211service.com
Omfavner det raske tempoet til AI
I samarbeid med KPMG
I en fersk undersøkelse, 2021 Thriving in an AI World, fant KPMG at på tvers av alle bransjer – fra produksjon til teknologi til detaljhandel – øker bruken av kunstig intelligens (AI) år for år. Noe av grunnen er at digital transformasjon går raskere, noe som hjelper bedrifter å begynne å bevege seg eksponentielt raskere. Men som Cliff Justice, amerikansk leder for bedriftsinnovasjon hos KPMG, hevder, har Covid-19 akselerert tempoet innen digitalisering på mange måter, på tvers av mange typer teknologier. Rettferdighet fortsetter, det er her vi begynner å oppleve et så raskt tempo med eksponentiell endring at det er veldig vanskelig for folk flest å forstå fremgangen. Men forstår det de må fordi kunstig intelligens utvikler seg i et veldig raskt tempo.
Rettferdighet utfordrer oss til å tenke på AI på en annen måte, mer som et forhold til teknologi, i motsetning til et verktøy som vi programmerer, fordi han sier, AI er noe som utvikler seg og lærer og utvikler seg jo mer det blir eksponert for mennesker. Hvis virksomheten din er en etternølende i AI-adopsjon, har Justice noen forsiktige oppmuntringer, [den] AI-sentriske verden kommer til å akselerere alt det digitale har å tilby.
Business Lab er vert for Laurel Ruma, redaksjonell direktør for Insights, den tilpassede publiseringsavdelingen til MIT Technology Review. Showet er en produksjon av MIT Technology Review, med produksjonshjelp fra Collective Next.
Denne podcast-episoden ble produsert i samarbeid med KPMG.
Vis notater og lenker
2021 Trives i en AI-verden, KPMG
Full utskrift
Laurel Ruma: Fra MIT Technology Review heter jeg Laurel Ruma, og dette er Business Lab, showet som hjelper bedriftsledere å forstå nye teknologier som kommer ut av laboratoriet og inn på markedet.
Temaet vårt i dag er frekvensen av adopsjon av kunstig intelligens. Det øker, og det er raskt. En ny studie fra KPMG viser at det akselererer i spesifikke bransjer som industriell produksjon, finansielle tjenester og teknologi. Men hva skjer når du trykker på gasspedalen, men ikke har sikret alt annet? Er du urolig for hastigheten på AI-adopsjon i bedriften din?
To ord til deg: covid-19 whiplash.
Min gjest er Cliff Justice, som er USAs leder for bedriftsinnovasjon for KPMG. Han og gruppen hans fokuserer på å identifisere, utvikle og distribuere neste generasjon teknologier, tjenester og løsninger for KPMG og dets kunder. Cliff er en tidligere gründer og er en anerkjent autoritet innen global sourcing, fremvoksende teknologi som AI, intelligent automatisering og bedriftstransformasjon. Denne episoden av Business Lab er produsert i samarbeid med KPMG. Cliff, takk for at du ble med meg på Business Lab.
Cliff Justice: Det er flott å være her. Takk for at du har meg.
Laurel: Så vi er i ferd med å ta en titt på KPMGs undersøkelsesresultater for 2021 Thriving in an AI World-rapporten, som ser på syv bransjer. Hvorfor gjentok KPMG den undersøkelsen for i år? Hva hadde du som mål å oppnå med denne forskningen?
Klippe: Vel, kunstig intelligens utvikler seg i et veldig raskt tempo. Da vi først begynte å dekke og investere i kunstig intelligens for sikkert syv år siden, var det i en veldig begynnende form. Det var ikke veldig mange brukstilfeller. Mange av brukssakene var basert på naturlig språkbehandling. For omtrent 10 år siden var det første offentlige brukstilfellet av kunstig intelligens skapte overskriftene med IBM Watson som vant Jeopardy. Siden den gang har du sett en veldig, veldig rask progresjon. Og hele dette feltet utvikler seg i et eksponentielt tempo. Så hvor vi er i dag er veldig annerledes enn der vi var for et år eller to siden.
