuyeuses et désagréables.

Airbus (Airbus) est une société européenne de fabrication d'avions civils dont le siège est à Blagnac, en France. Alors qu'Airbus commençait à accélérer la production de son avion A350 (un nouveau produit), la société était confrontée à des problèmes de financement. Selon les mots de Matthew Evans (vice-président d'une société de transformation numérique basée à Toulouse, France) : "Notre plan est d'augmenter la productivité des avions à un rythme sans précédent. Pour ce faire, nous devons remédier aux défaillances courantes telles que la réponse rapide à la question des interruptions de production."

À cette fin, Airbus s'est tourné vers l'intelligence artificielle pour combiner les données de planification de production passées avec les entrées continues du programme A350, la correspondance floue et les algorithmes d'auto-apprentissage pour identifier des modèles de problèmes de production. Dans certaines régions, le système peut correspondre à jusqu'à 70 % des solutions d'interruption de production précédemment utilisées en temps quasi réel. Evans décrit comment l'IA permet à l'ensemble de la gamme Airbus d'apprendre rapidement et de relever les défis commerciaux :

"Ce que fait le système est essentiellement d'examiner la description du problème, de comprendre toutes les informations contextuelles, puis de les faire correspondre à la description du problème lui-même, puis de faire des recommandations à l'utilisateur. Bien que cela puisse être un nouveau problème pour le système, vous peut avoir eu un problème similaire sur la ligne il y a une semaine, ou sur une autre équipe ou partie de la ligne. Cela nous a permis de réduire de plus d'un tiers le temps nécessaire pour traiter les interruptions de production », a déclaré Evans.

L'utilisation de l'intelligence artificielle permet à Airbus de résoudre les problèmes commerciaux plus rapidement et plus efficacement (par exemple, l'analyse de causalité de centaines, voire de milliers de cas au lieu du travail humain).

Tout comme l'IA a amélioré la rapidité et l'efficacité des processus commerciaux d'Airbus, d'autres organisations qui ont appliqué l'IA ont également été les premières à proposer des processus plus récents et plus performants.De grandes entreprises telles que BP, Infosys, Wells, Fargo et Ping An Insurance utilisent déjà l'IA. problèmes commerciaux importants. Cependant, il existe encore d'autres organisations qui n'ont pas encore commencé à adopter l'IA.

Des attentes élevées pour l'IA dans tous les secteurs

Les entreprises de tous les secteurs, tailles et zones géographiques ont des attentes élevées en matière d'IA. Alors que la plupart des dirigeants n'ont pas encore vu d'impact matériel de l'IA, ils s'attendent clairement à le voir dans les cinq prochaines années. Dans toutes les organisations, seuls 14 % des répondants pensent que l'IA a actuellement un impact important (très important ou énorme) sur les produits de leur organisation. Cependant, 63% des répondants ont déclaré espérer voir des résultats dans les cinq prochaines années.

Figure 1 : Les attentes de l'industrie concernant l'impact que l'IA aura sur les produits d'entreprise au cours des cinq prochaines années continuent de croître

Figure 2 : Prédictions du secteur concernant l'impact de l'adoption de l'IA sur les flux de travail

L'intelligence artificielle aura un impact sur les produits des entreprises, et l'industrie dans son ensemble a de grandes attentes. (Voir Figure 1) Dans l'industrie de la technologie, des médias et des télécommunications, 72 % des personnes interrogées s'attendent à ce que l'IA ait un impact plus important au cours des cinq prochaines années, par rapport aux personnes interrogées qui pensent actuellement que l'IA aura un impact plus important sur les entreprises dans le rapport. le nombre de visiteurs était supérieur de 52 %. Cependant, même dans le secteur public (l'industrie avec les attentes globales les plus faibles concernant les effets de l'IA), 41 % des personnes interrogées s'attendent à ce que l'impact massif de l'IA soit 30 % supérieur aux niveaux actuels d'ici cinq ans. Les organisations de toutes tailles et de toutes régions sont optimistes sur l'IA.

Au sein des organisations, les répondants s'attendent également à ce que l'IA ait un impact énorme sur les processus. 15 % des personnes interrogées ont déclaré que l'IA avait un impact important sur les processus actuels, et plus de 59 % s'attendent à un impact important d'ici cinq ans. (Voir Figure 2) La plupart des organisations s'attendent à ce que l'IA ait un impact considérable sur les technologies de l'information, les opérations et la fabrication, la gestion de la chaîne d'approvisionnement et les activités en contact avec les clients. (Figure 3) Par exemple :

Industrie des technologies de l'information : Les prestataires d'externalisation des processus métier sont un exemple qui peut démontrer le potentiel de l'intelligence artificielle. « Infosys joue un rôle central dans l'industrie des services informatiques, qui a connu une croissance rapide au cours des 20 dernières années environ », a déclaré Vishal Sikka 1, PDG et directeur général d'Infosys. les coûts sont plus mécaniques : administration des systèmes, gestion informatique, exploitation commerciale, certification. Avec le développement de la technologie de l'IA, nos systèmes peuvent effectuer ces tâches à la place des humains. Bien que nous n'en soyons qu'aux premières étapes du travail, dans quelques années, le système sera en mesure de faire la plupart, sinon la totalité, de ce travail. Cependant, la technologie de l'IA peut accomplir des tâches qui existent actuellement avec une division claire du travail, et elle peut également créer de nouveaux emplois révolutionnaires qui n'existent pas. "

