ทำไมคุณควรคิดว่า AI เป็นทีมกีฬา

การคิดว่า AI เป็นทีมกีฬาหมายความว่าอย่างไร เราเห็นโครงการ AI เปลี่ยนจากโฆษณาเกินจริงไปสู่ผลกระทบ ส่วนใหญ่เป็นเพราะบทบาทที่เหมาะสมกำลังเข้ามาเกี่ยวข้องเพื่อให้บริบททางธุรกิจที่หายไปก่อนหน้านี้ ความเชี่ยวชาญด้านโดเมนเป็นกุญแจสำคัญ เครื่องไม่มีบริบทเชิงลึกที่ผู้คนมี และผู้คนจำเป็นต้องรู้ธุรกิจและข้อมูลดีพอที่จะเข้าใจว่าจะต้องดำเนินการใดตามข้อมูลเชิงลึกหรือคำแนะนำที่ปรากฏ

เมื่อพูดถึงการปรับขนาด AI ผู้นำหลายคนคิดว่าพวกเขามีปัญหาด้านบุคลากร โดยเฉพาะนักวิทยาศาสตร์ด้านข้อมูลไม่เพียงพอ แต่ไม่ใช่ว่าทุกปัญหาทางธุรกิจจะเป็นปัญหาด้านวิทยาศาสตร์ข้อมูล หรืออย่างน้อย ไม่ควรโยนทุกความท้าทายทางธุรกิจให้กับทีมวิทยาศาสตร์ข้อมูลของคุณ ด้วยแนวทางที่ถูกต้อง คุณจะได้รับประโยชน์จาก AI โดยไม่ต้องพบกับวงจรวิทยาศาสตร์ข้อมูลแบบดั้งเดิม

ในการปรับใช้และปรับขนาดโซลูชัน AI ผู้นำจำเป็นต้องเปลี่ยนกรอบความคิดขององค์กรให้คิดว่า AI เป็นกีฬาประเภททีม โครงการ AI บางโครงการต้องการบุคลากร เครื่องมือ และความคาดหวังที่แตกต่างกันออกไปสำหรับผลลัพธ์ที่ประสบความสำเร็จ การรู้วิธีรับรู้โอกาสเหล่านี้จะช่วยให้คุณเข้าถึงโครงการ AI ที่ประสบความสำเร็จมากขึ้น และทำให้ผู้ใช้ AI ของคุณลึกซึ้งยิ่งขึ้น เพิ่มความเร็วและพลังในการตัดสินใจของพนักงาน มาดูกันว่าทำไมและอย่างไร

องค์กรต่างๆ กำลังทำให้การวิเคราะห์ขั้นสูงเป็นประชาธิปไตยด้วย AI

การใช้ AI เพื่อแก้ปัญหาทางธุรกิจส่วนใหญ่เป็นขอบเขตของนักวิทยาศาสตร์ข้อมูล บ่อยครั้ง ทีมวิทยาศาสตร์ข้อมูลถูกสงวนไว้สำหรับโอกาสที่ใหญ่ที่สุดขององค์กรและความท้าทายที่ซับซ้อนที่สุด องค์กรจำนวนมากประสบความสำเร็จในการใช้วิทยาศาสตร์ข้อมูลกับกรณีการใช้งานเฉพาะ เช่น การตรวจจับการฉ้อโกง การปรับให้เหมาะกับแต่ละบุคคล และอื่นๆ โดยที่ความเชี่ยวชาญด้านเทคนิคเชิงลึกและแบบจำลองที่ปรับแต่งอย่างประณีตจะขับเคลื่อนผลลัพธ์ที่ประสบความสำเร็จอย่างมหาศาล

อย่างไรก็ตาม การปรับขนาดโซลูชัน AI ผ่านทีมวิทยาศาสตร์ข้อมูลของคุณเป็นสิ่งที่ท้าทายสำหรับองค์กร ด้วยเหตุผลหลายประการ การดึงดูดและรักษาผู้มีความสามารถไว้นั้นมีราคาแพงมากและอาจเป็นเรื่องยากในตลาดที่มีการแข่งขันสูง โครงการวิทยาศาสตร์ข้อมูลแบบดั้งเดิมมักใช้เวลานานในการพัฒนาและปรับใช้ก่อนที่ธุรกิจจะเห็นคุณค่า และแม้แต่ทีมวิทยาศาสตร์ข้อมูลที่มีประสบการณ์และแข็งแกร่งที่สุดก็สามารถล้มเหลวได้หากพวกเขาขาดข้อมูลหรือบริบทที่จำเป็นเพื่อทำความเข้าใจความแตกต่างของปัญหาที่พวกเขาถูกขอให้แก้ไข

