211service.com
Den globale AI-agendaen: løfte, virkelighet og en fremtid for datadeling
I samarbeid med Genesys, Philips
' Den globale AI-agendaen: løfte, virkelighet og en fremtid for datadeling ' er en MIT Technology Review Insights-rapport produsert i samarbeid med Genesys og Philips. Den ble utviklet gjennom en global undersøkelse utført i januar og februar 2020 av over 1000 ledere i 11 forskjellige sektorer og en serie intervjuer med eksperter som har spesifikt ansvar for eller kunnskap om AI. Artikkelen nedenfor er et utdrag av hele rapporten.
Dette innholdet ble produsert av Insights, den tilpassede innholdsarmen til MIT Technology Review. Den ble ikke skrevet av MIT Technology Reviews redaksjon.
Last ned fullstendig rapport .
Få nye teknologifelt har skapt så mye spenning og debatt de siste årene som AI. Mesteparten av spenningen så langt har sentrert seg rundt teknologiindustrien, som i USA, Kina og til en viss grad Europa har investert milliarder i å utvikle sine AI-evner. Organisasjoner i andre sektorer bruker kanskje ikke på AI med samme forlatelse, men undersøkelsen antyder at de fleste i det minste tester vannet.
Innen utgangen av 2020 vil 97 % av de store selskapene som ble spurt for denne rapporten, implementere AI. De tidligste brukerne har vært IT- og telekomfirmaer, med 81 % som bruker kunstig intelligens innen 2018 – like foran finansielle tjenestefirmaer (78 %) og forbruksvarer og detaljhandel (75 %). Offentlig sektor finner også mange brukssaker for kunstig intelligens: ved utgangen av 2019 sa 94 % av myndighetene at de hadde implementert kunstig intelligens.
AI vil naturligvis spille ulike roller i ulike typer virksomheter. For noen vil dens evner bidra til å forbedre aspekter ved operasjonell effektivitet. Andre forventer at det vil forandre seg. For oss, sier Jeroen Tas, sjef for innovasjon og strategi hos forbruker- og helseutstyrsleverandøren Philips, er AI en grunnleggende teknologi som i løpet av de neste par årene vil bli funnet i de aller fleste av våre forslag. Og for noen selskaper født i nettmiljøet hviler suksessen til forretningsmodellen på den. Den ene er Lemonade, en New York-basert nettleverandør av eiendoms- og skadeforsikring som beskrives som en forstyrrelse av den etablerte forsikringsbransjen. Administrerende direktør Daniel Schreiber mener AI-drevne roboter som Lemonades er fremtiden for forsikring.
Ett skritt av gangen
Selv om den er distribuert bredt, er AI ikke i ferd med å erobre bedriften. Svært få undersøkte ledere (4 %) tror det vil bli brukt i mer enn halvparten av deres forretningsprosesser om tre år. Mindre enn en tredjedel (30 %) forventer at den skal brukes i mellom 31 % og 50 % av prosessene. Flertallet, 60 % av respondentene, tror AI vil finne en plass i alt fra 11 % til 30 % av prosessene deres – en betydelig, men ikke nødvendigvis dominerende innflytelse på hvordan de fleste virksomheter opererer. På dette tiltaket vil AI spille en spesielt stor rolle i driften til leverandører av finansielle tjenester, produsenter og teknologifirmaer.
De finansielle tjenestene, produksjons- og IT- og telekommunikasjonsindustriene har de største ambisjonene til AI innen tre år.
Usikre på dens faktiske (i motsetning til antatte) evner, og klar over utfordringene den utgjør, har bedrifter tatt en iterativ tilnærming til AIs distribusjon. I følge Dirk Jungnickel, senior visepresident, Enterprise Analytics, i Emirates Group, kom tidlige forsøk fra selskapet hans i 2015 og 2016 på å bygge AI-evner ofte ikke lenger enn proof-of-concept eller pilotstadiet. Det begynte å endre seg i midten av 2018 da, sier han, firmaet begynte å operasjonalisere sin AI-utviklingsinnsats og industrialisere datavitenskap.
Céline Le Cotonnec, sjef for datainnovasjon i Bank of Singapore, bemerker at mange bedriftsorganisasjoner ønsker å levere AI-brukstilfeller før de først har lagt det rette grunnlaget når det gjelder IT-arkitektur, AI-evner, måldriftsmodell eller datastyring. Svaret mitt er «først ting først», sier hun. Vi må sette opp riktig grunnlag for data før vi går videre. Dette inkluderer å ha analytiske oversettere – folk som forstår AI så vel som virksomheten for å scope prosjekter, administrere leveransen, måle avkastningen på investeringen og forstå hvor gjennomførbart det vil være å skalere opp.
