Navigerer i en overraskende pandemisk bivirkning: AI whiplash

Leveret af KPMG

Midt i de mange forretningsforstyrrelser forårsaget af covid-19, er her et stort set overset: kunstig intelligens (AI) whiplash.

Da pandemien begyndte at vælte verden sidste år, nåede virksomheder ud efter hvert eneste værktøj, de havde til rådighed – inklusive kunstig intelligens – for at løse udfordringer og betjene kunderne sikkert og effektivt. I en 2021 KPMG-undersøgelse af amerikanske virksomhedsledere udført mellem 3. og 16. januar sagde halvdelen af ​​de adspurgte, at deres organisation fremskyndede sin brug af kunstig intelligens som reaktion på covid-19 – inklusive 72 % af industrielle producenter, 57 % af teknologivirksomheder og 53 % af detailhandlere.

De fleste er tilfredse med resultaterne. 82 procent af de adspurgte er enige om, at AI har været nyttig for deres organisation under pandemien, og et flertal siger, at det giver endnu mere værdi end forventet. Mere generelt siger næsten alle, at bredere brug af kunstig intelligens ville få deres organisation til at køre mere effektivt. Faktisk ønsker 85 %, at deres organisation skal fremskynde AI-adoption.

Alligevel er stemningen ikke helt positiv. Selvom de søger at træde på gassen, mener 44% af lederne, at deres branche bevæger sig hurtigere med kunstig intelligens, end den burde. Mere opsigtsvækkende hævder 74 %, at brugen af ​​kunstig intelligens til at hjælpe virksomheder forbliver mere hype end virkeligheden – en markant stigning i nøglebrancher siden vores undersøgelse af kunstig intelligens i september 2019. I både finanssektoren og detailsektoren føler 75 % af lederne nu, at AI er overhypet, op fra henholdsvis 42 % og 64 %.

Hvordan tilrettelægge disse tilsyneladende modsatte synspunkter på det, KPMG kalder AI whiplash? Baseret på vores arbejde med at hjælpe organisationer med at anvende kunstig intelligens, ser vi flere forklaringer om hype. Den ene er den simple nyhed i teknologien, som har givet mulighed for misforståelser om, hvad den kan og ikke kan, hvor lang tid det tager at realisere resultater i virksomhedsskala, og hvilke fejl der er mulige, når organisationer eksperimenterer med AI uden det rigtige grundlag.

Selvom 79 % af de adspurgte siger, at AI er mindst moderat funktionel i deres organisation, siger kun 43 %, at den er fuldt funktionel i skala. Det er stadig almindeligt at finde folk, der tænker på AI som noget, der skal købes – som et nyt stykke maskineri – for at levere øjeblikkelige resultater. Og selvom de måske har oplevet en vis succes med kunstig intelligens – ofte små beviser på konceptet – har mange organisationer lært, at det kan være mere udfordrende at skalere dem til virksomhedsniveau. Det kræver adgang til rene og velorganiserede data; en robust datalagringsinfrastruktur; fageksperter til at hjælpe med at skabe mærkede træningsdata; sofistikerede computervidenskabelige færdigheder; og buy-in fra virksomheden.

Selvfølgelig er det heller ikke strakt at tro, at tilhængere af AI kan have overdrevet dets potentiale fra tid til anden eller frakendt den indsats, der kræves for at realisere dens fulde værdi.

Med hensyn til, hvorfor ledere er uenige om hastigheden af ​​AI's vedtagelse, ser vi den grundlæggende menneskelige natur i spil. Til at begynde med er det altid nemmere at tro på, at græsset er grønnere på den anden side. Vi formoder også, at mange mennesker bekymrer sig om, at deres branche bevæger sig for hurtigt, primært fordi deres egen organisation ikke matcher den hastighed. Hvis de har oplevet hikke i de tidlige stadier med AI - især sidste år, hvor verden var vidne til AI-aktiverede resultater som rekordhurtig udvikling af covid-19-vacciner - kan det have været let at bukke under for den frygt.

Vi ser en anden faktor, der driver blandede følelser omkring AI's potentiale - fraværet af en etableret juridisk og regulatorisk ramme til at guide dets brug. Mange virksomhedsledere har ikke et klart overblik over, hvad deres organisation gør for at styre AI, eller hvilke nye regeringsbestemmelser, der venter forude. Forståeligt nok er de bekymrede for de tilknyttede risici, herunder udvikling af use cases i dag, som tilsynsmyndigheder kan squash i morgen.

Denne usikkerhed er med til at forklare endnu et tilsyneladende modstridende fund fra vores undersøgelse. Mens virksomhedsledere typisk har et skeptisk syn på regeringsregulering, siger 87%, at regeringen bør spille en rolle i reguleringen af ​​AI-teknologi.

