Omfavnelse af AIs hurtige tempo

I forbindelse med KPMG

I en nylig undersøgelse, 2021 Thriving in an AI World, fandt KPMG ud af, at på tværs af alle brancher – fremstilling til teknologi til detailhandel – er adoptionen af ​​kunstig intelligens (AI) stigende år for år. En del af årsagen er, at digital transformation bevæger sig hurtigere, hvilket hjælper virksomheder med at begynde at bevæge sig eksponentielt hurtigere. Men som Cliff Justice, amerikansk leder for virksomhedsinnovation hos KPMG, hævder, har Covid-19 accelereret tempoet inden for digital på mange måder, på tværs af mange typer teknologier. Retfærdigheden fortsætter, det er her, vi begynder at opleve et så hurtigt tempo af eksponentiel forandring, at det er meget svært for de fleste mennesker at forstå fremskridtet. Men forstår det de skal fordi kunstig intelligens udvikler sig i et meget hurtigt tempo.

Retfærdighed udfordrer os til at tænke på AI på en anden måde, mere som et forhold til teknologi, i modsætning til et værktøj, som vi programmerer, fordi han siger, AI er noget, der udvikler sig og lærer og udvikler sig, jo mere det bliver eksponeret for mennesker. Hvis din virksomhed er en efternøler i AI-adoption, har Justice en forsigtig opmuntring, [den] AI-centrerede verden vil accelerere alt, hvad det digitale har at tilbyde.

Business Lab er vært for Laurel Ruma, redaktionel direktør for Insights, den tilpassede udgivelsesafdeling af MIT Technology Review. Showet er en produktion af MIT Technology Review, med produktionshjælp fra Collective Next.

Denne podcast-episode blev produceret i samarbejde med KPMG.

Vis noter og links

2021 Trives i en AI-verden, KPMG

Fuld udskrift

Laurel Ruma: Fra MIT Technology Review hedder jeg Laurel Ruma, og dette er Business Lab, showet, der hjælper virksomhedsledere med at forstå nye teknologier, der kommer ud af laboratoriet og ind på markedet.

Vores emne i dag er hastigheden for adoption af kunstig intelligens. Det er stigende og hurtigt. En ny undersøgelse fra KPMG viser, at den accelererer i specifikke industrier som industriel fremstilling, finansielle tjenesteydelser og teknologi. Men hvad sker der, når du trykker på gaspedalen, men ikke har sikret alt andet? Er du utryg ved hastigheden af ​​AI-adoption i din virksomhed?

To ord til dig: covid-19 whiplash.

Min gæst er Cliff Justice, som er den amerikanske leder af virksomhedsinnovation for KPMG. Han og hans gruppe fokuserer på at identificere, udvikle og implementere den næste generation af teknologier, tjenester og løsninger til KPMG og dets kunder. Cliff er en tidligere iværksætter og er en anerkendt autoritet inden for global sourcing, ny teknologi som AI, intelligent automatisering og virksomhedstransformation. Denne episode af Business Lab er produceret i samarbejde med KPMG. Cliff, tak fordi du sluttede dig til mig på Business Lab.

Cliff Justice: Det er dejligt at være her. Tak for at have mig.

Laurel: Så vi er ved at tage et kig på KPMGs undersøgelsesresultater for deres 2021 Thriving in an AI World-rapport, som ser på tværs af syv brancher. Hvorfor gentog KPMG denne undersøgelse for i år? Hvad havde du til hensigt at opnå med denne forskning?

Klint: Nå, kunstig intelligens udvikler sig i et meget hurtigt tempo. Da vi først begyndte at dække og investere i kunstig intelligens for vel syv år siden, var det i en meget begyndende form. Der var ikke ret mange use cases. Mange af use cases var baseret på naturlig sprogbehandling. For omkring 10 år siden var det første tilfælde af offentlig brug af kunstig intelligens, der trak overskrifterne, da IBM Watson vandt Jeopardy. Siden da har du set en meget, meget hurtig udvikling. Og hele dette felt udvikler sig i et eksponentielt tempo. Så hvor vi er i dag er meget anderledes, end hvor vi var for et år eller to siden.