For store selskaper som setter av betydelige budsjetter for å utvikle AI-evner, er utvikling og prioritering av brukstilfeller en betydelig utfordring. Ifølge Mike Hanrahan, administrerende direktør i Walmarts Intelligent Research Lab (IRL): Det første vi måtte investere tid i var å bestemme hvor vi skulle fokusere ressursene våre. Teamet hans identifiserte over 250 forskjellige brukstilfeller og filtrerte dem deretter ned til en håndfull. Filtreringsprosessen var ganske kompleks når det gjaldt å bestemme hva vi skulle jobbe med, sier Hanrahan. Det gjaldt å avgjøre hvilke saker som var mest praktiske å skalere.
For Walmart var de prioriterte sakene knyttet til styring av inventar, som representerer en stor del av det multinasjonale kostnadsgrunnlaget, og hvor selv små forbedringer i effektivitet genererer betydelige besparelser. På tvers av sektorer forfølger imidlertid bedrifter en rekke bruksområder, i håp om at minst et par vil generere tidlig avkastning og tjene til å bygge tillit og spenning til AI i hele organisasjonen.
Bruk saker i dag og i morgen
Blant undersøkelsesutvalget som helhet er kvalitetskontroll, kundebehandling og svindeloppdagelse for tiden de beste tilfellene for bruk av kunstig intelligens. En mer detaljert oversikt avslører imidlertid betydelig variasjon i hovedbrukstilfellene som forfølges av forskjellige sektorer. For eksempel nevner over halvparten av finansielle tjenestefirmaer (58 %) og offentlige organisasjoner (55 %) svindeloppdagelse som deres beste AI-bruk. Céline Le Cotonnec sier at i hennes tidligere rolle i et globalt forsikringsselskap var brukstilfeller for svindeloppdagelse de første som ble implementert, siden fordelen lovet å være betydelig: I følge en undersøkelse fra Reinsurance Group of America (RGA) fra 2017, 3- 4 % av alle globale krav er uredelige, med den høyeste forekomsten (4,16 %) i Asia.
Blant undersøkelsesutvalget som helhet er kvalitetskontroll, kundebehandling og svindeloppdagelse for øyeblikket de mest populære AI-brukssakene globalt.
For mobiloperatøren Vodafone finnes de mest vellykkede brukssakene i kundeservice, ifølge Adi Chhabra, leder for produktinnovasjon hos Vodafone UK. Fordelene, sier han, tilfaller både kostnadseffektivitet og kundeopplevelsen. I telekombransjen spiser kundeservice opp mange kostnader. Å integrere AI med IVR (interactive voice response) fjerner nesten umiddelbart kostnader fra disse operasjonene, og det fører til raskere beslutninger som tas for å løse kundeproblemer.
Energiselskaper og verktøy, ifølge 51 % av respondentene fra den sektoren, bruker AI for å overvåke tilstanden til nettverkene deres. Overvåking og diagnose er også et naturlig AI-fokus for organisasjoner i helsesektoren, og 42 % av respondentene fra disse organisasjonene forfølger slik bruk. I følge Tas hos Philips har AI fullstendig endret måten industrien diagnostiserer kreft på, og dens evner strekker seg nå lenger, til valg av behandlinger: Når de er diagnostisert, hjelper AI-algoritmer oss nå med å velge riktig terapi. Det er komplisert fordi alternativene kan omfatte kirurgi, ablasjon, kjemoterapi, immunterapi eller stråling, eller en kombinasjon av disse. Å velge riktige terapier og veier er i ferd med å bli en innsiktsdrevet, AI-aktivert øvelse.
Utfordringene med skalering
Det er tydelig fra lederne som ble intervjuet for denne rapporten at det er vanskelig å skalere AI-brukstilfeller. Eksisterende teknologibegrensninger kan hindre bredere bruk, foreslår Hanrahan når det gjelder sanntids videoanalyse. Når det kommer til former for personlig AI, må det gjøres fremskritt innen naturlig språkbehandling før chatboter, for eksempel, blir virkelig sofistikerte, sier Chhabra.
I noen bransjer hindrer regulering en bredere anvendelse av AI-aktiverte innovasjoner. Et eksempel er algoritmebasert forsikringsprising i USA. I følge Lemonades Daniel Schreiber er dette for øyeblikket tillatt i bare en håndfull amerikanske stater. I USA, verdens største forsikringsmarked, har det regulatoriske miljøet ennå ikke tatt hensyn til disse neste generasjonsteknologiene, sier han.
