Наступна ера: Програми AI для підприємств

Я деякий час гадав, що може бути наступним для корпоративного програмного забезпечення. Будь то маленька приватна чи велика державна компанія, куди слід вкладати наш час та гроші? (Оригінал з’явився як середній допис.)

Можливо, огляд у минуле може дати нам певні вказівки. Корпоративне програмне забезпечення пережило три різні епохи. У 1-у еру з’явилися компанії з інфраструктурного програмного забезпечення, такі як Microsoft та Oracle, які орієнтувались на програмістів. Розробники програмного забезпечення використовували Microsoft Visual Basic та базу даних Oracle для створення власних програм робочого циклу для підприємства протягом 90-х років. Наприкінці 90-х років друга ера корпоративного програмного забезпечення розпочалася зі створення пакетованого локального корпоративного додатку робочого процесу. Виникли компанії, включаючи PeopleSoft, Siebel, SAP та Oracle. Ці програми зосереджувались на автоматизації ключових робочих процесів, таких як замовлення в готівку, покупка для оплати чи найм на роботу. Підприємствам не потрібно було наймати програмістів для розробки цих додатків робочого циклу, їм потрібно було лише купувати їх, впроваджувати та управляти ними. Третя ера розпочалась у 2000-х роках з доставки пакетних програм робочого процесу як хмарної служби. Прикладів безліч, включаючи Salesforce, Workday, Blackbaud та ServiceNow. Ця 3-я ера усунула необхідність для підприємства наймати операційних людей для управління програмами та пришвидшила прийняття пакетних корпоративних програм робочого процесу. Хоча ви все ще могли найняти програмістів для написання CRM-програми та керувати людьми, щоб керувати нею, чому б ви?

Давайте тепер переключимо нашу увагу на аналітику, яка не зосереджена на автоматизації процесу, а натомість на вивченні даних, щоб глибше зрозуміти, зробити прогнози чи сформувати рекомендації. Аналітика заповнена компаніями, що спеціалізуються на управлінні даними (наприклад, MongoDB, Teradata, Splunk, Cloudera, Snowflake, Azure SQL, Google Big Query, Amazon RedShift); компанії, присвячені наданню інструментів для розробників або бізнес-аналітиків (наприклад, SAS, Tableau, Qlik та Pivotal), а також програмне забезпечення для інженерів даних, включаючи колишні державні компанії, такі як Mulesoft (придбана Salesforce) та Informatica (придбана Permira).

Крім того, завдяки інноваціям у споживчому Інтернеті, наприклад, розпізнаванню облич Facebook, Google Translate, Amazon Alexa, зараз доступні сотні програмного забезпечення з відкритим кодом та хмарних служб, які забезпечують широкий спектр будівельних блоків для штучного інтелекту та аналітичної інфраструктури. Для тих, хто зацікавлений у вигулу, ось короткий вступ. Частина цієї технології буде значно нижчою. Подумайте сьогодні, приблизно за 1000 доларів я можу отримати 1000 серверів за 48 годин, щоб пройти навчальний цикл для побудови моделі машинного навчання.

Я буду використовувати ярлик AI для позначення всього спектру технологій аналітичної інфраструктури, а також тому, що це звучить крутіше. Сьогодні ми значною мірою перебуваємо в 1-й ері. Індустрія програмного забезпечення надає програмне забезпечення для інфраструктури AI і вимагає від підприємства найняти програмістів, експертів ML для побудови програми, а також розробників людей для управління розгортанням. Це майже те ж саме, що і 1-а ера програмного забезпечення робочого процесу підприємств.

Якщо ми маємо дотримуватися тієї самої послідовності, що і програми робочого циклу, нам потрібно вийти за межі першої ери, орієнтованої на розробників, і почати будувати корпоративні AI-додатки.

Отже, що таке корпоративний AI-додаток?

Програми AI для підприємств обслуговують працівника, а не розробника програмного забезпечення або бізнес-аналітиків. Працівник може бути спеціалістом з виявлення шахрайства, дитячим кардіологом або керівником будівельного майданчика.

Програми AI для підприємств мають тисячолітній інтерфейс і створені для мобільних пристроїв, доповненої реальності та голосової взаємодії.

Програми AI для підприємств використовують історичні дані. Більшість корпоративних програм робочого циклу вилучають дані після завершення робочого процесу або транзакції.

