Les entreprises se précipitent pour acheter l’IA, mais moins de 20 % des investissements financiers dans l’IA conduisent aux transformations que l’IA promet. VB Transform 2022 a réuni les magnats d’Intel, Wayfair, Red Hat et Aible pour discuter de la manière dont ils battent les chances d’exploiter en fait la quantité d’IA.
« Le mot « transformateur » est le slogan ici, » a déclaré Arun K. Subramaniyan, vice-président cloud et IA, méthode et exécution chez Intel. « Vingt pour cent des investissements rapportent vraiment ce qu’ils étaient censés faire lorsque vous avez vendu le projet. Et après cela, s’ils vous obtiennent les résultats commerciaux au niveau que vous vouliez pour cet investissement financier est vraiment la préoccupation. »
Les entreprises commencent à marcher plutôt qu’à ramper ; maintenant, il s’agit de savoir à quelle vitesse ils peuvent passer à la phase de fonctionnement, et ensuite maintenir ce niveau de transformation. L’amélioration et les résultats commerciaux peuvent prendre des mois, a déclaré Fiona Tan, CTO de Wayfair.
En tant qu’entreprise technologique dans le domaine numérique, axée sur la classification des articles pour la maison, ils ont en fait découvert que l’astuce consiste à se concentrer sur applications utiles de l’IA qui s’attaquent aux cas d’utilisation commerciale urgents. Ils sont également sélectifs quant à l’endroit où ils utilisent le travail d’IA et de ML qu’ils effectuent. La transformation prend du temps, a-t-elle noté, car les capacités d’IA et de ML sont plutôt différentes que les algorithmes d’application logicielle standard, qui utilisent des résultats instantanés.
« Avec de nombreuses conceptions basées sur l’IA et le ML, cela prendra un certain temps . C’est très itératif », a-t-elle expliqué. « À ce stade, lorsque vous verrez une modification transformationnelle, nous ne le voyons généralement pas dans les tout premiers X jours ou semaines. Cela prend normalement du temps pour nous. Avec nous, les clients sont disponibles. Nous ‘ Nous apprenons d’eux. Nous nous adaptons. »
L’expérience, le modèle et l’adaptation sont essentiels pour Arijit Sengupta, fondateur et PDG d’Aible. Sengupta a déclaré qu’il avait traversé plus d’un millier de projets d’IA avec son ancienne société, BeyondCore, qui a construit une technologie pour la découverte d’informations judicieuses – puis a composé un livre intitulé après l’échec de la plupart de ces emplois d’IA. Il s’est associé à Intel pour lancer Aible, une solution d’IA d’entreprise qui garantit un effet en un mois.
« Lorsque nous avons commencé, personne ne savait comment vous gagneriez en valeur en trente jours. Il était tout simplement rationnel de dire que les grandes entreprises ne peuvent pas faire ça », a-t-il déclaré. « L’avantage était que je l’avais fait plus d’un millier de fois moi-même. Mon groupe avait en fait effectué environ 4 000 tâches d’IA. Nous savions où les corps étaient enterrés. Nous pouvions le faire correctement la deuxième fois. »
Cela dépend plus que de toute autre chose de l’entreprise privée, a déclaré Costs Wright, responsable de l’IA/ML et de la périphérie intelligente, industries et comptes internationaux, chez Red Hat.
« J’ai consulté certains clients qui ont des capacités d’avancement remarquables », a-t-il déclaré. « Ils ont en fait suivi toutes les étapes DevOps et MLOps pour rendre tout très efficace. Il y a tellement plus sous les couvertures. »
Cependant, certains chercheurs en données ne comprennent pas tout le travail nécessaire à ces productions environnements, à quel point peut aller bien et peut échouer. Les entreprises se trouvent à tant d’étapes différentes sur le chemin de la compréhension de leurs difficultés et de la manière de les résoudre. Le succès ne vient pas seulement du modèle, mais de la compréhension du client.
« Il s’agit toujours de parler avec le client, de comprendre son inconfort, de comprendre ce qu’il traverse », a-t-il déclaré. « Toutes les avancées techniques que j’ai jamais connues ont été le fruit de conversations avec des consommateurs. Je pense que cela a été la plus grande leçon. »
Sortir de la zone de commodité AI/ML
Pour atteindre le point d’une véritable transformation numérique, il faut s’attaquer à des obstacles plus importants, là où les dangers peuvent être plus grands. Pour Wayfair, les problèmes les plus urgents à résoudre dans un premier temps étaient le marketing et l’acquisition de consommateurs. Ils ont pu automatiser et prendre des risques déterminés autour des enchères, ce qui a également approfondi une grande partie de leur méthode de consommation.