Industries les plus touchées

Figure 3 : La plupart des entreprises s'attendent à ce que l'IA ait un impact considérable sur l'informatique, les opérations et les industries en contact direct avec les consommateurs

Opérations et fabrication : Les dirigeants industriels s'attendent à ce que l'IA ait le plus grand impact sur les opérations et la fabrication. Par exemple, BP plc utilise l'intelligence artificielle pour renforcer les compétences humaines afin d'améliorer les opérations sur le terrain. Ahmed Hashmi, responsable mondial de Upstream Technology, a déclaré : "Nous avons un 'poste' d'IA pour BP Drilling Consultants, qui extrait les données des systèmes de forage, conseille les ingénieurs sur l'ajustement des paramètres pour les zones de forage optimales et les alerte des anomalies opérationnelles potentielles et Nous essayons d'analyser automatiquement les raisons de l'échec et d'entraîner le système à faire des évaluations rapides et à faire des prédictions basées sur des descriptions.

Entreprise orientée client : le deuxième assureur chinois, Ping An Insurance Co., Ltd. (deuxième assureur chinois), avec une capitalisation boursière de 120 milliards de dollars, utilise l'IA pour améliorer son portefeuille d'assurances et de services financiers afin de fournir aux clients meilleur service. Par exemple, Ping An peut désormais fournir des prêts en ligne en moins de trois minutes, en partie grâce à un outil de notation client développé en interne basé sur la reconnaissance faciale qui est plus précis que les humains. L'outil, qui a vérifié les visages de plus de 300 millions de personnes à diverses fins, complète les capacités d'IA cognitive de Ping An, y compris la reconnaissance de la parole et des images.

Opportunités et risques de l'adoption de l'IA

Figure 4 : Plus de 80 % des organisations considèrent l'IA comme une opportunité stratégique, près de 40 % la voient comme un risque stratégique

Bien que les dirigeants aient des attentes élevées pour l'IA, ils reconnaissent également ses risques potentiels. Sikka est optimiste mais prudent à propos de l'IA : "A partir de 1956, en regardant l'histoire de l'IA, nous constaterons que le développement de l'IA a connu des hauts et des bas, et maintenant nous sommes dans une ère de développement rapide de l'IA. Les deux semblent annoncer une période de développement rapide de l'IA. » Plus de 80 % des cadres interrogés visent ce pic, considérant l'IA comme une opportunité stratégique. (Voir Figure 4) En fait, 50 % des répondants ne voient l'IA que comme une opportunité. D'autres voient le potentiel d'une concurrence accrue de l'IA, ainsi que les risques et les avantages qui en découleront. De plus, 40 % des managers considèrent l'IA comme un risque stratégique. Et seulement 13 % des personnes interrogées ne considèrent l'IA ni comme une opportunité ni comme un risque.

Qu'y a-t-il derrière les attentes élevées et l'intérêt pour la commercialisation de l'IA ? Nous n'avons pas d'explication simple. (Voir Figure 5) La majorité des personnes interrogées pensent que l'IA sera bénéfique pour l'organisation, par exemple en attirant de nouvelles affaires ou en réduisant les coûts ; 84 % pensent que l'IA permettra à leur organisation d'acquérir ou de conserver un avantage concurrentiel. Les trois quarts des managers pensent que l'IA les mènera vers de nouveaux domaines d'activité.

Dans le même temps, les dirigeants réalisent que leurs organisations ne peuvent pas être les seules bénéficiaires de l'IA. Les répondants s'attendent à ce que les nouveaux entrants et les entrants soient également susceptibles d'en bénéficier. Les trois quarts des répondants s'attendent à ce que de nouveaux concurrents entrent sur le marché grâce à l'IA, tandis que 69 % s'attendent à ce que les concurrents actuels adoptent l'IA dans leurs entreprises. De plus, ils se rendent compte que les fournisseurs et les clients de leur écosystème commercial s'attendront de plus en plus à ce qu'ils soient en mesure de fournir des services utilisant l'IA.

Différences dans l'adoption et la compréhension de l'IA

Malgré les attentes élevées en matière d'IA, le développement d'applications commerciales en est encore à ses balbutiements et il existe un énorme écart entre les attentes et les actions. Alors que quatre dirigeants sur cinq identifient l'IA comme une opportunité stratégique pour eux, seule une organisation sur cinq a adopté l'IA dans certains produits et processus. Seule 1 entreprise sur 20 a largement introduit l'IA dans ses produits ou processus. (Voir Figure 6)

Raisons d'adopter l'IA

Figure 5 : Les organisations s'attendent à un avantage concurrentiel grâce à l'adoption de l'IA, mais les concurrents s'y joignent

Figure 6 : Actuellement, seule une entreprise sur quatre a adopté la technologie de l'IA

La variabilité de l'adoption de l'IA parmi les organisations est frappante, en particulier au sein d'un même secteur. Par exemple, Ping An, qui compte 110 spécialistes des données, a déployé une trentaine d'initiatives d'IA initiées par les PDG, en partie en réponse au mantra selon lequel "la technologie est le principal moteur de la croissance rapide de l'entreprise en 2018", a déclaré Jonathan. Larsen, directeur de l'innovation chez Ping An. a déclaré. Cependant, contrairement au reste du secteur de l'assurance, les initiatives d'IA dans d'autres grandes entreprises se sont limitées à des "essais de produits de chatbot." C'est ainsi que les dirigeants de la grande compagnie d'assurance décrivent les projets d'IA de leur entreprise.

