Pam y Dylech Feddwl Am AI Fel Chwaraeon Tîm

Beth mae'n ei olygu i feddwl am AI fel camp tîm? Rydym yn gweld prosiectau AI yn symud o hype i effaith, yn bennaf oherwydd bod y rolau cywir yn cymryd rhan i ddarparu'r cyd-destun busnes sydd wedi bod ar goll yn flaenorol. Mae arbenigedd maes yn allweddol; nid oes gan beiriannau'r dyfnder cyd-destun sydd gan bobl, ac mae angen i bobl wybod y busnes a'r data yn ddigon da i ddeall pa gamau i'w cymryd yn seiliedig ar unrhyw fewnwelediadau neu argymhellion a ddaw i'r amlwg.

O ran graddio AI, mae llawer o arweinwyr yn meddwl bod ganddyn nhw broblem pobl - yn benodol, dim digon o wyddonwyr data. Ond nid yw pob problem fusnes yn broblem gwyddor data. Neu o leiaf, ni ddylai pob her fusnes gael ei thaflu at eich tîm gwyddoniaeth data. Gyda'r dull cywir, gallwch chi fedi manteision AI heb yr heriau a ddaw gyda chylchoedd gwyddoniaeth data traddodiadol.

Er mwyn defnyddio a graddio atebion AI, mae angen i arweinwyr newid meddylfryd y sefydliad i feddwl am AI fel camp tîm. Mae rhai prosiectau AI angen set wahanol o bobl, offer, a disgwyliadau ar gyfer sut olwg sydd ar ganlyniadau llwyddiannus. Bydd gwybod sut i adnabod y cyfleoedd hyn yn eich helpu i fynd at brosiectau AI mwy llwyddiannus a dyfnhau eich mainc o ddefnyddwyr AI, gan ychwanegu cyflymder a phŵer at wneud penderfyniadau ar draws y gweithlu. Gadewch i ni archwilio pam a sut.

Mae sefydliadau'n democrateiddio dadansoddiad uwch gydag AI

Mae defnyddio AI i ddatrys problemau busnes wedi bod yn faes i wyddonwyr data i raddau helaeth. Yn aml, cedwir timau gwyddor data ar gyfer cyfleoedd mwyaf a heriau mwyaf cymhleth sefydliad. Mae llawer o sefydliadau wedi bod yn llwyddiannus wrth gymhwyso gwyddor data i achosion defnydd penodol fel canfod twyll, personoli, a mwy, lle mae arbenigedd technegol dwfn a modelau manwl gywir yn arwain at ganlyniadau hynod lwyddiannus.

Fodd bynnag, mae graddio datrysiadau AI trwy eich tîm gwyddoniaeth data yn heriol i sefydliadau, am lawer o resymau. Mae denu a chadw talent yn ddrud iawn a gall fod yn anodd mewn marchnad gystadleuol. Yn aml gall prosiectau gwyddor data traddodiadol gymryd llawer o amser i’w datblygu a’u defnyddio cyn i’r busnes weld gwerth. A gall hyd yn oed y timau gwyddor data mwyaf profiadol, cadarn fethu os nad oes ganddynt y data neu'r cyd-destun angenrheidiol i ddeall naws y broblem y gofynnir iddynt ei datrys.

Gartner® 2021 Cyflwr Gwyddor Data a Dysgu Peiriannau (DSML) yn nodi bod “galw cleientiaid yn newid, gyda chynulleidfaoedd llai technegol eisiau defnyddio DSML yn haws, arbenigwyr angen gwella cynhyrchiant a mentrau sydd angen amser byrrach i roi gwerth am eu buddsoddiadau¹.” Er y gall fod llawer o broblemau busnes a all elwa ar gyflymder neu drylwyredd y dadansoddiad y gall AI ei ddarparu, efallai nad dull gwyddor data traddodiadol bob amser yw'r cynllun ymosod gorau i weld gwerth yn gyflym. Mewn gwirionedd, mae’r un adroddiad Gartner yn rhagweld “erbyn 2025, ni fydd prinder gwyddonwyr data bellach yn rhwystro mabwysiadu gwyddor data a dysgu peiriannau mewn sefydliadau.”

Mae arbenigedd maes yn hanfodol ar gyfer graddio AI ar draws y busnes

Mae AI eisoes yn helpu i ddod â galluoedd dadansoddi uwch i ddefnyddwyr nad oes ganddynt gefndiroedd gwyddor data. Gall peiriannau ddewis o'r modelau rhagweld a'r algorithmau gorau, a gall modelau sylfaenol gael eu hamlygu, gan gynnig y gallu i'w tiwnio a sicrhau bod popeth yn cyd-fynd â'r hyn y mae'r defnyddiwr yn chwilio amdano.