Laurel: Det virker som i går at IBM annonserte Watson, og den eksponentielle veksten av kunstig intelligens er overalt, i bilene våre, på telefonene våre. Vi ser det definitivt flere steder enn bare dette ene slags forskningstilfelle av det. En av overskriftene fra forskningen er at det er en oppfatning av at AI kan bevege seg for raskt for komforten til noen beslutningstakere i deres respektive bransjer. Hvordan ser for fort ut? Er dette på grunn av covid-19 whiplash?
Klippe: Det skyldes ikke nødvendigvis covid whiplash. Covid-miljøet har akselerert tempoet i det digitale på mange måter, på tvers av mange typer teknologier. Det er her vi begynner å oppleve et så raskt tempo med eksponentiell endring at det er veldig vanskelig for folk flest å forstå fremgangen. For noen av oss, til og med meg selv som jobber i dette feltet, er det veldig vanskelig å forstå fremgangen og endringstakten. Og å gjøre en bedrift klar – å forberede menneskene, prosessen, bedriftssystemene, risikoen, cyberbeskyttelsen for en verden som drives mer og mer av kunstig intelligens – det er vanskelig under normale omstendigheter. Men når du kombinerer den digitale akselerasjonen og adopsjonen som finner sted som et resultat av covid, sammen med den eksponentielle utviklingen og utviklingen av kunstig intelligens, er det vanskelig å forstå mulighetene og truslene som utgjør en organisasjon.
Selv om man fullt ut kunne sette hodet rundt fremgangen til kunstig intelligens og potensialet til kunstig intelligens, endre en organisasjon og endre tankesettet og kulturen på en måte for å adoptere og dra nytte av mulighetene som kunstig intelligens utgjør og også beskytte mot trusler tar litt tid. Så det skaper et nivå av angst og forsiktighet som etter mitt syn er godt begrunnet.
Laurel: Så når vi snakker om den forsiktigheten eller planleggingen som er nødvendig for å distribuere AI, sa du i en tidligere diskusjon på MIT Technologies Reviews EmTech Conference i 2019 at selskaper måtte revurdere økosystemet sitt når de distribuerer AI, altså partnere, leverandører og resten av selskapet deres. , for å få alle til å komme opp i fart. På den tiden nevnte du at det ville være den virkelige utfordringen. Er det fortsatt sant? Eller tror du nå at alt utvikler seg så raskt at det er ubehaget noen ledere kan føle?
Klippe: Vel, det er sant. Det er fortsatt sant. Økosystemet som fikk deg til et nivå i en mer analog-sentrisk verden kommer til å være veldig annerledes i en mer AI-sentrisk verden. Den AI-sentriske verdenen kommer til å akselerere alt det digitale har å tilby. Det jeg mener med digitalt er de nye måtene å jobbe på – de digitale forretningsmodellene, de nye måtene å utvikle og utvikle handel på, måtene vi samhandler og utveksler ideer på med kunder og med kolleger og kolleger. Alle disse blir mye mer digital-sentriske, og da blir kunstig intelligens en av mekanismene som utvikler seg og utvikler måten vi jobber på og måten vi samhandler på. Og det blir litt mer som et forhold til teknologi, i motsetning til et verktøy som vi programmerer fordi AI er noe som utvikler seg og lærer og utvikler seg jo mer det blir eksponert for mennesker.
Nå som vi har mye mer menneskelig livsoppfattende evner, takket være utviklingen av dyp læring, (så med det, i dag, mener jeg mer datasyn), er teknologien i stand til å ta mye mer av verden enn vi var før. Så det er avgjørende å forstå hvilken teknologi, hvilken AI, alle egenskapene som AI kan bringe og forbedre og forsterke. Å reetablere og reutvikle økosystemet rundt virksomheten din og rundt virksomheten er viktig. Jeg tror imidlertid at det større og mer langsiktige problemet er kultur, og det er kulturen i bedriften du er ansvarlig for, som en er ansvarlig for. Men det er også å utnytte kulturen, den eksterne kulturen, adopsjonen og måten du jobber med dine kunder, leverandører, leverandører, regulatorer og eksterne interessenter. Tankesettutviklingen er ikke lik i alle disse interessentgruppene. Og avhengig av bransjen du opererer i, kan det være svært ulikt når det gjelder adopsjonsnivå, forståelsesnivå, evnen og komforten til å jobbe med teknologi. Og etter hvert som teknologien blir mer menneskelignende, og vi ser at i virtuelle assistenter og med den typen teknologier, kommer det til å bli en større kløft å krysse.