Laurel: Det ser ud til at IBM netop annoncerede Watson i går, og den eksponentielle vækst af kunstig intelligens er overalt, i vores biler, på vores telefoner. Vi ser det bestemt flere steder end blot denne ene slags forskningscase af det. En af overskrifterne fra forskningen er, at der er en opfattelse af, at kunstig intelligens kan bevæge sig for hurtigt til komfort for nogle beslutningstagere i deres respektive brancher. Hvordan ser for hurtigt ud? Skyldes det covid-19 whiplash?

Klint: Det skyldes ikke nødvendigvis covid whiplash. Covid-miljøet har accelereret tempoet inden for digital på mange måder, på tværs af mange typer teknologier. Det er her, vi begynder at opleve et så hurtigt tempo af eksponentiel forandring, at det er meget svært for de fleste mennesker at forstå fremskridtet. For enhver af os, selv mig selv, der arbejder inden for dette felt, er det meget svært at forstå fremskridtene og forandringstempoet. Og at gøre en virksomhed klar – at gøre folkene, processen, virksomhedssystemerne, risikoen, cyberbeskyttelsen klar til en verden, der drives mere og mere af kunstig intelligens – det er svært under normale omstændigheder. Men når man kombinerer den digitale acceleration og adoption, der finder sted som et resultat af covid, sammen med den eksponentielle udvikling og udvikling af kunstig intelligens, er det svært at forstå de muligheder og trusler, der er til en organisation.

Selv hvis man fuldt ud kunne pakke hovedet rundt om fremskridtene inden for kunstig intelligens og potentialet i kunstig intelligens, ændre en organisation og ændre tankegangen og kulturen på en måde til at adoptere og drage fordel af de muligheder, som kunstig intelligens udgør og også beskytte mod trusler tager noget tid. Så det skaber et niveau af angst og forsigtighed, som efter min mening er velbegrundet.

Laurel: Så når vi taler om den forsigtighed eller planlægning, der er nødvendig for at implementere AI, sagde du i en tidligere diskussion på MIT Technologies Review's EmTech Conference i 2019, at virksomheder var nødt til at gentænke deres økosystem, når de implementerer AI, hvilket betyder partnere, leverandører og resten af ​​deres virksomhed , for at få alle til at komme op i fart. På det tidspunkt nævnte du, at det ville være den virkelige udfordring. Er det stadig sandt? Eller tror du nu, hvor alt går så hurtigt frem, at det er det ubehag, som nogle ledere kan føle?

Klint: Nå, det er sandt. Det er stadig sandt. Økosystemet, der fik dig til et niveau i mere af en analog-centreret verden, vil være meget anderledes i en mere AI-centreret verden. Den AI-centrerede verden kommer til at accelerere alt, hvad det digitale har at byde på. Det, jeg mener med digitalt, er de nye måder at arbejde på – de digitale forretningsmodeller, de nye måder at udvikle og udvikle handel på, de måder, vi interagerer og udveksler ideer på med kunder og med kolleger og kolleger. Alle disse bliver meget mere digitalt centrerede, og så bliver kunstig intelligens en af ​​de mekanismer, der udvikler sig og fremskrider den måde, vi arbejder på, og den måde, vi interagerer på. Og det bliver lidt mere som et forhold til teknologi, i modsætning til et værktøj, som vi programmerer, fordi AI er noget, der udvikler sig og lærer og udvikler sig, jo mere det bliver eksponeret for mennesker.

Nu hvor vi har meget flere menneskelige livsopfattende evner, takket være udviklingen af ​​dyb læring, (så med det, i dag, mener jeg mere computersyn), er teknologien i stand til at overtage meget mere af verden, end vi var før. Så det er afgørende at forstå hvilken teknologi, hvilken AI, alle de muligheder, som AI kan bringe og forbedre og forstærke. Det er vigtigt at genetablere og genopbygge økosystemet omkring din virksomhed og omkring din virksomhed. Jeg tror dog, at det større og mere langsigtede problem er kulturen, og det er den virksomhedskultur, man er ansvarlig for, man er ansvarlig for. Men det er også at udnytte kulturen, den eksterne kultur, adoptionen og den måde, du arbejder med dine kunder, dine leverandører, leverandører, regulatorer og eksterne interessenter på. Tankegangens udvikling er ikke ens i alle disse interessentgrupper. Og afhængigt af den branche, du opererer i, kan det være meget ulige med hensyn til niveauet af adoption, forståelsesniveauet, evnen og komforten til at arbejde med teknologi. Og efterhånden som den teknologi bliver mere menneskelignende, og vi ser, at i virtuelle assistenter og med den slags teknologier, bliver det en større kløft at krydse.