De plus, le rapport montre que la compréhension de l'IA par les entreprises est également très différente. Par exemple, 16 % des répondants ont convenu que les entreprises comprennent les coûts de développement de produits et services liés à l'IA. Cependant, 17 % des répondants ont déclaré que leur organisation ne comprenait pas les coûts associés. De même, 19 % des personnes interrogées pensent que leur organisation comprend la saisie de données requise pour former l'IA, tandis que 16 % ne sont pas d'accord.

En fonction du niveau de compréhension et d'adoption de l'IA, la maturité de l'entreprise peut être divisée en quatre types : pionnier, chercheur, expérimentateur et passif.

• Pionnier (19 %) : organisations qui comprennent et adoptent l'IA. Ces organisations ouvrent la voie en intégrant l'IA dans leurs produits organisationnels et leurs processus internes.

• Chercheurs (32 %) : connaissent l'IA, mais uniquement dans les organisations qui expérimentent l'IA. Ces organisations ont une vision prospective de l'IA.

• Expérimentateurs (13%) : organisations pilotant l'IA mais manquant d'une compréhension approfondie de celle-ci. Ces organisations apprennent l'IA par la pratique.

• Négatif (36 %) : organisations qui n'adoptent pas ou ne comprennent pas l'IA.

Maintenant que les entreprises ont des attentes aussi élevées en matière d'IA, qu'est-ce qui les empêche d'adopter l'IA ? Même dans un secteur qui a toujours eu pour objectif d'intégrer de nouvelles technologies et de gérer les données, les obstacles au déploiement de l'IA peuvent être difficiles à surmonter. Dans les services financiers, par exemple, Simon Smiles, directeur des investissements chez UBS, l'a expliqué ainsi : "Les grandes institutions financières font un usage plus agressif de la technologie (y compris l'intelligence artificielle) et des données dans leur entreprise. Le potentiel de fournir aux utilisateurs finaux des une meilleure expérience client, c'est énorme. Mais la question est de savoir si ces institutions traditionnelles sauront réellement saisir l'opportunité.» Saisir l'opportunité présentée par l'intelligence artificielle nécessite un engagement organisationnel, et l'inévitable défi de l'intelligence.

Cependant, les raisons de ces différences sont moins liées à des limitations techniques qu'à des raisons commerciales. Dans l'ensemble, les répondants ont cité des priorités d'investissement concurrentes et des analyses de rentabilisation peu claires comme des obstacles majeurs au déploiement de l'IA, avant les obstacles techniques. Evans d'Airbus souligne la principale différence : " Strictement parlant, nous n'investissons pas dans l'intelligence artificielle, le traitement du langage naturel et l'analyse d'images. Au lieu de cela, nous investissons dans la résolution de problèmes commerciaux spécifiques. " Parce que cela résout un problème commercial ; investir dans L'IA a plus de sens que d'investir dans d'autres directions.

Selon Smiles d'UBS, les défis pour les organisations varient. Quant aux grandes entreprises et aux startups fintech, il a déclaré : « Il y a une énorme différence entre les premières suffisamment grandes pour développer de plus grandes plateformes, et les secondes ayant un modèle plus avancé mais manquant de clients et de données pertinentes pour tirer le meilleur parti de cette opportunité. . » Des différences comme celle-ci entraînent des différences dans les taux d'adoption de l'IA entre les organisations.

Figure 7 : Les pionniers adoptent l'IA, tandis que les négatifs ne comprennent pas l'IA

Obstacles à l'adoption de l'IA

Les différents types d'organisations auxquelles ces organisations sont confrontées indiquent qu'elles sont confrontées à différents obstacles à l'adoption de l'IA, ce qui à son tour affecte les taux d'adoption de l'IA. (Voir la figure 6.) Les organisations pionnières ont surmonté les problèmes de compréhension : les trois quarts de ces entreprises ont déjà une analyse de rentabilisation de l'IA dans la pratique. Le plus grand obstacle auquel sont confrontés les cadres supérieurs qui dirigent le programme d'IA d'une organisation est de trouver des talents en IA et d'obtenir des investissements prioritaires, et ils sont également plus réceptifs aux implications de l'IA en matière de sécurité. En revanche, les organisations passives n'ont pas encore reconnu ce que l'IA peut faire pour elles, ni identifié un cas de pratique commerciale qui réponde à leurs critères d'investissement. Le manque de leadership sur les initiatives d'IA, la technologie est également un obstacle, et de nombreuses personnes ne sont même pas conscientes des difficultés auxquelles elles seront confrontées pour trouver des talents et des experts en IA.

Il existe d'énormes différences dans la compréhension de l'IA entre les différents types d'organisations.

