En muchas batallas decisivas, se trazan líneas de batalla, se hacen estrategias y emerge un ganador. Sin embargo, a veces, lastimosamente, las batallas se pierden debido a la ignorancia total, ignorancia incluso donde está el frente de batalla, y más tristemente, el autoengaño.
Una brillante pieza de análisis de Forrester informa que [19659003] 40 “empresas impulsadas por el conocimiento” obtendrán $ 1.8 trillones para el 2021 – lo más probable es que una parte de esto sea eliminada del capital de mercado de su organización.
En esta lista, tenemos compañías jóvenes que tienen menos de 8 años. ¿Qué los unifica? Su obsesión con los datos e Inteligencia Artificial
En términos generales, con respecto a la adopción de Inteligencia Artificial, las organizaciones caen en una de las dos categorías:
Primero, tenemos los “ habladores “: hay organizaciones que mojan su sobre lo que típicamente llaman “iniciativas de IA” – tomando pequeños pasos de aversión al riesgo en silos organizativos, enredados por burocracias y una minoría pocos desafortunadamente enfocándose más en la cobertura de prensa que en el resultado real.
Luego tenemos “ Do- ers “: Estas son las empresas impulsadas por los conocimientos, que han integrado (o en una buena vía para integrar) Analytics y Inteligencia Artificial en su tejido organizacional. Estas organizaciones tienen un enfoque holístico de lo que me gustaría llamar “Inteligencia Artificial habilitado Value Chain” .
¿Cuál eres y dónde quieres estar?
El resto del blog es sobre cómo ganar la batalla de Inteligencia Artificial convirtiéndose en un “Do’er”
1. Objetivo para una cadena de valor impulsada por inteligencia artificial
Tres historias sobre visionarios que encarnan la idea de una adopción de IA más profunda y amplia para impulsar la verdadera innovación en toda su organización.
Introduzca Stitch Fix. ¿Comenzar un negocio minorista de telas en línea en medio de gigantes como Amazon? No hay problema: fundado en 2011, ahora la corrección de puntadas está valorada en $ 4.4B. ¿Cómo? Enfoque consciente en datos e inteligencia artificial
Todos los minoristas obtienen pocos puntos de datos estándar de los fabricantes de marca: tamaño, etc. Sin embargo, Stitch Fix invierte en extraer hasta 80 atributos por artículo de ropa como tipo de collar, número de botones etc.
Utilizan Aprendizaje automático para estimar medidas de ropa detalladas basadas en fotografías (p. ej., mangas y perfiles de pierna de pantalón).
Los puntos de datos les otorgan una ventaja competitiva cuando combinan (recomiendan) ropa con personas (tienen alrededor de 75 puntos de datos por persona).
¿Te gustan las camisas de doble cuello o los botones de madera? No hay problema – pueden resolverlo.
Aplican datos e Inteligencia Artificial a toda la cadena de valor : desde asignaciones de almacén, haciendo coincidir clientes con estilistas humanos y hasta el nivel de creación de diseños para prendas nuevas.
Un posterboy en esta área es Netflix. El motor de recomendación de la película es solo una parte de la historia. Considere esto: la tasa de éxito de la industria para los nuevos programas de televisión es del 35%; sin embargo, Netflix tiene un 70% .
¿Cómo? Antes de la iluminación verde de la primera producción más grande de House of Cards (inversión de $ 100 millones), Netflix recurrió a sus datos pasados para predecir la tasa de éxito y los factores.
El resto es historia. Netflix incluso optimiza en los carteles que se mostrarán cuando navega, utiliza Inteligencia Artificial para control de calidad (identificación de medios de baja calidad) y para entrega de contenido optimizado (qué medios enviar a su red de entrega de contenido más cercana) Fuente: página principal de earnest.com
La última historia es sobre Earnest. Un prestamista digital lanzado en 2014. Su negocio consiste en otorgar préstamos a una tasa de interés más baja que las instituciones financieras tradicionales que han existido por un tiempo.
¿Cómo? Por el riesgo más integral. Su algoritmo considera alrededor de 100.000 puntos de datos sobre los solicitantes, incluidos puntos de datos no tradicionales como educación, trayectoria profesional, etc. Desde octubre de 2017, ha extendido $ 2B en préstamos estudiantiles y tenía aproximadamente un Cartera de préstamos de $ 500M .
Para llevar: Piense en grande, piense en estrategia: pregunte cómo pueden los datos y la IA ayudarlo a innovar en los diversos aspectos de su cadena de valor.
Por supuesto, cuando ejecutas, priorizarás; sin embargo, el punto clave aquí es tener una imagen global frente a ti, para que puedas filtrar la visión de manera efectiva en toda la organización y potenciar la ejecución de la visión.
2. Ejecutivos Patrocinadores que entienden las posibilidades más allá de la publicidad
Inteligencia Artificial es, sin duda, publicitado . En palabras de un destacado líder en esta área, Michael Jordan (Profesor de la Universidad de California, Berkley): “ La mayor parte de lo que hoy se llama IA, particularmente en la esfera pública, es lo que se ha llamado Machine Learning (ML) durante las últimas décadas “.
De Judea Pearl que ganó el Premio Turing, el más alto honor en informática: ” Todo el impresionante los logros del aprendizaje profundo equivalen al ajuste de la curva “.