Laurel: Jeg kan virkelig godt lide den frasering af at tænke på AI som et forhold til teknologi versus et værktøj, fordi det virkelig angiver dine intentioner, når du træder ind i denne nye verden, dette nye forhold, og at du accepterer den konstante forandring. Når vi taler om undersøgelsen og forskellige industrier, så nogle af industrierne en betydelig stigning i AI-implementering som finans, detailhandel og teknologi. Men her var det behovet for digital transformation eller covid, eller måske andre faktorer, der virkelig drev den stigning?

Klint: Nå, covid har haft en accelerationspåvirkning over hele linjen. Ting, der var i bevægelse - uanset om disse var adoption af digitale teknologier eller vækst eller en ændring i forbrugeradfærd - alle de tendenser, der var på plads før covid, accelererede dem. Og det inkluderer forretningsmodeller, der var på tilbagegang. Vi så de tendenser, der skete i indkøbscentrene. Det er bare accelereret. Vi har set indførelse af teknologi, der er accelereret. Der er industrier, som covid har mindre effekt på, ikke en nuleffekt, men mindre effekt. Bankvirksomhed, finansielle tjenester er mindre påvirket af covid end detailhandel, gæstfrihed, rejser, logistik. Covid har virkelig fremskyndet den forandring, der sker i disse brancher.

AI, adskilt fra covid, har en væsentlig indvirkning på tværs af alle disse. Og som vores undersøgelse sagde, er industriel fremstilling, brugen af ​​robotter, brugen af ​​computersyn, kunstig intelligens til at fremskynde produktiviteten og forbedret effektivitet virkelig begyndt at blive mainstream og i stor skala i industriel fremstilling. Det samme med finansielle tjenester, forbrugerinteraktion er blevet forbedret med kunstig intelligens på disse områder. Teknologien har ikke overraskende fuldt ud adopteret AI eller temmelig tæt på fuldt adopteret AI. Og så har vi set en dramatisk stigning i detailhandlen som følge af AI. Så online shopping, evnen til at forudsige forbrugernes efterspørgsel har været en stærk use case for AI i disse industrier.

Laurel: Så de efternølende industrier var dog kun sundhedspleje og biovidenskab, jeg siger kun, en stigning på 37 % i adoptionen fra sidste års undersøgelse. Det er stadig et flot tal. Men tror du, det er fordi bekæmpelse af covid var prioriteret, eller måske fordi de er regulerede industrier, eller der var en anden grund?

Klint: Regulering er et fælles tema på tværs af disse efternøler. Du har regering, du har biovidenskab, sundhedsvæsen. Finansielle tjenester er dog også reguleret, og de er en stor bruger, så det kan ikke være det eneste. Jeg tror, ​​at hypotesen omkring covid sandsynligvis er mere plausibel, fordi fokus i biovidenskab har været at få vaccinen ud. Selvom regeringen fra vores synspunkt og ud fra hvad vi ser, er en massiv adopter. Bare med hensyn til potentialet inden for regeringen er det stadig bagud. Men det store antal og den store mængde aktivitet, der finder sted i regeringen, når man sammenligner det med privat virksomhed, er stadig ret imponerende. Det er bare, at du har at gøre med så stor en ændring og meget mere bureaukrati for at foretage den ændring inden for en statslig virksomhed.

Laurel: Helt sikkert. Du nævnte tidligere den industrielle fremstillingssektor, og den sektor oplevede, at 72% af virksomhedsledere var påvirket af pandemien for at fremskynde AI-adoption. Hvad betyder det egentlig for forbrugerne i den branche, såvel som den sektor som helhed?