• Potentiel commercial : l'IA a le potentiel de changer la façon dont les organisations créent de la valeur commerciale. Le rapport montre que les organisations pionnières (91 %) et de recherche (90 %) sont plus conscientes de l'impact de l'IA sur les entreprises que les organisations expérimentales (32 %) et négatives (23 %). Evans d'Airbus a déclaré: "Nous essayons simplement de résoudre le problème de service du produit aéronautique."

• Impact sur le lieu de travail : La combinaison des capacités humaines et de la machine sur le lieu de travail est aujourd'hui une priorité absolue. L'intelligence artificielle a considérablement modifié l'environnement de travail quotidien. Les organisations de pionniers et de chercheurs sont mieux à même de réaliser que les machines sur le lieu de travail modifieront le comportement au sein de l'organisation. Julie Shah, professeure agrégée d'aéronautique au MIT, a déclaré : "Même si vous pouvez développer un système pour une tâche (actuellement effectuée par des humains), à moins que le processus ne nécessite aucun travail humain, de nouveaux problèmes surgiront car les humains sont essentiels pour coordonner le travail et aider à la communication entre les systèmes d'IA, de tels problèmes de communication sont encore difficiles à résoudre.

Environnement de l'industrie

Les entreprises opèrent selon les règles et les environnements de l'industrie ; les répondants aux expérimentateurs et aux passifs ne sentent pas à quel point l'IA aura un impact sur l'écosystème de l'industrie.

Exigences en matière de données, de formation et d'algorithmes

Figure 8 : Différents types d'organisations ont différents niveaux de compréhension des technologies et des environnements commerciaux liés à l'IA

La plus grande différence entre les quatre types d'organisations est peut-être leur compréhension biaisée de l'indépendance entre les données et les algorithmes d'IA. Les pionniers ont 12 fois, 10 fois et 8 fois plus de compréhension du processus d'algorithme de formation, du coût de développement des services de produits d'IA et des données nécessaires pour former l'algorithme, respectivement, que les organisations passives. (Voir Figure 8)

La plupart des organisations interrogées ignoraient la nécessité de former des algorithmes d'IA sur leurs données pour résoudre des problèmes similaires à ceux rencontrés par Airbus dans l'application de l'IA. Moins de la moitié des répondants ont déclaré que leur organisation comprenait le processus de formation des algorithmes et les besoins en données des algorithmes.

L'IA génère de la valeur commerciale, qui est directement liée à la formation efficace des algorithmes d'IA. De nombreuses applications d'IA existantes commencent par un ou plusieurs algorithmes "nus" qui ne deviennent intelligents qu'après avoir été formés (principalement sur des données spécifiques à l'entreprise). Une formation réussie dépend d'un système d'information bien développé qui rassemble des données de formation pertinentes. De nombreuses organisations pionnières disposent déjà d'infrastructures de données et d'analyse robustes associées à une large compréhension de ce qui est nécessaire pour développer des données algorithmiques d'IA. En revanche, les groupes de chercheurs et d'expérimentateurs sont en proie à un «silo de données» avec peu d'expérience analytique. Plus de la moitié des organisations pionnières investissent massivement dans les données et la formation, mais d'autres types d'organisations investissent très peu dans ce domaine. Par exemple, seul un quart des organisations de chercheurs ont réalisé des investissements importants dans la technologie de l'IA, les données nécessaires pour former les algorithmes d'IA et le processus de formation.

Idées fausses sur les données de l'IA

Nos recherches montrent que de nombreuses organisations ont des idées fausses sur les données. L'une des idées fausses est que des algorithmes d'IA complexes peuvent à eux seuls fournir des solutions commerciales précieuses sans suffisamment de données. Le directeur de la science des données de Microsoft, Jacob Spoelstra, a déclaré :

"Je pense que c'est assez immature de la compréhension des gens de ce qui peut être fait avec l'apprentissage automatique. Une idée fausse courante est que certaines entreprises n'ont pas les données historiques dont elles peuvent extraire des algorithmes pour faire des prédictions. Par exemple, ils demandent Nous avons construit un prédictif solution de maintenance pour eux, mais nous avons trouvé très peu de pannes documentées. Ils voulaient que l'IA puisse prédire quand une panne se produirait sans données d'apprentissage », a déclaré Jacob.

Aucun algorithme unique ne peut pallier le manque de données. Ceci est particulièrement important car toutes les entreprises se tournent vers l'IA pour apporter des avancées à leurs activités frontalières.

Leur méconnaissance des erreurs de données : les résultats positifs seuls ne suffisent pas à entraîner l'IA. Citrine Informatics est une plate-forme d'IA qui aide à accélérer le développement de produits, en utilisant des données d'expériences publiques (expériences réussies) et pour des expériences publiques (y compris des expériences ratées) fournies par des instituts de recherche pertinents. Bryce Meredig, co-fondateur et scientifique en chef de Citrine, a déclaré : "Les données d'échec ne sont presque jamais publiées, mais un corpus de résultats négatifs est essentiel pour construire une base de données impartiale. Avec cette approche, Citrine peut réduire de moitié le temps de développement, pour répondre besoins d'application spécifiques.

