AI /自动化

提升AI采用的方法是通过微应用程序

上一个AI Bandwagon无疑是几乎每个组织的愿望。一个突出的研究公司预测，到2022年，员工的员工和政府员工的40％，将咨询某种形式的AI，以获取决策。虽然预测看起来非常有前途，但实际上的真相是企业在达到AI采用时处理众多挑战。今天，很少有企业能够声称自己处于人工智能(AI)采用的成熟状态。事实上，若干企业甚至不确定如何开始他们的AI旅程。

了解AI旅程 - 从确定性预测到认知

通常，AI采用之旅通过自动化连续体，从确定性功能转向预测，然后到认知阶段。确定性是以重复过程的自动化为中心，以提高生产率。这是全面的AI采用的门户。随着组织成熟的AI竞争力，他们考虑分析驱动的操作来预测失败，并积极避免业务中断。最后，他们通过采用认知能力来利用数据来实现成熟，以获得更好的业务决策的进化模式。

对于组织来了解他们在AI采用旅程中的位置非常重要，因为它们是他们定义其AI目标的起点。这将有助于他们采取下一步了解他们目前的能力，评估其要求，找到正确的供应商并管理变更。

每个组织都有不同的AI成熟度水平，每个阶段都需要针对规划，执行和管理的不同方法。例如，需要回答策略，业务，技术和员工的疑问，例如，转型方法是否优于增量。企业希望使用AI解决的问题是什么？应该是一个建造还是买？组织的文化需要改变哪些变化来处理变化？

因此，找到一个组织适合在连续统一体中的位置成为创建正确的策略，评估和选择正确的解决方案，强化治理执行和管理组织变更。这也有助于不断发现新的机会当客户缩放时，提供正确的生态系统并实现上下文化解决方案。

AI之旅并非没有挑战

虽然大多数企业都认识到采用人工智能的重要性，但由于其所感知到的复杂性、潜在的干扰和合法的障碍，他们犹豫不决。例如，最主要的挑战就是组织系统和流程在竖井中运行通过跨系统的重复数据。组织没有办法从他们所有的数据中获得任何复合优势。

其次，一些企业缺乏构建人工智能功能所需的数据、专业知识和基础设施。此外，技术变化的步伐是高的，实施经常扰乱了本组织的现有基础。毕竟，经营结果往往很难映射因为测量是一个挑战。在人工智能决策中缺乏足够的可解释性也很令人不安。

话虽如此，企业确实看到了人工智能的力量及其对其组织的潜在影响。在最近的一项名为“AI的道路”我们在与AIIA的边缘verve做过的，37％的受访者表示，他们希望在运营和客户服务中实施AI。另一项研究标题为“人工智能时代的领导力，”由七个国家/地区的Infosys和市场研究公司进行，要求组织AI在跨行业生产的战略优势。45％采用的过程改进，而40％表示由于时间在较高价值工作中花费了预期的生产率。

减轻AI采用的复杂性与微服务

突破人工智能采用挑战的一个关键方法是让企业能够在不复杂的情况下使用人工智能。答案在于人工智能驱动的微应用。这些是即插即用并交付特定业务成果的点解决方案。关键在于这些解决方案应该易于部署和使用，并且不需要专门的AI技能。这些解决方案需要设计成可以与现有系统无缝集成，同时消除数据竖井的OTT (over top)解决方案。

一般来说，有三种类型的数据需要分析以获得有用的见解——第一种是来自内部系统的数据，第二种是来自外部或第三方的数据，第三种是庞大的公共数据池。人工智能驱动的商业应用不只是另一个记录系统;相反，它是一个创新系统，可以从所有这三个来源得出可信的见解。

这种人工智能微服务的方法也是我们所遵循的。我们的商业应用的概念是以Infosys Nia平台为中心的。我们所有的应用程序为人工智能在这个平台上。它包括数据层以及数据适配器，用于挂钩到数据外部的现有记录系统或其他数据。它还具有先进的机器学习框架，自然语言处理片和高级分析。

然而，由于用户可以通过特定商业应用程序访问服务，因此，复杂性不会降低到用户级别。采购和采购那需求和履行或融资。因此，用户不会消耗平台，而是通过由AI供电的应用程序来解决特定业务问题。EdgeVerve的业务应用程序套件广泛，并与现有的IT基础架具轻松集成。

一个很棒的例子是一家大型美国制药和消费者包装商品制造商，正在处理多重复杂系统，巨大支撑人员，系统开销的高成本和未标准化的业务流程。该组织实施了NIA引导购买，通过简单而直观的用户体验鼓励自助服务和增加的系统采用。解决方案位于现有系统的顶部和标准化流程。该解决方案有助于公司将目录从35％提高到77％。它还减少了短暂循环时间，提高了生产率和增加的顺应性。

正如所示，采用AI供电的微应用程序可以是导出AI的高益处的好方法，同时减轻了一些复杂性。