Laurel: Jeg liker veldig godt den formuleringen om å tenke på AI som et forhold til teknologi versus et verktøy, fordi det virkelig viser intensjonene dine når du går inn i denne nye verdenen, dette nye forholdet, og at du aksepterer den konstante endringen. Når vi snakker om undersøkelsen og ulike bransjer, så noen av bransjene en betydelig økning i AI-distribusjon som finans, detaljhandel og teknologi. Men her var det behovet for digital transformasjon eller covid, eller kanskje andre faktorer som virkelig drev den økningen?
Klippe: Vel, covid har hatt en akselerasjonseffekt over hele linja. Ting som var i bevegelse – enten disse var bruk av digitale teknologier eller vekst eller en endring i forbrukeratferd – alle disse trendene som var på plass før covid akselererte dem. Og det inkluderer forretningsmodeller som var på vei ned. Vi så trendene som skjedde i kjøpesentrene. Det er bare akselerert. Vi har sett innføringen av teknologi som har akselerert. Det er bransjer som covid har mindre effekt på, ikke nulleffekt, men mindre effekt. Bankvirksomhet, finansielle tjenester er mindre påvirket av covid enn detaljhandel, gjestfrihet, reiser, logistikk. Covid har virkelig akselerert endringen som skjer i disse bransjene.
AI, atskilt fra covid, har en vesentlig innvirkning på alle disse. Og som vår undersøkelse sa, industriell produksjon, bruk av robotikk, bruk av datasyn, kunstig intelligens for å øke produktiviteten og forbedret effektivitet har virkelig begynt å bli mainstream og i stor skala i industriell produksjon. Det samme med finansielle tjenester, forbrukerinteraksjon har blitt forbedret med kunstig intelligens i disse områdene. Teknologi, ikke overraskende, har fullt ut adoptert AI eller ganske nær fullt adoptert AI. Og så har vi sett en dramatisk økning i detaljhandelen som et resultat av AI. Så netthandel, muligheten til å forutsi forbrukernes etterspørsel har vært et sterkt bruksområde for AI i disse bransjene.
Laurel: Så, skjønt, etternølerne, etterlatte næringer var helsevesen og biovitenskap på bare, jeg sier bare, en 37% økning i adopsjon fra fjorårets undersøkelse. Det er fortsatt et flott tall. Men tror du det er fordi bekjempelse av covid var prioritet, eller kanskje fordi de er regulerte bransjer, eller det var en annen grunn?
Klippe: Regulering er et felles tema på tvers av disse etternølerne. Du har regjering, du har biovitenskap, helsevesen. Finansielle tjenester er imidlertid også regulert, og de er en stor bruker, så det kan ikke være det eneste. Jeg tror hypotesen rundt covid sannsynligvis er mer plausibel fordi fokuset i biovitenskap har vært å få ut vaksinen. Selv om fra vårt ståsted og fra det vi ser, er regjeringen en massiv adopter. Bare når det gjelder potensialet i regjeringen, er det fortsatt bak. Men det store antallet og den store aktiviteten som foregår i regjeringen når du sammenligner det med privat virksomhet er fortsatt ganske imponerende. Det er bare det at du har å gjøre med en så stor skala endring og mye mer byråkrati for å gjøre den endringen i et statlig foretak.
Laurel: Helt sikkert. Du nevnte tidligere industriproduksjonssektoren, og den sektoren så at 72 % av bedriftslederne ble påvirket av pandemien for å få fart på AI-adopsjonen. Hva betyr det egentlig for forbrukerne i den bransjen, så vel som den sektoren som helhet?