Parfois, des algorithmes complexes peuvent surmonter l'obstacle des données limitées si la qualité des données est suffisamment bonne, mais de mauvaises données ne peuvent que conduire à la paralysie des algorithmes. La collecte et la préparation des données sont souvent les activités qui prennent le plus de temps dans le développement d'applications pour l'IA, beaucoup plus de temps que la sélection et le réglage des modèles. Comme l'a dit Evans d'Airbus :

"La possibilité de réutiliser les ressources de projets précédemment construits leur permet de travailler plus efficacement à moindre coût, en ajoutant plus de valeur et plus de contenu métier au lac de données."

Les organisations pionnières comprennent la valeur de leur infrastructure de données pour les algorithmes d'IA.

De plus, les entreprises croient parfois à tort qu'elles ont déjà accès aux données sur lesquelles les algorithmes d'IA sont construits. La propriété des données est une question épineuse pour les gestionnaires de l'industrie. Certaines données appartiennent à des entreprises et il semble y avoir peu de raisons pour qu'elles les partagent. Alors que d'autres sources de données sont dispersées, afin d'obtenir des données plus complètes pour la formation des systèmes d'IA, elles doivent s'intégrer à plusieurs autres organisations et conclure des accords. Dans d'autres cas, la propriété des données importantes peut être incertaine ou contestée. Tirer de la valeur commerciale de l'IA est possible en théorie, mais difficile à réaliser en pratique.

Même si une organisation dispose des données dont elle a besoin, la fragmentation entre plusieurs systèmes peut entraver le processus de formation des algorithmes d'IA. Agus Sudjianto, vice-président exécutif des modèles de risque d'entreprise chez Wells Fargo, l'a expliqué ainsi :

Une grande partie de notre travail consiste à traiter des données non structurées (telles que l'exploration de texte) et à analyser de grands volumes de données transactionnelles, à examiner des modèles et à améliorer en permanence l'expérience client et la prise de décision dans des domaines tels que l'exploration client, l'approbation de crédit, et la détection de la criminalité financière. Dans tous ces domaines, il existe de grandes opportunités d'appliquer l'IA, mais dans une très grande organisation, les données sont souvent fragmentées. C'est le problème central que les grandes entreprises doivent résoudre : la gestion stratégique des données.

Construire vs Acheter

La nécessité de former des algorithmes d'IA avec les bonnes données a un impact important sur la décision d'une entreprise de construire ou d'acheter un système lorsqu'elle est confrontée à des investissements technologiques. L'IA générer de la valeur est une chose beaucoup plus complexe que simplement construire ou acheter de l'IA. La formation d'un algorithme d'IA implique une variété de compétences, notamment comprendre comment construire un algorithme, comment collecter et intégrer des données pertinentes pour la formation et comment superviser la formation d'un algorithme. "Nous devons faire venir des personnes de différentes disciplines. Bien sûr, nous avons besoin de chercheurs en apprentissage automatique et en IA", a déclaré Sudjianto. "Les personnes qui peuvent diriger des projets d'IA sont très importantes."

Les organisations pionnières comptent beaucoup sur l'amélioration des compétences de leur personnel en formant ou en embauchant des talents. Les organisations ayant une mauvaise compréhension de l'IA et inexpérimentées ont tendance à externaliser les activités liées à l'IA, mais un tel modèle est intrinsèquement problématique. (Voir Figure 9)

Figure 9 : Les organisations pionnières acquièrent des compétences liées à l'IA grâce à la formation et au recrutement, tandis que les organisations passives s'appuient davantage sur des ressources externalisées

Le CIO d'une grande société pharmaceutique estime que le niveau des produits et services fournis par les fournisseurs de services d'IA est comme des "enfants". Il a exprimé sa déception face à l'énorme quantité de données d'apprentissage que les fournisseurs de technologies d'IA ont exigées pour former l'IA à l'intelligence des jeunes de 17 et 18 ans.

Afin d'obtenir des fonctions similaires de gestion informatique, de nombreuses entreprises choisissent d'externaliser l'ensemble du processus. Bien sûr, même si ces emplois sont externalisés, ils ont également besoin de leurs propres employés pour comprendre comment résoudre les problèmes, traiter les données et être conscients des opportunités qui se présentent.

"Il y a cinq ans, nous pouvions externaliser la main-d'uvre à moindre coût pour faire ce genre de travail, et le fournisseur pouvait automatiser le travail, mais souvent nos systèmes utilisaient notre cadre, mais leur technologie. L'approche n'est évidemment pas adaptée aux besoins spécifiques et coeur de métier de l'entreprise.

Selon Eric Horvitz, directeur de Microsoft Research, "Il existe déjà de nombreux bons algorithmes et outils d'IA sur le marché, notamment TensorFlow de Google, GitHub et des interfaces de programmation d'applications de fournisseurs de technologies. Cependant, comme il s'agit d'un domaine hautement concurrentiel, bien que les outils et les services fournis par le monde extérieur deviennent de plus en plus pratiques, cela ne signifie pas que les entreprises n'ont pas besoin d'avoir leurs propres experts en interne, et il est toujours très important pour chaque organisation d'avoir sa propre technologie d'apprentissage automatique et d'IA .