« Au fur et à mesure que nous avons acquis de l’expérience, nous avons pris cela et cela s’est transformé en, comment faire comprenons-nous mieux le consommateur ? » Tan a déclaré. « Cela a fini par être le début du développement de notre tableau des clients. Élargir notre parcours d’IA et de ML. »
Ils ont fait la même chose du côté des articles, en extrayant les informations sur les produits des fournisseurs pour améliorer et améliorer les données de l’entreprise a actuellement. La combinaison du graphique client issu des efforts d’acquisition et de marketing des consommateurs avec leur graphique produit permet à l’entreprise d’offrir la meilleure expérience possible aux consommateurs dans chaque expérience de recherche et d’achat. Et chaque action du parcours s’appuie sur celle qui la précède, enrichissant les capacités actuelles et ouvrant des chances d’utiliser l’IA et le ML dans d’autres domaines.
« Nous vendons des choses énormes qui sont difficiles à déplacer et coûteuses à déplacer . Comment puis-je utiliser l’IA et le ML pour améliorer ma chaîne d’approvisionnement – fournir une capacité où, idéalement, je vous sers le canapé vert le plus pertinent en fonction de ce que vous essayez de trouver, mais je veux également m’assurer que je peux vous en servir un qui est à le centre de distribution le plus proche de chez vous, donc il y a le moins de risques de dommages », a expliqué Tan. « C’est la conclusion de rassembler tous ces composants disparates pour pouvoir offrir une option. »
Généralement, le problème ralentir la transformation de l’IA, c’est trop peu de parrainage de la part des dirigeants, a déclaré Sengupta, et des attentes trop grandes.
« Nous avons compris que si vous allez voir [le groupe de gestion] et dites : » Quel type d’IA vous voulez ? », ils veulent un véhicule volant de Retour vers le futur », a-t-il déclaré. « Les données pourraient leur donner un bateau très rapide ou des voitures et des camions à vitesse moyenne ou un avion très lent. Lorsque vous partez des données et que vous pouvez leur révéler des modèles intrigants dans les informations et les impliquer tôt, ils ne demandent pas quelque chose de fou. Vous pouvez le leur donner. »
Si vous prenez les points de danger, les résolvez tôt dans la tâche et itérez très rapidement, vous pouvez obtenir un bon résultat, a-t-il ajouté.
« Souvenez-vous de la différence », a déclaré Sengupta. « Je ne dis pas que vous pouvez faire n’importe quel projet d’IA en 1 mois. Je dis que vous pouvez avoir un succès substantiel de l’IA en trente jours. Les 2 sont très variés. Un iPad ne peut pas faire ce qu’un supercalculateur fait, mais un iPad développe beaucoup de valeur. »
Lorsque vous éliminez les points faibles et que les entreprises utilisent des cas pour accéder aux bons emplois d’IA, là où vous vous trouvez dans votre voyage vers l’IA compte beaucoup, a déclaré Subramaniyan.
« Mais là où se trouve le monde, le monde de l’IA, en termes de spectre de développement, compte également », a-t-il déclaré. « Nous sommes tous devenus conscient de la rapidité avec laquelle le monde de l’IA évolue. Nous pouvons vraiment tirer le meilleur parti de cela plutôt que d’être intimidés. »
La quantité d’investissement nécessaire pour construire réellement une grande conception peut être difficile, mais une fois que les conceptions ont été réellement construites, ou que vous trouvez l’open source, il s’agit d’en tirer parti pour sauter le pas, a-t-il déclaré.
« En tant que chefs d’entreprise, c’est quelque chose auquel vous pouvez penser plutôt que de penser à l’investissement important », a-t-il déclaré. « Dans certaines méthodes, cela vous aide d’être un peu en retard, car vous pouvez maintenant découvrir les erreurs commises par tout le monde, et aussi les devancer. Vous n’avez pas toujours besoin de considérer votre entreprise comme étant petite ou grande, ou comme s’attaquant aux grandes puissances de l’IA. Nous prenons cela et nous nous assurons que nous pouvons égaliser à tous les niveaux. C’est sur cela qu’Intel travaille, à la fois d’un point de vue matériel, mais plus crucial d’un point de vue applicatif. L’IA est un problème d’application logicielle. Le matériel est un catalyseur pour cela. »
.
Toute l’actualité en temps réel, est sur L’Entrepreneur