Gartner® . 2021 สถานะของวิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่อง รายงาน (DSML) ระบุว่า "ความต้องการของลูกค้ากำลังเปลี่ยนไป โดยมีผู้ชมที่ไม่ค่อยมีความรู้ด้านเทคนิคต้องการใช้ DSML ได้ง่ายขึ้น ผู้เชี่ยวชาญจำเป็นต้องปรับปรุงประสิทธิภาพการทำงาน และองค์กรต่างๆ ต้องใช้เวลาในการลงทุนน้อยลง¹” แม้ว่าอาจมีปัญหาทางธุรกิจมากมายที่สามารถได้รับประโยชน์จากความเร็วหรือความรอบคอบของการวิเคราะห์ที่ AI สามารถให้ได้ แต่แนวทางวิทยาศาสตร์ข้อมูลแบบดั้งเดิมอาจไม่ใช่แผนการโจมตีที่ดีที่สุดในการมองเห็นคุณค่าอย่างรวดเร็วเสมอไป อันที่จริง รายงานของ Gartner ฉบับเดียวกันคาดการณ์ว่า "ภายในปี 2025 นักวิทยาศาสตร์ข้อมูลจะขาดแคลนจะไม่ขัดขวางการนำวิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่องมาใช้ในองค์กรอีกต่อไป"

ความเชี่ยวชาญด้านโดเมนมีความสำคัญอย่างยิ่งต่อการปรับขนาด AI ทั่วทั้งธุรกิจ

AI ได้ช่วยนำความสามารถในการวิเคราะห์ขั้นสูงมาสู่ผู้ใช้ที่ไม่มีพื้นฐานด้านวิทยาศาสตร์ข้อมูล เครื่องสามารถเลือกจากแบบจำลองการคาดการณ์และอัลกอริธึมที่ดีที่สุด และสามารถเปิดเผยแบบจำลองพื้นฐานได้ ให้ความสามารถในการปรับแต่งและทำให้แน่ใจว่าทุกอย่างตรงกับสิ่งที่ผู้ใช้กำลังมองหา

ความสามารถเหล่านี้ช่วยให้นักวิเคราะห์และผู้เชี่ยวชาญด้านโดเมนธุรกิจที่มีทักษะสามารถออกแบบและใช้ประโยชน์จากแอปพลิเคชัน AI ของตนเองได้ เมื่ออยู่ใกล้ข้อมูลมากขึ้น ผู้ใช้เหล่านี้จึงมีข้อได้เปรียบเหนือคู่หูนักวิทยาศาสตร์ข้อมูลหลายคน การนำพลังนี้ไปอยู่ในมือของผู้ที่มีความเชี่ยวชาญด้านโดเมนสามารถช่วยหลีกเลี่ยงเวลาในการพัฒนาที่ยาวนาน ภาระด้านทรัพยากร และค่าใช้จ่ายที่ซ่อนอยู่ซึ่งเกี่ยวข้องกับวงจรวิทยาศาสตร์ข้อมูลแบบดั้งเดิม นอกจากนี้ ผู้ที่มีความเชี่ยวชาญด้านโดเมนควรเป็นคนตัดสินใจว่าการคาดการณ์หรือข้อเสนอแนะของ AI จะเป็นประโยชน์หรือไม่

ด้วยกระบวนการสร้างแบบจำลองที่ทำซ้ำ ทบทวน และปรับใช้ใหม่ ผู้ที่มีบริบททางธุรกิจสามารถรับคุณค่าจาก AI ได้เร็วขึ้น แม้จะปรับใช้โมเดลใหม่กับผู้ใช้หลายพันคนภายในไม่กี่วันต่อสัปดาห์ แทนที่จะเป็นสัปดาห์เป็นเดือน สิ่งนี้มีประสิทธิภาพมากโดยเฉพาะอย่างยิ่งสำหรับทีมที่มีความท้าทายเฉพาะตัวอาจไม่มีความสำคัญสูงสำหรับทีมวิทยาศาสตร์ข้อมูล แต่สามารถได้รับประโยชน์จากความเร็วและความละเอียดถี่ถ้วนของการวิเคราะห์ AI

อย่างไรก็ตาม สิ่งสำคัญที่ควรทราบคือแม้ว่าโซลูชันเหล่านี้จะช่วยแก้ปัญหาช่องว่างด้านทักษะระหว่างนักวิเคราะห์และนักวิทยาศาสตร์ด้านข้อมูล แต่ก็ไม่สามารถทดแทนวิธีการหลังได้ นักวิทยาศาสตร์ข้อมูลยังคงเป็นพันธมิตรที่สำคัญกับผู้เชี่ยวชาญด้านธุรกิจเพื่อตรวจสอบความถูกต้องของข้อมูลที่ใช้ในโซลูชันที่ใช้เทคโนโลยี AI และนอกเหนือจากการทำงานร่วมกันนี้ ทักษะด้านการศึกษาและข้อมูลจะมีความสำคัญอย่างยิ่งในการใช้เครื่องมือประเภทนี้อย่างประสบความสำเร็จในวงกว้าง