Confidentialité et gouvernance

Figure 10 : Les organisations pionnières placent l'entreprise au-dessus des dimensions de gestion et de leadership

Il ne suffit pas que les données et les algorithmes nécessaires à la formation de l'IA atteignent un certain niveau de précision et de performance, et le respect des questions de confidentialité et des réglementations connexes est également une question qui doit être à l'ordre du jour. Cependant, seulement la moitié des répondants à notre enquête estiment que leur secteur a établi des règles relatives à la confidentialité des données.

Ce n'est qu'avec une solide capacité de pratique de la gestion des données que la confidentialité des données peut être garantie. Les pionniers (73 %) sont plus susceptibles d'avoir de bonnes pratiques de gestion des données que les expérimentateurs (34 %) et les passifs (30 %). (Voir la figure 10.) Cet énorme fossé est un autre défi pour les retardataires.

Les problèmes de confidentialité des données sont plus susceptibles de survenir dans les secteurs soumis à une surveillance plus stricte, tels que le secteur des assurances, qui passent d'un modèle basé sur un pool de risques à une méthode de contrôle des risques qui prédit de manière exhaustive des éléments de risque spécifiques. Mais certains éléments sont légalement interdits. Par exemple, alors que les facteurs de genre et de religion peuvent être utilisés pour prédire certains risques, dans certaines applications et juridictions, les régulateurs ne peuvent pas accepter que ces informations soient utilisées.

Les régulateurs d'autres marchés financiers ont également des exigences strictes en matière de transparence. Comme le dit Sudjianto de Wells Fargo : "Le modèle doit être très, très transparent et toujours sous le contrôle des régulateurs. La raison pour laquelle nous n'utilisons pas l'apprentissage automatique est que la réglementation exige que la solution soit un peu moins "boîte noire" pour Mais nous utilisons des algorithmes d'apprentissage automatique pour évaluer la structure non linéaire, les variables et les fonctions des modèles et servir de référence pour les performances des modèles traditionnels.

Alors que la concurrence technologique s'intensifie également, les secteurs des entreprises et du secteur public sont de plus en plus affinés entre les initiatives d'IA, la protection de la vie privée et le service client. Certains prestataires de services financiers utilisent la technologie de reconnaissance vocale pour identifier les clients entrants afin de gagner du temps lors de la vérification de leur identité. Les clients l'ont bien accueilli en partie parce qu'ils aimaient le service et pensaient que l'entreprise n'utiliserait pas les données des utilisateurs à mauvais escient. Les fournisseurs de services technologiques fournissent également des services d'intelligence artificielle qui utilisent les données vocales des utilisateurs pour aider les opérateurs de centres d'appels à effectuer une analyse des sentiments des clients en temps réel. Cependant, des applications moins populaires pourraient être à l'horizon. Quelques années plus tard, les 170 millions de caméras installées en Chine et les 50 millions de caméras aux États-Unis étaient capables de reconnaître les visages. En fait, Shanghai aurait appliqué ces sources de données d'images pour punir les sans-abri.

Au-delà de la technologie : les défis de la gestion

L'IA nécessite plus que des données, et les organisations sont confrontées à de nombreux défis de gestion lors de l'introduction de l'IA.

Sans surprise, les aspects de gestion globale et de leadership des répondants Vanguard de leurs entreprises : vision et leadership, ouverture et capacité de changement, pensée visionnaire, alignement étroit entre les stratégies commerciales et technologiques et coopération efficace sont mieux notés. Comme pour les autres transformations axées sur la technologie, ce sont des capacités essentielles pour que les entreprises restent en bonne forme.

Cependant, les entreprises sont également confrontées à des défis spécifiques en matière de gestion : les dirigeants peuvent encore avoir besoin de

(1) Une compréhension plus profonde de plus d'IA ;

(2) Approfondir la compréhension de la manière de combiner les affaires avec l'IA ;

(3) Examinez le paysage de la concurrence commerciale dans une perspective plus large.

Défi 1 : Développer un esprit intuitif qui comprend l'IA

Les cadres et autres managers doivent avoir au moins une compréhension de base de l'IA, un point de vue partagé par les cadres et les universitaires. JD Elliott, directeur de la gestion des données d'entreprise chez TIAA, a ajouté : "Je ne pense pas que chaque responsable de première ligne ait besoin de comprendre la différence entre l'apprentissage en profondeur et l'apprentissage superficiel avec les réseaux de neurones. Cependant, il est préférable de s'appuyer sur l'analyse et les données. , plutôt que l'intuition, des résultats plus précis, nous devons avoir une compréhension de base, ce qui est très important. » Avi Goldfarb, professeur de marketing à la Rotman School of Management de l'Université de Toronto, a souligné : « Nous nous inquiéterions d'un manager immature voyant une prévision Tirez ensuite des conclusions pour savoir si le modèle est bon ou mauvais." Le directeur du MIT Media Lab estime que "chaque manager doit avoir une compréhension intuitive de l'IA".

Les gestionnaires doivent prendre le temps d'apprendre les bases, comme commencer par de simples cours en ligne ou des outils en ligne. Comprendre comment les programmes apprennent à partir des données est peut-être le moyen le plus important pour eux de comprendre comment l'IA peut bénéficier à l'entreprise.