Mangel på AI-relaterte talenter og ferdigheter er en hyppig klage fra CIOer og CTOer, og 42 % av respondentene i undersøkelsen vår sier at mangel på interne dataforskere og relaterte eksperter er en stor begrensning for deres bruk av AI. Underskuddet merkes sterkt blant respondentene i produksjons- og teknologiindustrien, oppgitt som en AI-begrensning av henholdsvis 48 % og 47 % av dem.
Vanskeligheten med å tilpasse forretningsprosesser rundt AI-innsikt ble nevnt som den ledende AI-utfordringen globalt, etterfulgt av problemer rundt datakvantitet, kvalitet og tilgjengelighet.
Data er faktisk en annen stor begrensning, rangert på en nær andreplass til å behandle problemstillinger av respondentene i undersøkelsen (sitert av 48 % av dem). AI-modeller trenger data: jo mer en modell får i seg, jo mer nøyaktig analyse er den og jo mer sannsynlig er det at beslutningene den ber om vil treffe blink. Problemet er imidlertid mindre med den generelle tilgjengeligheten av data. Bare 10 % av de spurte sier at de sliter med dette. Vansker med å integrere data i forskjellige formater, spesielt ustrukturerte data, er det største problemet, ifølge Le Cotonnec. Forsikringsselskapene bør begynne å utnytte de ustrukturerte dataene deres (anropslogger, bilder, e-post), sier hun, for å forbedre effektiviteten i skadeprosessen eller forbedre kundeopplevelsen. Vi har nok data, men vår evne til å trekke ut verdier fra ustrukturerte data er begrenset for øyeblikket. Forsikringsbransjen er ikke alene: det er et problem som oppleves av 57 % av firmaene i undersøkelsen (og av betydelig flere profesjonelle tjenester, transport og offentlige organisasjoner).
Integrering av ustrukturerte data, grensesnitt med åpne dataplattformer og skjevheter i algoritmiske modeller er de ledende AI-datautfordringene.
Låser opp muligheter for datadeling
I juni 2019 dannet 10 store farmasøytiske produsenter et konsortium med det uttrykkelige formålet å dele medikamentforskningsdata som hver kan bruke til å trene sine AI-algoritmer. Det er ikke første gang at rusmiddelfirmaer har engasjert seg i FoU-samarbeid. Men det er den første instansen i denne industrien av forskningssamarbeid der AI er både muliggjører og fordeler. Konsortiets medlemmer tråler hverandres data ved å bruke forente læringsteknikker, som er en desentralisert form for maskinlæring. Dette gjør at dataene som søkes kan forbli på hvert selskaps servere i stedet for å samles i et sentralt depot. Selskapene kan ivareta det de anser som proprietært, mens bruk av blokkjede sikrer full sporbarhet av dataene. Det endelige målet: å forenkle og akselerere oppdagelse og utvikling av legemidler, noe som resulterer i at nye og rimeligere medikamenter og behandlinger når markedet.
Dette eksemplet fremhever hvordan bruk av AI, i kombinasjon med andre teknologier, kan legge til rette for effektiv og sikker datadeling mellom selskaper, og fordelene som kan følge av kraftige AI-modeller bygget på delte data. Fordelene kan ta form av nye effektivitetsgevinster, nye produkter og tjenester, eller til og med nye verdikjeder som dannes rundt datadelingsordninger.
Globalt viser produksjon, forbrukerprodukter og detaljhandel, og IT- og telekommunikasjonsindustrien størst interesse for muligheter for å dele data med tredjeparter.
To tredjedeler (66%) av respondentene våre uttrykker vilje til å dele sine egne data for disse formålene. Produsenter, forbruksvarer og detaljhandelsbedrifter og teknologiselskaper er de mest entusiastiske, selv om alle sektorer viser stor grad av beredskap. Hvordan ønsker de å tjene på det? Produsenter ser hovedgevinstene sine i form av større forsyningskjedehastighet og synlighet, mer effektiv produksjon og raskere og mer innovativ produktutvikling. Respondenter fra forbruksvarer og detaljhandel og farma- og helsevesener nevner de samme gevinstene i forsyningskjeden og produktutviklingen. IT- og telekom-ledere ser fordelene hovedsakelig i forbedrede kundeserviceopplevelser og sterkere cybersikkerhet og forebygging av svindel, de samme fordelene som er øverste i tankene for respondenter fra finansbransjen.
