Аналітика

Тенденції 2021 року в ШІ та ML, на які необхідно звернути увагу власникам бізнесу

Експерти Gartner вважають, що у найближчі роки компанії-лідери в області даних і аналітики повинні будуть приділяти все більше уваги впливу ШІ у трансформації бізнес-процесів, крім того, вони будуть працювати над тим, щоб зробити технології більш гнучким, а ПЗ – універсальним. Всі підходи необхідно коригувати залежно від зміни бізнес-моделей. Це допоможе зберегти конкурентоспроможність у будь-якій галузі економіки.

Завдання технічних фахівців сьогодні – розуміння технологічних тенденцій і розстановка пріоритетів, виходячи з потреб і цінності бізнесу. Найпоширеніша проблема в роботі з іноземними інвестиціями та аналітичними додатками – це проблема сортування, обробки, зберігання та захисту даних. Саме вона впливає на зростання популярності використання інтелектуального програмного забезпечення і створює безпрецедентні умови для розвитку нових можливостей. Розробники активно працюють над більш прогресивними способами обробки даних, а також розширеним функціоналом хмарних сервісів і додатків. Це завдання має на меті створити можливість навчання для ШІ, використовуючи максимум обсягу даних.

Gartner виділяє головні тенденції року у розвитку машинного навчання і штучного інтелекту.

  1. Розширена аналітика

Очікується, що у найближче десятиліття розширена аналітика стане домінуючим фактором для бізнес-прогнозування і для обробки даних на базі платформ ML. А однією з топових спеціальностей майбутнього буде фахівець по роботі з даними і бізнес-аналітик.

  1. Управління даними

Має на увазі не тільки управління даними, а й їх якість, інтеграцію і освоєння систем управління даними. Застосовується для автоматизації ручних завдань і для підвищення продуктивності в існуючих процесах. Завдяки якісній автоматизації навіть співробітники без технічних навичок будуть автономними і зможуть використовувати спеціальні аналітичні платформи для своїх завдань. Очікується, що до кінця 2022 року ручні завдання з управління даними скоротяться на 45% за рахунок ML і автоматизації.

  1. Універсальний ШІ

Очікується, що до 2022 року близько половини великих нових бізнес-систем будуть застосовувати універсальний штучний інтелект, який використовує контекстні дані у реальному часі. Такий ШІ автоматизує дані, найбільш складні для людини, і гарантує реалізацію рішень через розширену аналітику.

  1. Пояснювальний ШІ

Працює на платформах ML, автоматично генерує пояснення бізнес-моделей і бізнес-функціоналу на максимально доступній, інтуїтивно зрозумілій мові.

  1. Графічна аналітика

Через кілька років всі підприємства, що використовують сучасні технології, будуть застосовувати цей інструмент. Це набір рішень, який вивчає зв’язок між даними і об’єктами, які цікаві для конкретного бізнес-процесу.

  1. Структура даних/Data Fabric

Дозволяє здійснити доступ і обмін даними в розподіленому середовищі, отже, сформувати єдину структуру управління даними, яка забезпечує доступ і обробку.

  1. Розмовна аналітика/NLP

Технологія аналізує складні дані і проводить аналітику, орієнтуючись на специфіку бізнесу. Очікується, що у найближчі кілька років 50% аналітичних запитів будуть генеруватися саме за допомогою NLP.

  1. Комерційні AI та ML

У найближчі роки близько 75% впроваджень на базі AI та ML будуть створені не як комерційні рішення, а як продукт платформ з відкритим вихідним кодом. ПЗ стане більш доступним і «прозорим», але також і більш захищеним.

  1. Блокчейн

Блокчейни не можуть замінити існуючі технології управління даними, але попит на них буде зростати за рахунок легкої інтеграції цієї технології (навіть за умови досить високої вартості процесу інтеграції).

  1. Сервери постійної пам’яті

Знижують витрати і нейтралізують складності впровадження цифрових архітектур з підтримкою IMC. Постійна пам’ять – це новий рівень пам’яті між флеш-пам’яттю DRAM і NAND для високопродуктивних робочих навантажень. Технологія прискорює доступність і час завантаження програм, але у той же час не є непомірно дорогою.

Висновки

Впровадження штучного інтелекту не просто прискорюється, воно стає критичним. І компаніям як і раніше не вистачає досвіду впровадження промислового ШІ, а між тим, питання його впровадження фактично стане питанням виживання бізнесу. Це нова галузева категорія, яка у майбутньому набуде статусу обов’язкової.

Ось кілька факторів, які у кінцевому підсумку приведуть до більш широкого визнання категорії промислового ШІ і впровадження цієї технології у 2021 році.

1. Зростаюча увага до галузевих промисловим завдань

У капіталомістких галузях з роками все більше коштів вкладається у платформи та інструменти штучного інтелекту і машинного навчання, що дозволяє створювати нові сценарії використання і додатки на основі ШІ. Але ці інвестиції ще не призвели до значних результатів для бізнесу, особливо для промислових організацій. Так чому ж 2021 рік має бути іншим? Основним зрушенням у новому році для організація танете те, що вони зрозуміють, як ШІ можна застосовувати для розв’язання галузевих промислових завдань.

2. Зниження бар’єру для впровадження ШІ

Брак досвіду в галузі штучного інтелекту і власних навичок роботи з даними серед промислових організацій довгий час був однією з найсерйозніших перешкод на шляху до більш широкого впровадження промислового ШІ. Ситуація у 2021 році зміниться, оскільки все більше компаній розгортають цільові вбудовані додатки промислового ШІ, що поєднують науку про дані та ШІ зі спеціальним програмним забезпеченням.

3. Співвідношення значень даних і обсягу даних

Середнє підприємство не використовує від 60% до 73% зібраних даних. Організаціям, особливо у капіталомістких галузях, необхідно буде перейти з масового збору даних на більш стратегічні промислові дані, на інтеграцію даних, мобільність і їх доступність у рамках всього бізнесу.

4. Пост продуктивності у капіталомістких галузях

Найбільшим фактором зростання промислового ШІ стане його вплив на продуктивність. Промисловий ШІ дозволяє впроваджувати рішення наступного покоління, не покладаючись на великомасштабний досвід в області науки про дані. Практично це буде виражатися у процесі створення напівавтономних і автономних процесів для збору, агрегування і обробки даних у реальному часі, а потім їх введення в інтелектуальні програми.