ปัญญาประดิษฐ์เป็นเทคโนโลยีที่ทรงพลัง แต่ไม่ใช่ยาวิเศษที่คุณสามารถนำไปใช้กับกระบวนการเพื่อทำให้ดีขึ้นได้ หากมีสิ่งใดเกิดขึ้น AI และแมชชีนเลิร์นนิงที่เกี่ยวข้อง กระบวนการทำงานอัตโนมัติของหุ่นยนต์ และแม้แต่เทคโนโลยีการวิเคราะห์ข้อมูล จำเป็นต้องให้ความสนใจมากกว่าที่เคยเพื่อปรับใช้งานเทคโนโลยีสารสนเทศพื้นฐานอันเป็นนิรันดร์โดยเฉพาะอย่างยิ่ง ความสำเร็จใน AI และเทคโนโลยีที่ขับเคลื่อนด้วยข้อมูลอื่นๆ เริ่มต้นด้วยแนวคิดที่ชัดเจนและชัดเจนเกี่ยวกับผลลัพธ์ที่คาดหวัง นั่นหมายความว่าเจ้าของธุรกิจหรือกระบวนการคือผู้ที่สามารถริเริ่มโครงการ AI
ที่ประสบความสำเร็จได้มากที่สุด เพราะพวกเขาเข้าใจอย่างถ่องแท้
ถึงความท้าทายทางธุรกิจที่พวกเขาเผชิญและผลลัพธ์ของภารกิจที่พวกเขาต้องส่งมอบ
“คนที่ใช้ชีวิตอยู่กับปัญหาและเข้าใจว่าเกิดอะไรขึ้นในแต่ละวัน” จิม สมิด หัวหน้าเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Iron Bow Technologies กล่าว “ผู้จัดการฝ่ายไอที, CIO – พวกเขาไม่เข้าใจจริงๆ ว่าปัญหาเหล่านั้นคืออะไร ดังนั้นพวกเขาจึงไม่เข้าใจจริงๆ ว่าผลลัพธ์จะต้องเป็นอย่างไร”
ดังนั้น Smid กล่าวเสริมว่า การเลือกเครื่องมือและเทคโนโลยีเฉพาะควรเข้ามาใกล้กับจุดสิ้นสุดของการออกแบบโครงการมากกว่าปกติ การกำหนดปัญหาและการเลือกแหล่งข้อมูลที่จะเปิดใช้งานอัลกอริทึมเพื่อสร้างผลลัพธ์ที่คาดหวังต้องมาก่อนหน้านี้
อันที่จริง การเลือกเครื่องมือเร็วเกินไปอาจจำกัดพลังของโครงการได้ ตัวอย่างเช่น การเลือกทำให้กระบวนการที่ใช้เวลานานเป็นอัตโนมัติด้วยเครื่องมือ RPA อาจหมายความว่าคุณมองข้ามโอกาสสำหรับโซลูชันที่ครอบคลุมมากขึ้นซึ่งเกี่ยวข้องกับ API และการเขียนโปรแกรม AI อาจมาจากเครื่องมือและโซลูชันที่หลากหลาย
“RPA อาจเป็นสิ่งที่ดีสำหรับการสร้างต้นแบบ” Smid กล่าว
“นั่นอาจเป็นสิ่งที่ดีในระยะยาว คุณไม่รู้จริงๆ จนกว่าคุณจะเข้าใจเพิ่มเติมเกี่ยวกับข้อมูล กระบวนการ และสิ่งที่เกี่ยวข้องทั้งหมด”
Smid อ้างถึงลูกค้ารายหนึ่ง “เราทำหลายอย่างกับเวอร์จิเนีย เราไม่ได้คุยกับคนไอที เรากำลังคุยกับแพทย์เกี่ยวกับชีวิตในแต่ละวันของพวกเขา”
การมีมุมมองของปัญหาจากมุมมองนั้นจะช่วยให้คนไอทีเข้าใจได้ดีขึ้นถึงจำนวนรวมของเทคโนโลยีที่อาจนำมาซึ่งปัญหา ตัวอย่างเช่น ความต้องการทางคลินิกสำหรับเซสชันระยะไกลที่เชื่อถือได้และใช้งานง่ายไม่เพียงทำให้เกิดคำถามเกี่ยวกับระบบอัตโนมัติที่เกี่ยวข้องกับการรวบรวมข้อมูลเกี่ยวกับผู้ป่วยและการวิเคราะห์แนวโน้มเท่านั้น แต่ยังรวมถึงเทคโนโลยีเช่น 5G เพื่อลดเวลาแฝงหรือความต้องการพอร์ทัลผู้ใช้ที่ใช้งานง่ายมากขึ้น ออกแบบ. บางทีการประมวลผลภาพที่ดีขึ้นด้วยกล้องที่ได้รับการปรับปรุงอาจสร้างข้อมูลที่มีคุณภาพมากขึ้นและมากขึ้นสำหรับการนำ AI ไปใช้กับโรคที่มีอาการที่มองเห็นได้
สมิดเตือนความผิดพลาดทั่วไปของการคิดอย่างโอ่อ่าเกินไป ตัวอย่างเช่น ในขอบเขตการป้องกัน บ่อยครั้งสิ่งที่ผู้ปฏิบัติงานต้องการจริงๆ คือการแก้ปัญหาประจำวันที่บั่นทอนเวลาและความสนใจของผู้คน แทนที่จะเป็นอัลกอริทึมที่จะนำสันติภาพมาสู่โลก
ตัวอย่างเช่น วิธีการวิเคราะห์เชิงคาดการณ์ในการเปลี่ยนชิ้นส่วนตามกำหนดเวลาที่เกิดขึ้นในภาคอุตสาหกรรมสามารถปรับให้เข้ากับการส่งกำลังบำรุงและความยั่งยืนทางทหาร Smid อ้างถึงวิธีปฏิบัติทั่วไปในการเปลี่ยนดิสก์ไดรฟ์ก่อนที่จะล้มเหลว
“นั่นเป็นจุดเปลี่ยนของเกม” สมิดกล่าว “เพื่อให้สามารถทำได้ด้วยเฮลิคอปเตอร์ รถถัง รถจี๊ปของคุณ การบำรุงรักษาเชิงคาดการณ์ทั้งหมดนั้นเป็นส่วนสำคัญ ทรัพยากรจำนวนมากกำลังจะถูกนำไปใช้ในขณะนี้ เพราะมีผลกระทบอย่างมาก”
Smid ยังแนะนำให้หน่วยงานพิจารณาเกี่ยวกับสถาปัตยกรรมการประมวลผลที่เหมาะสมที่สุดสำหรับ AI และแอปพลิเคชันที่เกี่ยวข้องที่พวกเขาปรับใช้ เขากล่าวว่าแนวโน้มของข้อมูลอินเทอร์เน็ตในทุกสิ่งผลักดันให้การประมวลผล – การทำงานของแอปพลิเคชัน AI – เกิดขึ้นที่ขอบซึ่งเป็นที่ที่ข้อมูลถูกรวบรวม บ่อยครั้งที่ผู้ใช้ต้องการผลลัพธ์จริง และช่วยประหยัดค่าใช้จ่ายและความซับซ้อนของการจัดส่งข้อมูลไปยังและจากศูนย์ข้อมูลหรือระบบคลาวด์เชิงพาณิชย์