Å dele data på tvers av verdikjeder og mellom ulike leverandører i en kundereise kan være en stor fordel for forbrukerne, sier Tony Bates hos Genesys. Vi genererer milliarder av interaksjoner som vi kan bygge vanlige datamodeller rundt. Men vi trenger også andre former for data. Det er behov for å dele data på tvers av de forskjellige store teknologistablene som vi bruker og administrerer. Hvis vi kan gjøre dette på en anonymisert og sikker måte, kan vi som bransje sørge for at våre kunder får mye mer personlig tilpassede opplevelser enn de får nå.
Respondentene i undersøkelsen oppfatter større synlighet på tvers av forsyningskjeder og raskere og mer innovativ produktutvikling som de største fordelene ved datadeling med tredjeparter.
Spesielt for bedrifter til forbrukere har den største hindringen hittil vært vanskeligheten med å sikre anonymiteten til kundenes data. Chhabra hos Vodafone sier at fullstendig anonymitet har vært unnvikende: Så mye du ønsker å anonymisere, kan brukere av delte data finne måter å spore kundene dataene refererer til. Han tror at blockchain og nyere utviklinger som Ocean Protocol, som fungerer på samme måte som føderert læring ved å tillate desentralisert søking av data, til slutt vil sikre at AI-modeller kan kjøres på fullstendig anonymiserte data.
Å skape muligheten til å dele data sikkert er en del av puslespillet. Den andre, sier Chhabra, skaper et insentiv for selskaper til å gå videre og dele det. De som står bak Ocean Protocol, en ideell plattform utviklet av en Singapore-basert stiftelse, ser teknologien deres underbygger dannelsen av datamarkedsplasser der selskaper, forbrukere og andre parter deler eller handler data.
Uansett hvilke former for delingsselskaper som deltar, må de lære å verdsette dataene de har og dataene de trenger, sier George Bailey, administrerende direktør for Digital Supply Chain Institute, en forskningsorganisasjon. Det kan bety å tildele en pengepris til ulike typer data, eller å identifisere hvilke data den er villig til å utveksle i retur for andre parters. Han nevner eksemplene på produsenter av sportsutstyr som ser en fordel i å innhente data fra selskaper som støtter treningsapper, og produsenter av varige forbruksvarer som søker data om sluttbrukerpreferanser og egenskaper fra forhandlere. Bailey tar også til orde for verdivurdering av data og handel i selskaper som et middel til å overvinne forankrede datasiloer.
Større regulatorisk klarhet og utvikling av avtalte industristandarder er nødvendig før bedrifter tar fatt på datadeling mer aktivt.
Fra visjon til virkelighet
Datadeling i en skala som fører til nye AI-aktiverte effektiviteter, produkter og verdikjeder er en visjon som skal realiseres snarere enn en nåværende realitet. Alle de vi har intervjuet tror det vil skje, men at det vil ta tid før styre- og C-suites bekymringer om sikkerhets- og personvernrisikoen ved å gjøre det er lettet. Dette synet gjenspeiles i undersøkelsen, der 64 % av respondentene sier at reguleringen må endres eller avklares, og 58 % at industristandarder må utvikles, før firmaene deres vil omfavne datadeling bredt.
Strenge personvernforskrifter, slik som EUs generelle databeskyttelsesforordning (GDPR), som har trådt i kraft siden 2018, gir forståelig nok ledere pause i lys av straffene de kan møte for ikke å oppfylle kravene. Blokkjedeteknologi kan være en del av løsningen, men Chhabra fremhever også det som er kjent som GDPR-blokkjedeparadokset – førstnevnte krever muligheten for datasletting etter en enkeltpersons forespørsel, mens ikke-sletting – full sporbarhet – er iboende i sistnevnte.
Hvordan slike problemer løses gjenstår å se, men noen organisasjoner tar til orde for etablering av datatruster for å lette deling. Det ene er Open Data Institute (ODI), en britisk-basert ideell organisasjon: den hevder at det er en sterk appetitt blant britiske virksomheter for slike truster opprettet som uavhengige institusjoner for å fungere som forvaltere av dataene som deles.
Philips, sier Jeroen Tas, er en stor forkjemper for å opprette en ikke-kommersiell trust for å administrere helsedata, og er i samtaler med EU-kommisjonen for å støtte slike initiativ. Det er en konsensus i denne bransjen som sier: 'Kanskje vi ikke bare bør investere i fysiske sykehus og andre fasiliteter.' Kanskje fremtiden til helsevesenet er en veldig solid helsedatainfrastruktur som er sikker.
For mer, last ned fullstendig rapport .