Klint: Når jeg ser på disse tal, vil der ikke være en industri, der ikke er påvirket af kunstig intelligens. De industrier, der vil tage det i brug hurtigere og hurtigere eller har en indflydelse som følge af pandemien, som næsten alle er drevet af fjernarbejde, manglende evne til at få ressourcer til et sted, drivkraften til at drive automatisering og AI er et af de grundlæggende elementer i automatisering. For hvis man ser på andre dele af undersøgelsen, hvor vi spørger, hvor er de største fordele? det kommer til at blive fundet i effektivitet og produktivitet. Det er ret konsistent på tværs af alle brancher, når du ser på, hvor AI bliver anvendt. Så automatisering, produktivitet, prædiktiv analyse, alle disse områder bliver drevet af disse temaer omkring produktivitet. Brugstilfældene er forskellige baseret på branchen, men behovene er meget ens. De overordnede temaer og de overordnede behov ligner hinanden meget. Du havde nogle industrier, der bare blev påvirket af pandemien anderledes.

Laurel: Spændende nok, måske er en forskel i industriel fremstilling, som du nævnte, robotteknologi. Så lidt af vores hardwarespil kontra altid software.

Klint: Ret. Ja, i industriel fremstilling ser du en omstilling af fabrikker. Du ser, hvad nogle mennesker kalder Tesla-effekten, hvor der er fokus på transformation og automatisering af fabrikker – hvor opbygningen af ​​fabrikken er næsten lige så vigtig som selve produktet. Der er en masse debat og en masse diskussion i den sektor omkring, hvor meget man skal automatisere, og er der for meget automatisering? Jeg tror, ​​at i nogle af disse offentlige begivenheder, hvor du har set en hurtig stigning i produktionen, hvor automatisering blev brugt, har du også set en vis tilbagevenden til det. For meget teknologi kan faktisk have kontraproduktive konsekvenser og indvirkning, fordi der skal være menneskelig involvering i beslutningstagningen, og teknologien er der bare ikke endnu. Så der sker en masse ændringer i det rum. Vi ser en masse udvikling, mange nye typer teknologier. Deep learning tillader mere computersyn, mere intelligent automatisering at finde sted i fremstillingsprocessen på fabrikkerne.

Laurel: Når vi taler om at holde mennesker involveret i disse valg og ideer og teknologier, så er stærk cybersikkerhed en udfordring, virkelig for alle, ikke? Men de onde bruger i stigende grad AI mod virksomheder og virksomheder, og dit eneste svar og forsvar er mere AI. Ser du specifikt, at cybersikkerhed er et område, som ledere over hele linjen accelererer udgifterne til?

Klint: Nå, du har helt ret, cybersikkerhed er en af ​​de største trusler, efterhånden som teknologien udvikler sig, uanset om den er AI-drevet af klassisk databehandling eller fem eller 10 år senere, når vi har kvantedatabehandling gjort tilgængelig for regeringer eller virksomheder. Sikkerhedsrisiciene vil fortsætte med at accelerere. AI er bestemt en offensiv, men det er også et forsvar. Så prædiktiv analyse, der bruger AI til at forudsige trusler, til at forsvare sig mod trusler, som AI udgør, hvilket øger sofistikeringen af ​​penetration, phishing og andre måder at kompromittere systemet på. Disse teknologier er ligesom i et våbenkapløb mellem, som du sagde, de gode og de onde. Der er ingen ende i sigte på det, da vi begynder at bevæge os ind i en æra med reel forandring, som vil blive understøttet af kvanteberegning i fremtiden. Dette vil kun accelerere, fordi du skal bruge en ny type post-kvantekryptografi for at forsvare dig mod de trusler, som kvantecomputere kan udgøre for en sikkerhedsorganisation.

Laurel: Det er helt utroligt hvor hurtigt, ikke? Som vi sagde, eksponentiel vækst, især med kvanteberegning, måske rundt om hjørnet, fem, 10 år, lyder det nogenlunde rigtigt. Undersøgelsen kommer dog tilbage og siger, at mange respondenter mener, at deres virksomheder burde have en form for AI-etisk politik og adfærdskodeks, men ikke mange gør, ikke mange gør. Så dem, der gør, er mindre virksomheder. Tror du, at det kun er et spørgsmål om tid, før alle gør det, eller det er et bestyrelseskrav selv at have disse AI-etiske politikker?