Klippe: Når jeg ser på disse tallene, kommer det ikke til å være en bransje som ikke er påvirket av AI. Bransjene som kommer til å ta i bruk det raskere og raskere eller har en innvirkning som et resultat av pandemien, som nesten alle er drevet av fjernarbeid, manglende evne til å få ressurser til et sted, drivkraften til å drive automatisering og AI være et av de grunnleggende elementene i automatisering. For hvis du ser på andre deler av undersøkelsen hvor vi spør: Hvor er de største fordelene? det kommer til å bli funnet i effektivitet og produktivitet. Det er ganske konsistent i alle bransjer når du ser på hvor AI brukes. Så automatisering, produktivitet, prediktiv analyse, alle disse områdene blir drevet av disse temaene rundt produktivitet. Brukstilfellene er forskjellige basert på bransje, men behovene er svært like. De overordnede temaene og de overordnede behovene er svært like. Du hadde noen bransjer som bare ble påvirket av pandemien annerledes.
Laurel: Spennende nok, kanskje en forskjell i industriell produksjon, men som du nevnte, er robotikk. Så litt av maskinvaren vår kontra alltid programvare.
Klippe: Ikke sant. Ja, i industriell produksjon ser du en ombygging av fabrikker. Du ser det noen kaller Tesla-effekten, hvor det er fokus på transformasjon og automatisering av fabrikker – der det å bygge fabrikken er nesten like viktig som selve produktet. Det er mye debatt og mye diskusjon i den sektoren rundt hvor mye man skal automatisere, og er det for mye automatisering? Jeg tror at i noen av disse offentlige arrangementene der du har sett en rask økning i produksjonen der automatisering ble brukt, har du også sett noe tilbaketrekking av det. For mye teknologi kan faktisk ha kontraproduktive konsekvenser og innvirkning fordi det må være menneskelig involvering i beslutningstaking og teknologien er bare ikke der ennå. Så mange endringer skjer i det rommet. Vi ser mye utvikling, mange nye typer teknologier. Dyplæring lar mer datasyn, mer intelligent automatisering finne sted i produksjonsprosessen i fabrikkene.
Laurel: Når vi snakker om å holde mennesker involvert i disse valgene og ideene og teknologiene, er sterk cybersikkerhet en utfordring, egentlig for alle, ikke sant? Men de slemme gutta bruker i økende grad AI mot selskaper og bedrifter, og ditt eneste svar og forsvar er mer AI. Ser du spesifikt at cybersikkerhet er et område som ledere over hele linjen øker forbruket for?
Klippe: Vel, du har helt rett, cybersikkerhet er en av de største truslene etter hvert som teknologien skrider frem, enten den er AI-drevet av klassisk databehandling eller fem eller ti år på vei når vi har kvantedatabehandling gjort tilgjengelig for myndigheter eller for selskaper. Sikkerhetsrisikoen kommer til å fortsette å øke. AI er absolutt en krenkelse, men det er også et forsvar. Så, prediktiv analyse som bruker AI til å forutsi trusler, for å forsvare seg mot trusler som utgjøres av AI, som øker sofistikeringen av penetrasjon, phishing og andre måter å kompromittere systemet på. Disse teknologiene er på en måte i et våpenkappløp mellom, som du sa, de gode og de onde. Det er ingen ende i sikte på det når vi begynner å bevege oss inn i en tid med reell endring, som kommer til å bli underbygget av kvanteberegning i fremtiden. Dette vil bare akselerere fordi du trenger en ny type post-kvantekryptografi for å forsvare deg mot truslene som kvantedatamaskiner kan utgjøre for en sikkerhetsorganisasjon.
Laurel: Det er helt utrolig hvor fort, ikke sant? Som vi sa, eksponentiell vekst, spesielt med kvanteberegning, kanskje rundt hjørnet, fem, 10 år, høres omtrent riktig ut. Undersøkelsen kommer imidlertid tilbake og sier at mange respondenter mener at selskapene deres burde ha en slags AI-etisk policy og atferdskodeks, men ikke mange gjør det, ikke mange gjør det. Så de som gjør det er mindre selskaper. Tror du det bare er et spørsmål om tid før alle gjør det, eller at det er et styrekrav til og med å ha disse AI-etiske retningslinjene?