Går videre fra AI whiplash

Selvom enhver organisation har brug for sin egen håndbog for at komme sig efter AI-piskesmæld og optimere sin investering i teknologien, bør en omfattende plan omfatte fem komponenter:

• En strategisk investering i data. Data er råmaterialet i AI og bindevævet i en digital organisation. Organisationer har brug for rene, maskinfordøjelige data mærket for at træne AI-modeller med hjælp fra emneeksperter. De kræver en datalagringsinfrastruktur, der overskrider funktionelle siloer i virksomheden og kan levere data hurtigt og pålideligt. Når modellerne er implementeret, er der behov for en strategi og tilgang til høstdata for løbende at tune og træne dem.
• Det rigtige talent. Dataloger med ekspertise inden for kunstig intelligens er meget efterspurgte og svære at finde – men afgørende for at forstå kunstig intelligens-landskabet og den vejledende strategi. Organisationer, der ikke er i stand til at opbygge et fuldt team af forskere internt, vil have brug for eksterne partnere, der kan udfylde hullerne og hjælpe dem med at sortere gennem det stadigt voksende udvalg af AI-leverandører og -tilbud.
• En langsigtet AI-strategi styret af virksomheden. Organisationer får mest muligt ud af kunstig intelligens ved at tænke på at finde løsninger på problemer, ikke købe teknologi og søge efter måder at bruge den på. De lader forretningen, ikke it-afdelingen, styre dagsordenen. Når AI-investeringer knyttet til en forretningsstyret strategi går galt, bliver de muligheder for at fejle hurtigt og lære, ikke hurtigt og brænde. Men selvom virksomheder itererer hurtigt, skal de gøre det i overensstemmelse med en langsigtet AI-strategi, fordi de største fordele realiseres på længere sigt.
• Kultur og medarbejderopkvalificering. Få AI-dagsordener vil vinde indpas uden buy-in fra arbejdsstyrken og en kultur, der er investeret i AI's succes. At vinde medarbejdernes engagement kræver at give dem mindst en rudimentær forståelse af teknologien og dataene og en endnu dybere forståelse af, hvordan det vil gavne dem og virksomheden. Det er også vigtigt at opkvalificere arbejdsstyrken, især hvor AI vil overtage eller supplere deres eksisterende ansvar. At omfavne en datadrevet tankegang og indgyde en dybere AI-kompetence i en organisations DNA vil hjælpe dem med at skalere og få succes.
• En forpligtelse til etisk og uvildig brug af kunstig intelligens. AI har et stort løfte, men også potentialet for skade, hvis organisationer bruger det på måder, som kunderne ikke kan lide, eller som diskriminerer nogle dele af befolkningen. Enhver organisation bør udvikle en AI-etisk politik med klare retningslinjer for, hvordan teknologien vil blive implementeret. Denne politik bør påbyde foranstaltninger og være en del af DevOps-processen for at tjekke for problemer og ubalancer i dataene, måle og kvantificere utilsigtede skævheder i maskinlæringsalgoritmer, spore oprindelsen af ​​data og identificere dem, der træner algoritmer. Organisationer bør løbende overvåge modellerne for bias og drift og sikre, at modelbeslutninger er på plads.

Hvad er det næste

Ledernes mål for AI-investeringer over de næste to år varierer fra branche til branche. Sundhedsledere siger, at deres fokus vil være på telemedicin, robotopgaver og levering af patientpleje. Inden for biovidenskab siger de, at de vil søge at implementere AI for at identificere nye indtægtsmuligheder, reducere administrative omkostninger og analysere patientdata. Og regeringsledere siger, at deres fokus vil være på at forbedre procesautomatisering og analysefunktioner og på at administrere kontrakter og andre forpligtelser.

Forventede resultater varierer også fra branche til branche. Detailledere forudser den største indflydelse inden for områderne kundeintelligens, lagerstyring og kundeservice chatbots. Industrielle producenter ser det i produktdesign, udvikling og konstruktion; vedligeholdelsesoperationer; og produktionsaktiviteter. Og finansielle servicevirksomheder forventer at blive bedre til at opdage og forebygge svindel, risikostyring og procesautomatisering.

På lang sigt ser KPMG, at kunstig intelligens spiller en afgørende rolle i at reducere svindel, spild og misbrug og i at hjælpe virksomheder med at skærpe deres salg, marketing og kundeservice. I sidste ende tror vi, at kunstig intelligens vil hjælpe med at løse fundamentale menneskelige udfordringer på områder så forskellige som sygdomsidentifikation og behandling, landbrug og global sult og klimaændringer.

Det er en fremtid, der er værd at arbejde hen imod. Vi mener, at både regeringen og industrien har en rolle at spille for at få det til at ske – i samarbejde om at formulere regler, der fremmer den etiske udvikling af kunstig intelligens uden at kvæle innovationen og momentum, der allerede er i gang.

Læs mere i KPMG Rapporten 'Thriving in an AI World' .

Dette indhold er produceret af KPMG. Det er ikke skrevet af MIT Technology Reviews redaktion.

skjule