Klint: Nå, vi ved godt, at dette bliver diskuteret på regulatorisk niveau. Der er væsentlige spørgsmål omkring, hvor regeringen skal træde til med reguleringsforanstaltninger, og hvor selvpoliti AI-etik... Hvordan målretter din marketingorganisation adfærd i sin kundebase? Og hvordan udnytter du AI til at bruge de psykologiske profiler til at muliggøre salg? Der er nogle etiske beslutninger, der skulle tages omkring det, for eksempel. Brugen af ​​ansigtsgenkendelse i forbrugermiljøer er godt diskuteret og diskuteret. Men brugen af ​​kunstig intelligens og den etiske brug af kunstig intelligens rettet mod forbrugernes psykologi, jeg tror, ​​at debatten er begyndt stort set denne sommer med nogle dokumentarer, der udkom, der viste, hvordan sociale medier bruger kunstig intelligens til at målrette forbrugerne med markedsføringsprodukter, og hvordan det kan misbruges og misbruges af de onde.

Så ja, dette er kun toppen af ​​isbjerget. Det, vi ser i dag, er blot de første åbningserklæringer, når det kommer til, hvor langt vi skal gå med kunstig intelligens, og hvad er de sanktioner, der pålægges dem, der går længere, end vi burde, og er disse sanktioner reguleret af regeringen? Er det sociale sanktioner og blot eksponering, eller er det disse ting, som vi har brug for love og regler, der har nogle tænder for at overtræde denne aftalte etik, hvad end de måtte være?

Laurel: Det er lidt af en push-me, pull-you situation, ikke? For teknologien går virkelig hurtigt frem, men samfundsmæssige eller reguleringer kan halte lidt. Og samtidig tager virksomhederne ikke nødvendigvis, måske i nogle tilfælde, AI lige så hurtigt i brug eller har problemer med at bemande disse AI-initiativer. Så hvordan forsøger virksomheder at følge med talenterhvervelsen, og bør virksomheder begynde at kigge på, eller måske allerede har, kigget på opkvalificering eller træning af nuværende medarbejdere i, hvordan man bruger kunstig intelligens som en ny færdighed?

Klint: Ja, det er meget svære problemer. Hvis du ser på undersøgelsen og dykker ned, vil du se forskellen mellem store virksomheder og små virksomheder. Jeg mener, evnen til at tiltrække talenter, der har gennemgået år og år med træning i avanceret analyse, computerteknik, deep learning, machine learning og forståelse af kompleksiteten og nuancerne ved at træne vægten og skævhederne ved kompleks, multi-level, deep learning. algoritmer - det talent er ikke let at finde. Det er meget svært at tage en klassisk computeringeniør og omskole dem i den type statistisk-baseret kunstig intelligens, hvor du virkelig skal arbejde med at træne disse komplekse neurale netværk for at nå virksomhedens mål.

Vi ser, at teknologivirksomhederne tilbyder disse tjenester i skyen, og det er en måde at få adgang til kunstig intelligens på og få adgang til nogle af disse værktøjer på, er gennem abonnementet på API'er, applikationsprogramgrænseflader og anvendelse af disse API'er på dine platforme og teknologier. Men for virkelig at have en konkurrencefordel, skal du være i stand til at manipulere og udvikle og kontrollere de data, der skal bruges til at træne disse algoritmer. I dagens verden er kunstig intelligens meget, meget datahungrende, og det kræver enorme mængder data at få nøjagtigt output af høj kvalitet. Disse data tilfalder de største virksomheder, og det afspejles i deres værdiansættelse. Så vi ser, hvem disse virksomheder er. Meget af den værdi skyldes de data, de har adgang til. Og de produkter, de er i stand til at producere, er baseret på meget af disse data. Disse produkter er mange gange drevet af kunstig intelligens.

Laurel: Så tilbage til undersøgelsen, et sidste datapunkt her, siger 60 % af de adspurgte, at AI er mindst moderat til fuldt funktionel i deres organisation. Sammenlignet med for 10 år siden virker det som reelle fremskridt for AI. Men ikke alle er der endnu. Hvad er nogle trin, som virksomheder kan tage for at blive mere fuldt funktionelle med AI?

Klint: Det er her, jeg går tilbage til, hvad jeg sagde sidste år, som er at revurdere dit økosystem. Hvem er dine partnere? Hvem bringer disse muligheder ind i din virksomhed? Forstå, hvad dine muligheder er i forhold til de teknologiudbydere, der giver dig adgang til AI. Ikke alle virksomheder vil være i stand til bare at hyre en AI-ekspert og have AI. Det er teknologier, som jeg sagde, de er svære at udvikle. De er svære at vedligeholde. De udvikler sig i et lynhurtigt eksponentielt tempo. Så de samtaler, som vi ville have haft for seks måneder eller et år siden, ville være anderledes nu, bare på grund af tempoet i forandringen, der finder sted i dette miljø. Modstanden er lav til at ændre i AI. Og så bevæger det sig hurtigere end Moores lov. Det accelererer så hurtigt som dataene tillader det. Selve algoritmerne har eksisteret i årevis. Det er evnen til at fange og bruge de data, der driver AI. Så i partnerskab med disse muligheder er disse teknologivirksomheder, der har adgang til data, der er relevante for din branche, et afgørende element for at få succes.

Laurel: Når du taler med ledere om, hvordan man får succes med kunstig intelligens, hvordan kan man så rådgive dem, hvis de er bagud for konkurrenterne og ligestillede i implementeringen af ​​kunstig intelligens?

Klint: Nå, vi laver undersøgelser som denne. Vi laver benchmarks. Vi udnytter benchmarks, der er derude på andre områder og andre domæner. Vi ser på forandringstempoet og den relative fordel for den specifikke branche, og endnu mere snævert end det, funktionen eller aktiviteten inden for den branche og den pågældende virksomhed. AI har ikke infiltreret hvert eneste område endnu. Det er på vej til at gøre det, men der er områder inden for kundeservice, GNA, back-office-komponenterne i en organisation, fremstilling, analyser, indsigter, prognoser, alt det, AI har et stærkt fodfæste, så fortsætter med at udvikle det. Men så er der elementer i produktdesign, ingeniørarbejde, andre aspekter af design, som AI bevæger sig ind i, som der knapt er lige vilkår lige nu.

Så det er ujævnt. Det er meget avanceret på nogle områder, det er ikke så avanceret på andre. Jeg vil også sige, at den opfattelse, der vil komme frem i undersøgelsen af ​​generalister i disse områder, måske ikke tager højde for nogle af de mere avancerede kunstige intelligens-kapaciteter, der kan være seks måneder, et år eller to år senere. Men disse kapaciteter udvikler sig meget hurtigt og vil hurtigt bevæge sig ind i disse industrier. Jeg ville også se på start-økosystemet. Startups udvikler sig hurtigt. De teknologier, som en startup bruger og introducerer i nye industrier for at disrupte disse industrier, bliver ikke nødvendigvis overvejet af de mere etablerede virksomheder, som har eksisterende driftsmodeller og eksisterende forretningsmodeller. Så en startup bruger muligvis AI og data til totalt at transformere, hvordan en industri forbruger et produkt eller en tjeneste.

Laurel: Det er et godt råd som altid. Cliff, mange tak for at være med i dag i det, der har været en fantastisk samtale på Business Lab.

Klint: Min fornøjelse. Det er dejligt at tale med dig.

Laurel: Det var Cliff Justice, den amerikanske leder af virksomhedsinnovation for KPMG, som jeg talte med fra Cambridge, Massachusetts, hjemsted for MIT og MIT Technology Review, med udsigt over Charles River.

Det var det for denne episode af Business Lab. Jeg er din vært, Laurel Ruma. Jeg er direktør for Insights, den tilpassede udgivelsesafdeling af MIT Technology Review. Vi blev grundlagt i 1899 på Massachusetts Institute of Technology. Og du kan finde os på tryk, på nettet og begivenheder hvert år rundt om i verden. For mere information om os og showet, tjek venligst vores hjemmeside på technologyreview.com.

Dette show er tilgængeligt overalt, hvor du får dine podcasts.

Hvis du kan lide denne episode, håber vi, at du vil bruge et øjeblik på at bedømme og anmelde os. Business Lab er en produktion af MIT Technology Review. Denne episode blev produceret af Collective Next. Tak for at lytte.

Denne podcast-episode blev produceret af Insights, den tilpassede indholdsarm af MIT Technology Review. Den blev ikke produceret af MIT Technology Reviews redaktion.

skjule