Mae'r galluoedd hyn yn rhoi'r gallu i ddadansoddwyr ac arbenigwyr parth busnes medrus ddylunio a throsoli eu cymwysiadau AI eu hunain. Gan eu bod yn agosach at y data, mae gan y defnyddwyr hyn fantais dros lawer o'u cymheiriaid gwyddonwyr data. Gall rhoi’r pŵer hwn yn nwylo’r rhai sydd ag arbenigedd maes helpu i osgoi’r amseroedd datblygu hir, beichiau adnoddau, a chostau cudd sy’n gysylltiedig â chylchoedd gwyddor data traddodiadol. Hefyd, pobl ag arbenigedd parth ddylai fod y rhai i benderfynu a yw rhagfynegiad neu awgrym AI hyd yn oed yn ddefnyddiol ai peidio.

Gyda phrosesau adeiladu model mwy iterus, adolygu-ac-adleoli, gall pobl â chyd-destun busnes gael gwerth o AI yn gyflymach - hyd yn oed defnyddio modelau newydd i filoedd o ddefnyddwyr o fewn dyddiau i wythnosau, yn hytrach nag wythnosau i fisoedd. Mae hyn yn arbennig o bwerus i'r timau hynny nad yw eu heriau unigryw o bosibl yn flaenoriaeth uchel i dimau gwyddor data, ond a all elwa ar gyflymder a thrylwyredd dadansoddiad AI.

Fodd bynnag, mae'n bwysig nodi, er y gall yr atebion hyn helpu i fynd i'r afael â'r bwlch sgiliau rhwng dadansoddwyr a gwyddonwyr data, nad yw'n cymryd lle'r olaf. Mae gwyddonwyr data yn parhau i fod yn bartner hanfodol gydag arbenigwyr busnes i ddilysu'r data sy'n cael ei ddefnyddio mewn datrysiadau sy'n galluogi AI. Ac yn ogystal â'r cydweithio hwn, bydd addysg a sgiliau data yn hollbwysig wrth ddefnyddio'r mathau hyn o offer yn llwyddiannus ar raddfa.

Mae llythrennedd data yn grymuso mwy o bobl i drosoli AI

Mae eich strategaeth ddata sylfaenol yn chwarae rhan enfawr wrth sefydlu'ch sefydliad ar gyfer llwyddiant gydag AI, ond bydd dod â datrysiadau AI i fwy o bobl ar draws y busnes yn gofyn am lythrennedd data sylfaenol. Bydd deall pa ddata sy'n briodol i'w gymhwyso i broblem fusnes, yn ogystal â sut i ddehongli data a chanlyniadau argymhelliad AI yn helpu pobl i ymddiried yn AI a'i fabwysiadu'n llwyddiannus fel rhan o'u penderfyniadau. Mae iaith ddata a rennir o fewn y sefydliad hefyd yn agor mwy o ddrysau ar gyfer cydweithio llwyddiannus ag arbenigwyr.

Datgelodd arolwg byd-eang diweddaraf McKinsey ar AI fod o fewn 34% o sefydliadau perfformiad uchel “ganolfan hyfforddi bwrpasol yn datblygu sgiliau AI personél annhechnegol trwy ddysgu ymarferol,” o gymharu â dim ond 14% o'r holl sefydliadau eraill a arolygwyd. Yn ogystal, mewn 39% o sefydliadau sy'n perfformio'n dda “mae yna sianeli cyfathrebu a phwyntiau cyffwrdd dynodedig rhwng defnyddwyr AI a thîm gwyddoniaeth data'r sefydliad,” o gymharu â dim ond 20% o rai eraill.

Gall arweinwyr ddefnyddio amrywiaeth o ddulliau i adeiladu llythrennedd data, o addysg a hyfforddiant, rhaglenni mentora, cystadlaethau data adeiladu cymunedol, a mwy. Meddyliwch am normaleiddio mynediad a rhannu data, yn ogystal â sut rydych chi'n dathlu ac yn hyrwyddo llwyddiannau, dysg, a gwneud penderfyniadau gyda data.

“Mae angen i lythrennedd data ac addysg am ddelweddu a gwyddor data fod yn fwy cyffredin, a chael eu haddysgu’n gynt,” meddai Vidya Setlur, pennaeth Tableau Research. “Mae yna fath o gyfrifoldeb cymdeithasol a sefydliadol sy’n dod gyda’r ddibyniaeth ar ddefnyddio data. Dylai pobl fod mewn gwell sefyllfa i ddeall, dehongli, a gwneud y gorau o ddata oherwydd ni fydd AI ond yn dod yn fwy soffistigedig, a dylem fod ychydig gamau ar y blaen.”

Mae parhau i adeiladu diwylliant data eich sefydliad yn creu cyfleoedd pwerus i feithrin sgiliau a meithrin atebion newydd ar draws y busnes. Mae llawer o sefydliadau eisoes wedi cynyddu eu buddsoddiadau mewn data a dadansoddeg yn ystod y blynyddoedd diwethaf, wrth i drawsnewid digidol gyflymu. Nid yw'n gyrhaeddiad i feddwl am ddata fel camp tîm—a nawr mae gennym ni'r modd i ymestyn y meddylfryd hwnnw i AI.