Figure 11 : Alors que la plupart des organisations considèrent l'IA comme un impératif, seulement la moitié ont adopté l'IA

Défi 2 : Organisation d'un département IA

L'enquête a révélé que ces entreprises explorent beaucoup pour développer l'IA. Les types de composition du secteur de l'IA choisis par Vanguard sont répartis uniformément entre les types centralisés, décentralisés et hybrides. Les organisations de chercheurs et d'expérimentateurs ont également tendance à opter pour une approche organisationnelle hybride, mais seuls 30 % des départements d'IA des deux types ont des responsabilités claires. Environ 70 % des organisations passives n'ont pas encore commencé à clarifier le rôle du département IA, peut-être en partie parce que moins de 50 % des organisations passives pensent que l'IA aura un impact important sur leurs flux de travail et leurs produits au cours des cinq prochaines années. .

Enfin, une approche organisationnelle hybride peut avoir plus de sens pour la plupart des entreprises, car elles nécessitent des ressources d'IA centralisées et localisées. Prenons l'exemple de TIAA, elle dispose d'un centre d'analyse de données performant et de quelques groupes décentralisés. "L'analyse des données dans l'ensemble de l'organisation ne se fait pas uniquement dans le centre de données, il fournit une expertise, des conseils et une orientation aux autres équipes internes de déploiement et d'analyse de l'IA.

Alors que les quatre types d'organisations ont classé la culture relativement bas parmi les obstacles à l'adoption de l'IA, seulement la moitié des répondants ont déclaré que leurs entreprises comprenaient les défis liés aux connaissances et aux compétences requises pour l'IA. Jessica Tan, vice-présidente exécutive de Ping An, a déclaré que le plus grand défi pour son entreprise est la coordination entre les départements et la constitution d'équipes technologiques centralisées et décentralisées.Ils ont besoin de trois types de talents : un personnel technique capable de travailler de différentes manières ; une compréhension des spécificités personnel technique sur le terrain, ainsi que des personnes ayant des compétences en organisation, en conseil ou en projet.

Que faire ensuite?

L'IA n'est-elle qu'un élément de la transformation numérique globale d'une entreprise, ou l'exploration de l'IA nécessite-t-elle une approche différente ? D'une part, l'IA partage bon nombre des mêmes problèmes et défis que les autres technologies numériques, et il existe un certain nombre de façons pour les entreprises de créer des programmes numériques et analytiques. Mais d'un autre côté, l'IA a aussi des caractéristiques distinctes.

Assurer la confiance des clients. Les fonctions d'IA, comme de nombreuses initiatives numériques, reposent sur les données des clients, et les clients font confiance aux entreprises pour respecter et protéger leurs données personnelles. Cependant, l'approche visant à garantir la fiabilité de l'IA diffère des autres initiatives numériques liées aux données. Premièrement, les responsables peuvent ne pas être en mesure d'expliquer exactement comment les données personnelles des clients pourraient être utilisées pour produire certains produits d'IA, car le fonctionnement interne de certains programmes d'apprentissage automatique est opaque. Deuxièmement, de plus en plus de systèmes d'IA sont capables d'imiter des agents humains, auquel cas il incombe aux managers de communiquer explicitement avec les clients, qu'ils parlent à une machine ou à un humain. Troisièmement, certains systèmes d'IA sont capables d'évaluer à distance les émotions humaines et d'identifier des détails. Cette capacité crée de nouveaux problèmes de gestion de l'information, notamment quels employés ont accès à ces informations et dans quelles circonstances.

Faites un bilan de santé de l'IA. Cela présente certaines similitudes avec les bilans de santé numériques, en ce qui concerne les procédures, les technologies, les processus qui prennent en charge l'infrastructure et la capacité de réagir rapidement aux pannes. Comme de nombreuses initiatives numériques, le succès de l'IA dépend de l'accès aux sources de données (internes ou externes) et de l'investissement dans l'infrastructure de données. Les grandes entreprises peuvent disposer des données dont elles ont besoin, mais si ces données sont fragmentées et cloisonnées, cela peut grandement limiter le développement et l'avancement de leurs stratégies. Contrairement à d'autres initiatives numériques, le bilan de santé de l'IA comprend une évaluation des compétences nécessaires pour effectuer correctement la formation à l'IA, y compris la formation du système pour qu'il devienne plus intelligent et la poursuite de l'apprentissage après le déploiement.

Reconnaître l'incertitude. Les entreprises priorisent souvent un projet en estimant la valeur créée et le temps qu'il faudra, mais l'expérimentation et l'apprentissage de l'IA peuvent prendre plus de temps que d'autres initiatives numériques, avec une plus grande incertitude de réussite et d'échec. Par conséquent, les gestionnaires doivent reconnaître cette incertitude.

Basé sur les besoins du scénario. Comme le numérique, l'IA a le potentiel de changer la façon dont les entreprises créent de la valeur. L'IA nécessite une réflexion plus radicale, de sorte que les entreprises doivent réfléchir plus largement à leur activité, créer des cas d'utilisation cohérents et tester les dépendances de ces scénarios sur les plans. Cette planification basée sur des scénarios améliorera la capacité du système à identifier les événements majeurs susceptibles de déclencher un impact commercial.

Faites attention aux questions de travail. C'est un fait que l'intelligence artificielle affectera les emplois et les carrières des gens, et elle provoquera également des troubles sociaux. Par conséquent, il est nécessaire d'établir un projet de travail lié au programme d'IA, qui devrait inclure l'échange de connaissances, l'éducation et la formation liées à l'IA. De plus, attirer et former des talents intéressés par l'IA, alliant business et technologie est également devenu très important.

