Unlocking the power of AI

Wyobraźmy sobie organizację stojącą przed zamkniętymi drzwiami, za którymi kryją się ogromne możliwości wzrostu. Żeby móc z nich skorzystać i wzbogacić dotychczasowe działania o innowacyjne rozwiązania jutra, niezbędny jest klucz. Tym kluczem są działania oparte o uczenie maszynowe (MLOps).

Okazuje się, że prężnemu rozwojowi sztucznej inteligencji (AI) towarzyszy wzrost zainteresowania wdrożeniem innowacyjnych technologii. Mając na uwadze ambitne plany rozwijania swojej działalności, firmy zastanawiają się, w jaki sposób mogłyby wykorzystać rozwiązania AI na szerszą skalę, aby osiągnąć jak najlepsze rezultaty. Odpowiedź brzmi - konieczne jest wprowadzenie i wdrożenie MLOps.

MLOps obejmuje procesy i działania niezbędne do wdrożenia uczenia maszynowego (ML) i zarządzania nim. Brak wystarczających umiejętności MLOps po stronie organizacji może przeszkodzić im w pełnym wykorzystaniu potencjału AI. Okazuje się, że wiele firm nadal nie osiągnęło swojej docelowej dojrzałości AI i nie wdrożyło ML z racji na brak wiedzy, infrastruktury czy możliwości inwestycyjnych.

Chcąc zgłębić ten temat, firma Deloitte przeprowadziła badanie wśród ekspertów lub osób odpowiedzialnych za obszar danych, analityki czy AI w swoich organizacjach. Opinie osób będących reprezentantami dojrzałej społeczności AI pozwoliły nam ocenić, w jaki sposób kadra zarządzająca oraz przedstawiciele innych grup, których ta kwestia dotyczy, postrzegają poziom wykorzystania sztucznej inteligencji w swoich firmach oraz trudności związane z wdrożeniem uczenia maszynowego. Na podstawie zebranych informacji uzyskaliśmy obraz tego, w jaki sposób organizacje chcą skalować rozwiązania AI, czego potrzebują, z jakich technologii korzystają obecnie i jakie technologie zamierzają zastosować w przyszłości.

Informacje o badaniu

W badaniu Deloitte, przeprowadzonym między majem a wrześniem 2022 roku, udział wzięło 621 osób, które w swoich organizacjach odpowiadają za takie obszary jak AI, analityka danych i zarządzanie danymi. Wśród nich znaleźli się przedstawiciele sektora usług konsumenckich, energetyki, zasobów naturalnych i przemysłu, usług finansowych, branży life sciences i opieki zdrowotnej, sektora usług rządowych i publicznych, mediów, sektora telekomunikacyjnego i technologicznego. Respondenci pochodzili z siedmiu krajów: Australii, Kanady, Niemiec, Japonii, Ameryki Południowej, Wielkiej Brytanii i Stanów Zjednoczonych. W grupie ankietowanych byli przedstawiciele: kadry zarządzającej (w tym dyrektorzy ds. technologii, dyrektorzy ds. IT czy danych), szefowie działów lub departamentów, dyrektorzy, wiceprezesi lub przedstawiciele innych specjalistycznych działów technicznych (np. architekci danych, inżynierowie danych, data scientists, architekci i inżynierowie ML).

Wyniki badania wskazały konkretne bariery, jakie organizacje pokonują na drodze do skutecznego rozwoju rozwiązań AI, oraz konieczność wdrażania uczenia maszynowego i inwestowania w działania MLOps, aby móc w pełni wykorzystać siłę i potencjał sztucznej inteligencji.

MLOps opiera się na współpracy między poszczególnymi działami, której celem jest dostarczenie wartości i wykorzystanie danych. Rzeczona współpraca dotyczy wszystkich aspektów działalności danej organizacji i obejmuje zarówno właścicieli produktów biznesowych, inżynierię danych, data science, jak również obszar IT i infrastrukturę. Tego rodzaju działaniom przyświeca wspólny cel - tworzenie wartości dzięki zastosowaniu rozwiązań analitycznych opartych o dane.

Zapraszamy do lektury raportu, w którym piszemy o:

• Trudnościach, jakie towarzyszą organizacjom w procesie skalowania rozwiązań AI w celu osiągnięcia docelowego poziomu dojrzałości
• Decydującym znaczeniu MLOps
• Zapanowaniu nad procesem transformacji danych i zarządzania danymi
• Możliwościach płynących z inwestycji w MLOps oraz wykorzystaniu AI na szerszą skalę

oraz o wielu innych rzeczach!

Zachęcamy do zapoznania się z pełną wersją raportu, która jest dostępna tutaj.