En una nota más ligera, leí esta verdadera pero divertida broma en línea: hace algunos años la gente hablaba sobre ” entrenar sus modelos ML “ – ahora la gente está hablando “enseñando al sistema Inteligencia Artificial a entender imágenes”.
Sin embargo, más allá de esta exageración, hay MUCHA posibilidades con la tecnología actual actual : ayudar a identificar tumores coches más rápidos y semiautónomos, marketing personalizado, identificación de fraudes – Puedo seguir adelante.
Dondequiera que haya datos históricos de los que aprender, podemos potencialmente beneficiarnos aprovechando Machine Learning.
Creo que los Patrocinadores Ejecutivos deberían comprender estos límites, para que puedan mantenerse al margen de la exageración y ofrecer un valor comercial tangible mediante la explotación del área de posible. Ingrese Katrina Lake – Fundador y CEO de Stich fix. Katrina estaba tratando de cortejar a Eric Colson quien fue VP de DataScience en Netflix para unirse a Stich Fix.
Después de algunas reuniones, Colson concluyó que “la persona al otro lado de la mesa era un clon intelectual de su antiguo jefe, el fundador de Netflix, Reed Hastings”. Colson dice “Les das un poco de información y pueden pintar una imagen vibrante que combine con la realidad”. (fuente: inc.com)
Para llevar : Los ejecutivos toman nota: pasan tiempo con expertos en esta área para comprender los fundamentos de la IA. Esto lo ayudará a navegar en torno a la publicidad y ofrecer un valor tangible.
3. Piense de manera integral sobre Inteligencia Artificial: riesgo y responsabilidad
La adopción de Inteligencia Artificial y Machine Learning en su organización es mucho más que optimizar una métrica (clics, visitas, ventas, etc.).
Sí, Business Value es una dimensión importante en la adopción de Inteligencia Artificial. Sin embargo, hay otras áreas clave que deben tenerse en cuenta: gestionar los riesgos (para su organización) y la responsabilidad (para la sociedad).
Una historia sobre Risk: 18 de marzo de 2018, 9:39 p.m. temperatura 15C: un auto de conducción auto Uber con un conductor en el interior patea el modo de conducción autónoma en Tempe, Arizona. Estará en modo autónomo durante los próximos 19 minutos.
9:58 pm: Elaine Herzberg, de 49 años, empuja sus carriles para cruzar bicicletas. El automóvil se estrella contra Elaine y la mata.
Cita de SFGate : “No hay duda de que el láser debería haberla visto”, dijo Brad Templeton, un empresario de Silicon Valley que fue uno de los primeros consultores de Google. -proyecto de conducción. “Sé que la tecnología es mejor que eso, así que siento que debe ser el fracaso de Uber”
Resultado: Una vida perdida. Uber derribó su flota de conducción autónoma por un tiempo para hacer las cosas más seguras (y mucha mala prensa).
Pregunta: Si había datos de entrenamiento robustos y un proceso de prueba exhaustivo (bajo diferentes condiciones de luz / clima) ), ¿podría haberse prevenido? ¿Deberíamos tener tecnología para monitorear el controlador de seguridad? es decir, ¿vale la pena hacer muchas preguntas antes de permitir que esto se ejecute en el camino?
Una historia sobre la responsabilidad
Las personas se buscan en Google todo el tiempo: antes de una reunión, para solicitudes de empleo, etc. Un colega de Latanya Sweeney encontrado y anuncio de “Latanya Sweeney, Arrested?”
Latanya Sweeney es profesor en Harvard y conocido para descubrir problemas desafiantes en el pasado, investigó y encontró una discriminación estadísticamente significativa en los sistemas de publicación de anuncios basada en búsquedas de nombres personales racialmente asociados . Continuó y publicó un documento bien visto .
Para llevar : Como parte de la estrategia de Inteligencia Artificial, las organizaciones deben considerar tanto el Riesgo (Gobernabilidad, Riesgo y Cumplimiento) como Responsablemente (equidad, privacidad, etc.).
Si esto no se hace voluntariamente y por adelantado, llegará el momento en que esto tenga que hacerse bajo presión y desde un lugar muy malo. Compartiré más entradas en esta área en mis próximos blogs.
Parting words
En este blog he esbozado tres aspectos que creo que son esenciales para obtener su parte de los $ 1.8T por 2021 : apunte a la cadena de valor impulsada por la inteligencia artificial.
Los patrocinadores deben centrarse en las posibilidades más allá de la exageración, y diseñar una estrategia integral de inteligencia artificial que abarque el riesgo y la responsabilidad además del valor comercial
La pregunta es: ¿vas? para obtener su parte o va a ser tallado? ¿Un comunicado de prensa rápido lo hace feliz o está dispuesto a invertir en un enfoque holístico de la estrategia de inteligencia artificial? ¿Estás listo para el largo recorrido? ¿Es usted un Hacedor?
Tengo la intención de publicar más pensamientos en profundidad sobre este tema. Mis coordenadas: LinkedIn Twitter y Medio
Organización impulsada por la generación siguiente de gen. – ¡Una llamada de atención! se publicó originalmente en Towards Data Science en Medium, donde las personas continúan la conversación resaltando y respondiendo a esta historia.