L'avenir de l'IA

L'adoption de l'IA pourrait avoir de profondes implications pour les emplois, la création de valeur et l'avantage concurrentiel. Demain, comment les entreprises doivent-elles répondre à ces changements ?

futur métier

Figure 12 : Les organisations sont prudemment optimistes quant à l'impact que l'IA aura sur la main-d'uvre au cours des cinq prochaines années

Alors que l'intelligence artificielle est de plus en plus appliquée au travail lié à la connaissance, il y a eu de nombreuses prédictions selon lesquelles l'IA révolutionnera le lieu de travail. À l'inverse, notre rapport montre que la plupart des entreprises sont prudemment optimistes sur la question. Par exemple, la plupart des répondants ne pensent pas que l'IA entraînera des pertes d'emplois dans leurs organisations au cours des cinq prochaines années. Près de sept répondants sur 10 ont déclaré qu'ils n'étaient pas inquiets que l'IA prenne leur emploi. Un nombre important de répondants ont exprimé l'espoir que l'IA puisse effectuer des tâches ennuyeuses ou désagréables pour eux. Cependant, les répondants ont convenu que l'IA forcera les employés à acquérir de nouvelles compétences et à améliorer celles qui existent déjà au cours des cinq prochaines années. (Voir Figure 12) Erik Brynjolfsson, professeur de la famille Schussel à la MIT Sloan School of Management, a déclaré : "Même si elle se développe rapidement, l'intelligence artificielle ne remplacera pas de sitôt la plupart des emplois humains. Mais dans presque tous les secteurs, l'utilisation de l'intelligence artificielle de personnes remplaceront les personnes qui n'utilisent pas l'IA, et cette tendance ne fera que s'intensifier.

Modifications de la création de valeur

Où l'IA créera-t-elle, détruira-t-elle ou transférera-t-elle de la valeur économique ?

Les dépenses de santé représentent un sixième de l'économie américaine et, en moyenne, environ un dixième de celle des pays de l'OCDE.

L'IA transforme déjà la chaîne de valeur des soins de santé : les machines peuvent lire les images diagnostiques, les chirurgiens dépendent de plus en plus des robots et des quantités croissantes de données en temps réel sur les dispositifs médicaux peuvent améliorer la prévention des maladies et les soins des maladies chroniques.

Bien que l'intelligence artificielle puisse créer de la valeur dans une industrie, on ne sait toujours pas quels domaines augmenteront en valeur de production et lesquels diminueront. Alors que les fournisseurs de services informatiques, les entreprises de technologie médicale, les réseaux de radiologues, les hôpitaux, les startups et même les compagnies d'assurance commencent à tirer parti de l'IA pour réduire les coûts de diagnostic, l'impact de l'IA peut être inégal.

Par conséquent, il est trop tôt pour tirer des conclusions sur les types d'organisations qui pourraient bénéficier de l'IA dans le domaine de la santé. Comme Marcus Winter, responsable du cabinet Munich Insurance Group, l'a déclaré : "Dans le monde d'aujourd'hui, avec la prévalence des mégadonnées, il n'y a que quelques ensembles de données exclusifs. Dans la plupart des cas, nous pouvons obtenir les informations dont nous avons besoin". , la combinaison de données et d'algorithmes d'IA peut créer de nouvelles solutions plus efficaces. Par exemple, une analyse plus précise du sang ou d'autres échantillons de fluides corporels peut aider au diagnostic lorsque l'imagerie diagnostique n'est pas disponible. Ainsi, les évolutions de la création de valeur sont en réalité difficilement prévisibles.

conserver un avantage concurrentiel

Les dirigeants de nombreuses entreprises se concentrent sur la façon dont l'IA peut considérablement améliorer les performances des processus et des produits existants. Cependant, l'amélioration d'un produit ne crée pas à elle seule un avantage concurrentiel durable - lorsque l'efficacité de chacun s'améliore au même niveau, la référence change en conséquence. Pour obtenir un avantage concurrentiel grâce à l'IA, les entreprises doivent comprendre comment combiner les forces des humains et des ordinateurs pour créer le plus grand avantage concurrentiel. Et ce n'est pas facile : les entreprises doivent obtenir un accès exclusif aux données, ce que de nombreuses entreprises ne peuvent pas faire aujourd'hui. Ils devront apprendre à travailler efficacement avec les humains et les machines, une capacité qu'aucune des organisations d'avant-garde actuelles ne possède. Ils doivent construire des structures organisationnelles flexibles, ce qui signifie que les entreprises et les employés doivent passer par un baptême de changement culturel.

Technologie Xinzhiyuan AI + recrutement de la communauté de l'industrie, accueillez les étudiants intéressés par la technologie AI + atterrissage de l'industrie, ajoutez un petit compte assistant WeChat : aiera2015_1 pour rejoindre le groupe ; après avoir passé l'examen, nous vous inviterons dans le groupe, vous devez modifier le groupe après avoir rejoint la communauté Remarques (nom-entreprise-poste ; l'examen du groupe professionnel est plus strict, veuillez comprendre).