Klippe: Vel, vi vet at dette diskuteres på regulatorisk nivå. Det er betydelige spørsmål rundt hvor regjeringen bør gå inn med regulatoriske tiltak og hvor selvpoliti AI-etikk... Hvordan målretter markedsføringsorganisasjonen din atferd i kundebasen? Og hvordan utnytter du AI til å bruke de psykologiske profilene for å muliggjøre salg? Det er noen etiske beslutninger som må tas rundt det, for eksempel. Bruken av ansiktsgjenkjenning i forbrukermiljøer er godt omdiskutert og diskutert. Men bruken av kunstig intelligens og den etiske bruken av kunstig intelligens rettet mot forbrukernes psykologi, jeg tror at debatten i stor grad har startet i sommer med noen dokumentarer som kom ut som viste hvordan sosiale medier bruker kunstig intelligens for å målrette forbrukere med markedsføringsprodukter og hvordan det kan misbrukes og misbrukes av skurkene.
Så, ja, dette er bare toppen av isfjellet. Det vi ser i dag er bare de første åpningsuttalelsene når det kommer til hvor langt vi bør gå med AI og hva er straffen som brukes på de som går lenger enn vi burde, og er disse straffene regulert av myndighetene? Er det sosiale straffer og bare eksponering, eller er disse tingene som vi trenger lover og regler som har noen tenner for å bryte denne avtalte etikken, uansett hva de måtte være?
Laurel: Det er litt av en push-me, pull-you-situasjon, ikke sant? Fordi teknologien går veldig raskt frem, men samfunnsmessige eller reguleringer kan være litt hengende. Og samtidig tar bedrifter ikke nødvendigvis, kanskje i noen tilfeller, i bruk AI like raskt eller har problemer med å bemanne disse AI-initiativene. Så hvordan prøver bedrifter å holde tritt med anskaffelse av talenter, og bør bedrifter begynne å se på, eller kanskje allerede har, sett på oppkvalifisering eller opplæring av nåværende ansatte i å bruke AI som en ny ferdighet?
Klippe: Ja, dette er veldig vanskelige problemer. Hvis du ser på studien og dykker inn, vil du se forskjellen mellom store selskaper og små selskaper. Jeg mener, evnen til å tiltrekke seg talent som har gått gjennom år og år med opplæring i avansert analyse, datateknikk, dyp læring, maskinlæring og forståelse av kompleksiteten og nyansene ved å trene vektene og skjevhetene ved kompleks, multi-level, dyp læring algoritmer – det talentet er ikke lett å finne. Det er veldig vanskelig å ta en klassisk dataingeniør og omskolere dem i den typen statistisk-basert kunstig intelligens, hvor du virkelig må jobbe med å trene disse komplekse nevrale nettverkene for å nå selskapets mål.
Vi ser at teknologiselskapene tilbyr disse tjenestene på skyen, og det er en måte å få tilgang til kunstig intelligens og få tilgang til noen av disse verktøyene på, er gjennom abonnementet på APIer, applikasjonsprogramgrensesnitt og bruk av disse APIene på plattformene og teknologiene dine. Men for å virkelig ha et konkurransefortrinn, må du være i stand til å manipulere og utvikle og kontrollere dataene som brukes til å trene disse algoritmene. I dagens verden er kunstig intelligens veldig, veldig datasulten, og det krever enorme mengder data for å få nøyaktige utdata av høy kvalitet. Disse dataene tilfaller de største selskapene, og det gjenspeiles i deres verdivurdering. Så vi ser hvem disse selskapene er. Mye av den verdien er på grunn av dataene de har tilgang til. Og produktene de kan produsere er basert på mye av disse dataene. Disse produktene er mange ganger drevet av kunstig intelligens.
Laurel: Så tilbake til undersøkelsen, et siste datapunkt her, sier 60 % av respondentene at AI er minst moderat til fullt funksjonell i organisasjonen deres. Sammenlignet med for 10 år siden virker det som reell fremgang for AI. Men ikke alle er der ennå. Hva er noen skritt bedrifter kan ta for å bli mer funksjonelle med AI?