การรู้ข้อมูลช่วยให้ผู้คนจำนวนมากขึ้นใช้ประโยชน์จาก AI

กลยุทธ์ข้อมูลพื้นฐานของคุณมีบทบาทอย่างมากในการจัดตั้งองค์กรของคุณให้ประสบความสำเร็จด้วย AI แต่การนำโซลูชัน AI มาสู่ผู้คนจำนวนมากขึ้นทั่วทั้งธุรกิจจะต้องใช้ข้อมูลพื้นฐานในการรู้เท่าทันข้อมูล การทำความเข้าใจว่าข้อมูลใดเหมาะสมที่จะนำไปใช้กับปัญหาทางธุรกิจ รวมถึงวิธีตีความข้อมูลและผลลัพธ์ของคำแนะนำ AI จะช่วยให้ผู้คนไว้วางใจและนำ AI มาใช้เป็นส่วนหนึ่งของการตัดสินใจได้สำเร็จ ภาษาของข้อมูลที่ใช้ร่วมกันภายในองค์กรยังเปิดประตูสู่การทำงานร่วมกันที่ประสบความสำเร็จกับผู้เชี่ยวชาญอีกด้วย

การสำรวจทั่วโลกล่าสุดของ McKinsey เกี่ยวกับ AI เปิดเผยว่าภายใน 34% ขององค์กรที่มีประสิทธิภาพสูง "ศูนย์ฝึกอบรมเฉพาะทางจะพัฒนาทักษะ AI ของบุคลากรที่ไม่เชี่ยวชาญด้านเทคนิคผ่านการเรียนรู้ด้วยมือ" เทียบกับเพียง 14% ของคนอื่นๆ ที่สำรวจทั้งหมด นอกจากนี้ ใน 39% ขององค์กรที่มีประสิทธิภาพสูง “มีช่องทางการสื่อสารและจุดสัมผัสที่กำหนดระหว่างผู้ใช้ AI และทีมวิทยาศาสตร์ข้อมูลขององค์กร” เทียบกับเพียง 20% ขององค์กรอื่นๆ

ผู้นำสามารถใช้แนวทางที่หลากหลายเพื่อสร้างการรู้เท่าทันข้อมูล ตั้งแต่การศึกษาและการฝึกอบรม โปรแกรมการให้คำปรึกษา การแข่งขันข้อมูลการสร้างชุมชน และอื่นๆ ลองนึกถึงการทำให้การเข้าถึงและการแบ่งปันข้อมูลเป็นมาตรฐาน เช่นเดียวกับวิธีที่คุณเฉลิมฉลองและส่งเสริมความสำเร็จ การเรียนรู้ และการตัดสินใจด้วยข้อมูล

Vidya Setlur หัวหน้าฝ่ายวิจัย Tableau กล่าวว่า "การรู้เท่าทันข้อมูลและการศึกษาเกี่ยวกับการสร้างภาพและวิทยาศาสตร์ข้อมูลจำเป็นต้องแพร่หลายมากขึ้น และสอนได้เร็วกว่านี้ “มีความรับผิดชอบทางสังคมและองค์กรที่มาพร้อมกับการพึ่งพาข้อมูล ผู้คนควรมีความพร้อมมากขึ้นในการทำความเข้าใจ ตีความ และใช้ประโยชน์จากข้อมูลให้มากที่สุด เพราะ AI จะมีความซับซ้อนมากขึ้นเท่านั้น และเราน่าจะนำหน้าเกมไปไม่กี่ก้าว”

การสร้างวัฒนธรรมข้อมูลขององค์กรของคุณอย่างต่อเนื่องจะสร้างโอกาสอันทรงพลังในการบ่มเพาะทักษะและส่งเสริมโซลูชันใหม่ๆ ทั่วทั้งธุรกิจ หลายองค์กรได้เพิ่มการลงทุนในด้านข้อมูลและการวิเคราะห์แล้วในช่วงไม่กี่ปีที่ผ่านมา เนื่องจากการเปลี่ยนแปลงทางดิจิทัลได้เร่งตัวขึ้น การเข้าถึงข้อมูลไม่ได้เป็นเพียงกีฬาของทีม และตอนนี้เรามีวิธีที่จะขยายกรอบความคิดนั้นไปสู่ ​​AI