С чего начать, если планируете внедрять ИИ в компании, и почему ключевой аспект здесь - Data/AI maturity? 📊
Давайте для начала решим вопрос: почему для компаний почти всех индустрий тема данных и ИИ сейчас так важны?
Технология прогрессирует всё быстрее и быстрее. Технологические трансформации приходят волнами, и несмотря на то, что в данный момент между каждой волной проходит 3-5 лет, это расстояние в будущем будет сильно сокращаться. Каждая волна предоставляет компаниям возможность выстроить конкурентное преимущество или рискнуть возможно невозвратно отстать от конкурентов. CEO Databricks, Али Годси, предсказал, что в долгосрочной перспективе (~10 лет) во всех индустриях лидеры с конкурентным преимуществом будут ориентированы на данные и AI. Считается, что Data/AI-driven компании способны увеличить доход на 15-25%.
[Как мы обсудим в одном из будущих постов, сами по себе данные и ИИ не являются гарантией успеха - есть определенные условия, от наличия которых зависит, принесет ли ваш проект на основе данных и ИИ прибыль или будет провалом!]
Зная, зачем нужна AI-трансформация, появляется следующий вопрос – с чего начать этот процесс? Первые шаги к AI-трансформации всегда должны быть следующими:
1️⃣оценка Data/AI maturity (где компания сейчас?) и
2️⃣формирование стратегических целей C-level лидеров (до куда компания хочет дойти?).
Каждый бизнес, продукт или проект проходят через разные стадии Data/AI зрелости. Это значит, что в начинающих уровнях данные собираются ещё не системно и без особой отдачи - но со временем через вклад инженеров инфраструктура и сбор данных становятся более «зрелыми» и обеспечивают более продвинутые ML модели.
Большинство legacy компаний в данный момент находятся на уровне 1 или уровне 2 (AI interest & experimentation), как подчеркивает статистика от Accenture на скриншоте. Кроме этого legacy компании часто сильно переоценивают количество и качество своих данных, а также возможности своей инфраструктуры. Большинство компаний сегодня вообще не в состоянии продвинуться дальше уровня 3 (AI частично в проде). [Как взяться за инфраструктуру и какие аспекты важны, чтобы обеспечить эффективные продукты на основе данных и ИИ, я буду освещать в отдельном посте.]
Суть модели Data/AI maturity заключается в оценке текущих способностей компании в области данных/ИИ и обозначении потенциального дальнейшего пути в процессе ИИ-трансформации.
При этом важно понимать, что далеко не каждая компания обязана проходить все стадии Data/AI зрелости. Фундаментально важно, чтобы руководство компании формулировало vision и конкретные бизнес-цели чтобы потом в коллаборации с техническими стратегами обеспечить связь между технологической цепью и бизнес-value. Этот элемент как раз часто не присутствует в многих компаниях и приводит к разочаровывающим результатам. Целевая Data/AI maturity всегда должна быть оправдана отдачей!
В ближайшем посте я поделюсь с вами оценкой, которая поможет вам оценить зрелость данных/ИИ в вашей компании - stay tuned!
Если компания решила продвигаться по оси Data/AI maturity и инвестировать в развитие ИИ на основе стратегических решений, инвесторы и руководство фирмы будут ожидать быстрых и постепенных результатов от инициативы. Это значит, что правление компании, которая условно в первом квартале проинвестировало в Data/AI проекты, требует быть в состоянии показывать отдачу уже во втором или третьем квартале. Таковы правила игры в нынешних реалиях.
Как обеспечить это и почему в прошлом около 87% Data Science проектов в компаниях были провалом, мы обсудим также скоро!
#datapm #aipm #strategy
@ainastia
Давайте для начала решим вопрос: почему для компаний почти всех индустрий тема данных и ИИ сейчас так важны?
Технология прогрессирует всё быстрее и быстрее. Технологические трансформации приходят волнами, и несмотря на то, что в данный момент между каждой волной проходит 3-5 лет, это расстояние в будущем будет сильно сокращаться. Каждая волна предоставляет компаниям возможность выстроить конкурентное преимущество или рискнуть возможно невозвратно отстать от конкурентов. CEO Databricks, Али Годси, предсказал, что в долгосрочной перспективе (~10 лет) во всех индустриях лидеры с конкурентным преимуществом будут ориентированы на данные и AI. Считается, что Data/AI-driven компании способны увеличить доход на 15-25%.
[Как мы обсудим в одном из будущих постов, сами по себе данные и ИИ не являются гарантией успеха - есть определенные условия, от наличия которых зависит, принесет ли ваш проект на основе данных и ИИ прибыль или будет провалом!]
Зная, зачем нужна AI-трансформация, появляется следующий вопрос – с чего начать этот процесс? Первые шаги к AI-трансформации всегда должны быть следующими:
1️⃣оценка Data/AI maturity (где компания сейчас?) и
2️⃣формирование стратегических целей C-level лидеров (до куда компания хочет дойти?).
Каждый бизнес, продукт или проект проходят через разные стадии Data/AI зрелости. Это значит, что в начинающих уровнях данные собираются ещё не системно и без особой отдачи - но со временем через вклад инженеров инфраструктура и сбор данных становятся более «зрелыми» и обеспечивают более продвинутые ML модели.
Большинство legacy компаний в данный момент находятся на уровне 1 или уровне 2 (AI interest & experimentation), как подчеркивает статистика от Accenture на скриншоте. Кроме этого legacy компании часто сильно переоценивают количество и качество своих данных, а также возможности своей инфраструктуры. Большинство компаний сегодня вообще не в состоянии продвинуться дальше уровня 3 (AI частично в проде). [Как взяться за инфраструктуру и какие аспекты важны, чтобы обеспечить эффективные продукты на основе данных и ИИ, я буду освещать в отдельном посте.]
Суть модели Data/AI maturity заключается в оценке текущих способностей компании в области данных/ИИ и обозначении потенциального дальнейшего пути в процессе ИИ-трансформации.
При этом важно понимать, что далеко не каждая компания обязана проходить все стадии Data/AI зрелости. Фундаментально важно, чтобы руководство компании формулировало vision и конкретные бизнес-цели чтобы потом в коллаборации с техническими стратегами обеспечить связь между технологической цепью и бизнес-value. Этот элемент как раз часто не присутствует в многих компаниях и приводит к разочаровывающим результатам. Целевая Data/AI maturity всегда должна быть оправдана отдачей!
В ближайшем посте я поделюсь с вами оценкой, которая поможет вам оценить зрелость данных/ИИ в вашей компании - stay tuned!
Если компания решила продвигаться по оси Data/AI maturity и инвестировать в развитие ИИ на основе стратегических решений, инвесторы и руководство фирмы будут ожидать быстрых и постепенных результатов от инициативы. Это значит, что правление компании, которая условно в первом квартале проинвестировало в Data/AI проекты, требует быть в состоянии показывать отдачу уже во втором или третьем квартале. Таковы правила игры в нынешних реалиях.
Как обеспечить это и почему в прошлом около 87% Data Science проектов в компаниях были провалом, мы обсудим также скоро!
#datapm #aipm #strategy
@ainastia