Klippe: Det er her jeg går tilbake til det jeg sa i fjor, som er å revurdere økosystemet ditt. Hvem er partnerne dine? Hvem bringer disse egenskapene inn i virksomheten din? Forstå hva alternativene dine er i forhold til teknologileverandørene som gir deg tilgang til AI. Ikke alle selskaper vil bare kunne ansette en AI-ekspert og ha AI. Dette er teknologier, som jeg sa, de er vanskelige å utvikle. De er vanskelige å vedlikeholde. De utvikler seg i et lynraskt eksponentielt tempo. Så, samtalene som vi ville ha hatt for seks måneder eller et år siden ville vært annerledes nå, bare på grunn av tempoet i endringen som finner sted i dette miljøet. Gjenstridigheten er lav til endring i AI. Og så beveger det seg raskere enn Moores lov. Det akselererer så raskt som dataene tillater det. Algoritmene i seg selv har eksistert i årevis. Det er muligheten til å fange opp og bruke dataene som driver AI. Så, i samarbeid med disse egenskapene, er disse teknologiselskapene som har tilgang til data som er relevante for din bransje et kritisk element for å lykkes.
Laurel: Når du snakker med ledere om hvordan du kan lykkes med AI, hvordan gir du dem råd om de er bak konkurrentene og jevnaldrende når det gjelder implementering av AI?
Klippe: Vel, vi gjør undersøkelser som dette. Vi gjør benchmarks. Vi utnytter benchmarks som er der ute på andre områder og andre domener. Vi ser på endringstakten og den relative fordelen for den spesifikke bransjen, og enda mer smalere enn det, funksjonen eller aktiviteten innenfor den bransjen og den virksomheten. AI har ikke infiltrert hvert eneste område ennå. Det er på vei til å gjøre det, men det er områder innen kundeservice, GNA, backoffice-komponentene i en organisasjon, produksjon, analysene, innsikten, prognosene, alt dette, AI har et sterkt fotfeste, så fortsetter å utvikle det. Men så er det elementer i produktdesign, engineering, andre aspekter av design som AI beveger seg inn i, som det knapt er like konkurransevilkår akkurat nå.
Så det er ujevnt. Det er veldig avansert på noen områder, det er ikke like avansert på andre. Jeg vil også si at oppfatningen som vil komme frem i undersøkelsen av generalister i disse områdene kanskje ikke tar hensyn til noen av de mer avanserte kunstig intelligens-kapasitetene som kan være seks måneder, et år eller to år på vei. Men disse egenskapene utvikler seg veldig raskt og vil raskt bevege seg inn i disse bransjene. Jeg vil også se på oppstartsøkosystemet. Startupene utvikler seg raskt. Teknologien som en startup bruker og introduserer i nye bransjer for å forstyrre disse bransjene, vurderes ikke nødvendigvis av de mer etablerte selskapene som har eksisterende driftsmodeller og eksisterende forretningsmodeller. Så, en oppstart kan bruke AI og data for å fullstendig transformere hvordan en industri bruker et produkt eller en tjeneste.
Laurel: Det er et godt råd som alltid. Cliff, tusen takk for at du ble med oss i dag i det som har vært en flott samtale på Business Lab.
Klippe: Bare hyggelig. Det er flott å snakke med deg.
Laurel: Det var Cliff Justice, USAs leder for bedriftsinnovasjon for KPMG, som jeg snakket med fra Cambridge, Massachusetts, hjemmet til MIT og MIT Technology Review, med utsikt over Charles River.
Det var det for denne episoden av Business Lab. Jeg er verten din, Laurel Ruma. Jeg er direktør for Insights, den tilpassede publiseringsavdelingen til MIT Technology Review. Vi ble grunnlagt i 1899 ved Massachusetts Institute of Technology. Og du kan finne oss på trykk, på nettet og arrangementer hvert år rundt om i verden. For mer informasjon om oss og showet, vennligst sjekk ut nettstedet vårt på technologyreview.com.
Dette programmet er tilgjengelig uansett hvor du får podcastene dine.
Hvis du liker denne episoden, håper vi at du tar deg tid til å vurdere og anmelde oss. Business Lab er en produksjon av MIT Technology Review. Denne episoden ble produsert av Collective Next. Takk for at du lyttet.
Denne podcast-episoden ble produsert av Insights, den tilpassede innholdsarmen til MIT Technology Review. Den ble ikke produsert av MIT Technology Reviews redaksjon.