Корпоративні програми AI використовують багато даних. Джефф Дін навчив нас більшій кількості даних і більшій кількості обчислень, які ми можемо досягти майже лінійних поліпшень точності.

Програми AI для підприємств використовують багато різнорідних джерел даних всередині та за межами підприємства, щоб відкрити глибші уявлення, зробити прогнози чи сформувати рекомендації та навчитися на досвіді.

Хорошим прикладом споживчої програми AI є пошук Google. Це програма, орієнтована на працівника, а не на розробника, з тисячолітнім інтерфейсом користувача і використовує багато різнорідних джерел даних. Відкрийте капот, і ви побачите всередині безліч програмних технологій інфраструктури. То які проблеми складаються у створенні корпоративних програм для штучного інтелекту?

Найприємніше у транзакційних або робочих процесах – це те, що процеси, які вони автоматизують, чітко визначені та відповідають деяким стандартам. Таким чином, існує обмежений всесвіт цих програм. Застосування корпоративних інтелектуальних технологій будуть набагато різноманітнішими і обслуговуватимуть працівників настільки ж різними, як спеціаліст з обслуговування комбайна, рентгенолога або керівника морської бурової установки.

Команди розробників додатків будуть укомплектовані по-різному. Команди матимуть широкий досвід, включаючи бізнес-аналітиків, спеціалістів доменів, науковців даних, інженерів даних, спеціалістів devops та програмістів. З таким широким набором хмарного програмного забезпечення навіть програмування буде виглядати по-різному.

Нарешті, розробка цих аналітичних додатків потребуватиме іншої методології, ніж була використана для побудови додатків робочого процесу. У робочих програмах ми можемо судити про те, чи правильно працювало програмне забезпечення чи ні. У корпоративних програмах AI нам доведеться вивчити визначення кривої ROC та визначити, який рівень помилкових спрацьовувань та помилкових негативних негативних наслідків ми готові допускати.

Деякі компанії з’являються для обслуговування розробника, включаючи Teradata та C3, а також постачальників хмарних послуг обчислень та зберігання, Microsoft, Google та Amazon. Незважаючи на те, що є достатньо місця для створення власних корпоративних програм AI, справжнім початком наступної ери буде поява упакованих програм AI. Починаються приклади. Компанія Visier, заснована Джоном Шварцем, колишнім генеральним директором Business Objects, створила пакетне програмне забезпечення для штучного інтелекту для підприємств, орієнтоване на працівника з персоналу. Yotascale вирішив зосередитись на ІТ-працівнику, який керує складною хмарною інфраструктурою. Веллайн створив пакетну корпоративну програму штучного інтелекту для нафтотехнічних інженерів за допомогою платформи Maana «Лецида», заснована деякими моїми колишніми студентами в Стенфорді, пропонує спільну розвідувальну програму для працівників, які керують промисловими (будівельними, фармацевтичними, хімічними, комунальними ..) машинами. Вони використовують технологію штучного інтелекту, щоб зробити машини достатньо розумними, щоб “розмовляти” з експертами-людьми, коли їм це потрібно. Ці моделі створюються менш ніж за 48 годин з використанням тонни програмних технологій. ServiceNow та ServiceMax пропонують упаковані корпоративні робочі програми для службовців, Lecida – упаковану корпоративну програму AI для службовців.

Для того, щоб дані стали новою олією, нам потрібно розпочати наступну еру та розпочати створення спеціальних або упакованих корпоративних програм штучного інтелекту. Ці програми обслуговують працівника, а не розробника програмного забезпечення або бізнес-аналітиків. Працівник може бути інженером з надійності, дитячим ендокринологом або керівником будівлі. Програми AI для підприємств матимуть тисячолітні інтерфейси, побудовані для мобільних пристроїв, доповненої реальності та голосу. І ці програми використовуватимуть океани даних, що надходять як з Інтернету людей, так і з Інтернету речей, щоб відкрити глибші уявлення, зробити прогнози чи сформувати рекомендації. Нам потрібно перейти від інфраструктури до додатків.

Спочатку ця публікація була опублікована за адресою https://www.linkedin.com/pulse/next-era-enterprise-ai-applications-timothy-chou/.

Timothy Chou люб’язно дозволив нам перекласти і опублікувати цю статтю.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s

%d bloggers like this: