Искусственный интеллект и машинное обучение: что стоит за хайпом?
В ИТ это стало неизбежным. Как только что-то новое появляется на горизонте, хайп набирает обороты. Это происходит по мере того, как вводится новый термин в продажах и маркетинге. В некоторых случаях компании переименовывают свои существующие товары в соответствии с новым термином, не внося никаких фактических изменений в продукт.
Иногда ажиотаж оправдан, а часто - нет. По мнению Дрю Робба (Drew Robb) это касается искусственного интеллекта (AI) и машинного обучения (ML).
Согласно недавнего отчета Gartner Magic Quadrant, посвященного платформам для анализа данных и машинного обучения, эти термины сегодня чрезмерно раздуты.
Показательный пример: недавнее интервью с поставщиком программного обеспечения привело к признанию, что «возможности искусственного интеллекта», о которых говорится в их брошюрах, еще не реализованы. Другими словами, они использовали хайп, чтобы привлечь больше внимания к своему программному обеспечению.
Еще пример: в январе прошлого года команда Google Health заявила в Nature, что их программа искусственного интеллекта превзошла людей в диагностике рака груди . В октябре группа во главе с Бенджамином Хайбе-Каинсом, исследователем вычислительной геномики, раскритиковала статью Google о здоровье, заявив, что «отсутствие подробностей в методах и коде алгоритмов подрывает ее научную ценность».
Действительно, искусственный интеллект, как и биомедицина и другие области, погряз в кризисе репликации. Исследователи делают драматические заявления, которые невозможно проверить, потому что эти исследователи, особенно в промышленности, не раскрывают свои алгоритмы. Один из недавних обзоров показал, что только 15% исследований ИИ делились своим кодом.
Gartner не считает, что искусственный интеллект и машинное обучение полностью лишены содержания. Фактически, в отчете перечисляются 20 лучших кандидатов с объяснением их сильных и слабых сторон. Эти платформы уже доказали свою ценность для специалистов по обработке данных, для аналитиков при поиске данных, построении моделей, изучении данных и выявлении тенденций. Эта ценность переводится в продажи. Gartner сообщает об увеличении инвестиций в ИИ во время пандемии COVID-19. Лучший совет аналитической фирмы о том, как выйти за рамки ярких маркетинговых обещаний, — это сосредоточить внимание на реальных сценариях использования AI и ML, которые принесут ощутимую пользу для бизнеса.
Так как CIO как правило является проводником всех новых технологий, то он должен понимать, как хайп AI и ML может повлиять на высшее руководство. Не секрет, что руководителей и членов советов директоров со всех сторон атакуют чудеса той или иной платформы искусственного интеллекта. Это может привести к тому, что менеджмент потребует немедленной замены существующих инструментов бизнес-аналитики.
Прежде чем пойти ва-банк…
Необходимо сохранять спокойствие по ряду причин. Вот пять, о которых нужно помнить.
-
Смена платформы может обойтись очень дорого и при этом не добавить адекватной функциональности или ценности.
-
Ваш существующий поставщик может дополнить свой продукт любыми необходимыми функциями за небольшую часть стоимости и в сроки, которые вы укажете. Вы никогда не узнаете об этом, пока не спросите.
-
Новые функции, которые вызывают восторги высшего руководства, могут показаться неплохими. Но принесут ли они большую пользу прибыли? И изменит ли новая платформа текущие и успешные процессы продаж в организации?
-
Хорошо ли будет интегрироваться какая-либо предлагаемая новая платформа с существующими облачными платформами и инструментами бизнес-аналитики?
-
Учитываются ли мнения пользователей? Слишком часто руководство покупается на функции, которые облегчают им жизнь, например на расширенную отчетность.
Выбор правильных инструментов AI и ML
Если можно получить реальную выгоду, продолжайте инвестировать в AI и ML. Gartner отмечает, что в 2019 году объем рынка составил $4 миллиарда, и он растет со скоростью 17% в год. Но не все инструменты одинаковы. Некоторые платформы ориентированы на специалистов по данным и требуют высококвалифицированного персонала. Одни компании могут позволить себе такой персонал, но многие не могут. Другие инструменты нацелены на демократизацию ИИ и машинного обучения. Это может сработать для одних организаций, а для других нет.
Gartner перечислил традиционных лидеров в Magic Quadrant, таких как давние пионеры бизнес-аналитики SAS, IBM Watson и MathWorks. По данным Gartner, в настоящее время доминирует SAS Visual Data Mining и Machine Learning, не сильно отстают и два других.
Скоро по всей видимости их догонят облачные гиганты Google, Microsoft и Amazon. Последний опоздал на вечеринку, но сейчас набирает обороты. На переполненном рынке также есть много других, кто получает высокие рынки от Gartner, - Dataiku, Databricks, Tibco, Alteryx, DataRobot, KNIME, RapidMiner и H2O.ai.
Несмотря на ажиотаж, этот рынок ожидает значительный рост в ближайшие годы. Выиграют те, кто смотрит дальше маркетингового хайпа, направляя инициативы AI и ML на достижение стратегических бизнес-целей.
Опубликовано 31.05.2021