Pada awal Januari 2019, Forbes menyusun
TOP-10 buku teknologi utama tahun 2018 , di antaranya adalah
Mesin Prediksi: Ekonomi Sederhana Intelegensi Buatan . Buku itu, yang ditulis oleh tim penulis - Joshua Gans (Joshua Gans), Ajay Agrawal (Ajay Agrawal) dan Avi Goldfarb (Avi Goldfarb), meledakkan gagasan mapan kecerdasan buatan dan menerjemahkannya ke dalam bidang yang sama sekali berbeda.
Buku ini harus dimiliki.Salah satu penulis buku tersebut, seorang ahli kecerdasan buatan, Joshua Hans, seorang profesor di Rotman School of Management di University of Toronto (Kanada), menghabiskan banyak waktu melacak berita harian di bidang AI, memisahkan hype dari kenyataan. Hari ini, ia mengajar siswa MBA jaringan dan strategi pemasaran digital, termasuk bagaimana perusahaan dapat berhasil bersaing di pasar mereka melalui inovasi teknologi.
Dewan editorial CEO.com mendiskusikan dengan Joshua bukunya yang sensasional di kalangan bisnis, "Mesin Prediksi: Ekonomi Sederhana Kecerdasan Buatan." Baca terjemahan wawancara dengannya.
Hari ini mereka banyak berbicara tentang kemampuan AI.
Tetapi apakah ada contoh nyata dari manfaat AI dalam dunia bisnis saat ini?Saya akui: ada banyak hype di sekitar kecerdasan buatan hari ini. Namun dalam buku ini, kami mengambil pendekatan berbeda untuk memeriksa semua yang telah dibuat di bidang AI selama 10 tahun terakhir. Kita tidak berbicara tentang kecerdasan umum dalam sebuah buku yang dapat menggantikan orang dan semua kemampuan kognitif mereka - kita hanya berbicara tentang satu aspek, yaitu kemampuan kita untuk memprediksi (memprediksi, memprediksi).
Biasanya kita berbicara tentang tinjauan ke masa depan dalam konteks peramalan. Seperti, misalnya, dengan cuaca, pertama-tama kami mengumpulkan data historis tentang angin, curah hujan, dan faktor-faktor lain, dan kemudian membuat ramalan cuaca untuk besok atau minggu depan.
Tetapi prediksi tidak selalu tentang masa depan. Visi komputer adalah salah satu contoh yang baik di sini: ketika Anda memberikan gambar ke komputer dan bertanya apa yang "dilihatnya", jawaban yang Anda terima sebenarnya adalah prediksi. Komputer seakan bertanya pada dirinya sendiri: "Apa yang akan dipikirkan seseorang tentang apa yang sebenarnya ditunjukkan dalam gambar ini?" dan memberikan jawaban.
Pandangan ke depan selalu memiliki tujuan untuk membuat keputusan yang lebih baik. Berkat prakiraan cuaca, kita dapat memutuskan pakaian apa yang akan dikenakan. Dan ketika Anda memiliki asumsi tentang apa yang, misalnya, dalam gambar MRI, Anda dapat meresepkan pengobatan yang tepat.
Dari sudut pandang ini, AI cukup membosankan. Ini hanyalah teknologi statistik yang lebih baik. Tetapi kemajuan besar dalam pengembangan AI mengarah pada fakta bahwa prediksinya akan menjadi lebih baik, lebih cepat dan lebih murah. Dan ini akan membuka peluang besar yang tidak kita miliki sebelumnya.
Jadi bagaimana cara AI beralih dari iklan ke nilai nyata?Ketika kami menulis buku ini, kami ingat apa yang terjadi pada revolusi komputer dan revolusi Internet. Ada banyak kegembiraan di sekitar mereka, dan banyak perusahaan menghabiskan jutaan dolar untuk hal-hal yang tidak dipikirkan dengan baik.
Kami tidak ingin mengulangi kesalahan ini. Alih-alih, kami mengatakan: "Jika perkiraan membantu meningkatkan proses pengambilan keputusan, maka mari kita ambil proses kerja organisasi kita dan pilih dari mereka semua keputusan yang perlu kita buat untuk beralih dari sumber data ke hasil, dan dalam proses ini kita akan menentukan di mana sumber ketidakpastian. " Saat itulah Anda akan mulai memahami di mana AI dapat berguna secara khusus bagi Anda untuk mengurangi jumlah ketidakpastian dan membuat keputusan yang lebih baik.
Proses ini sudah terjadi sebelumnya dengan komputer. Orang-orang kemudian membagi alur kerja dan tugas ke dalam iterasi yang terpisah, dan menemukan di mana komputer akan berguna. 20-25 tahun yang lalu, ini mengarah pada fenomena rekayasa ulang. Kami menyarankan untuk melakukannya lagi.
Anda menulis bahwa setiap orang memiliki momen wawasan dengan AI - saat ketika semuanya menjadi jelas, seperti jentikan jari. Haruskah masing-masing industri menunggu wawasannya untuk mulai menggunakan AI?Ada orang yang hanya ingin tahu: "Bisakah AI membantu bisnis kita?" Tapi ini mungkin sudah menjadi kenyataan. Sebagai contoh, kami mempelajari satu rantai supermarket. Mereka menggunakan AI untuk memprediksi tingkat pemuatan gudang dingin, yang dalam hal optimasi dapat menyebabkan penghematan biaya yang signifikan. Bagaimanapun, gudang makanan mahal, dan Anda perlu menjaga keseimbangan penawaran dan permintaan yang optimal, jika tidak, Anda akan dimanjakan dengan barang.
Jaringan ini telah menggunakan pembelajaran mesin untuk memahami apa yang sebenarnya mendorong permintaan Kanada akan yogurt. Mereka menemukan bahwa cuaca merupakan faktor penting dalam menentukan apakah toko tersebut memiliki lebih banyak yogurt atau kurang dari yang diharapkan pada akhir hari. Bahkan penurunan suhu beberapa derajat di Kanada yang umumnya dingin telah mengubah permintaan konsumen akan yogurt. Dan ternyata itu adalah sesuatu yang benar-benar luar biasa! Mereka mulai melihat keuntungan - 5% di sini, 5% di sana - dan semua ini menambah total keuntungan. Inilah saat ketika orang-orang menyadari: "Oh, itu sangat penting bagi kami."
AI dikenal untuk "memberi makan" pada data. Ada perusahaan yang telah mengumpulkan data dalam jumlah besar untuk pekerjaan, dan perusahaan lain yang tertinggal di daerah ini. Apakah AI akan menguntungkan perusahaan dengan data dalam jumlah besar?Padahal, pertanyaan ini agak sulit dijawab. Jelas, AI membutuhkan data, tetapi cara termudah untuk menakut-nakuti semua orang menjauh dari AI adalah dengan mengatakan: "Mereka memiliki data, tetapi Anda tidak." Saya tidak ragu bahwa perusahaan seperti Google, Facebook dan Amazon memimpin AI saat ini karena mereka telah lama berpikir tentang data dan mengumpulkannya dengan benar. Biasanya, perusahaan, mengumpulkan data, tidak memikirkan bagaimana itu akan digunakan, dan karena itu tidak harus dalam posisi yang sama.
AI membutuhkan data yang tepat - terstruktur dengan baik, mengukur karakteristik yang tepat, bersih. Sangat mungkin bahwa perusahaan baru mulai hari ini untuk mengumpulkan data dari awal pada akhirnya dapat membuat data yang lebih baik untuk AI.
Di mana potensi untuk menggunakan AI dalam suatu organisasi?Ini adalah masalah kompleks yang dihadapi banyak organisasi. Sekarang saya melihat AI sebagai salah satu fungsi sistem analitik, karena masih ada sejumlah besar elemen berbeda yang memerlukan studi mendalam tentang data yang terkait dengannya.
Namun dalam jangka panjang, ini harus berubah. Pertama, selalu ada pilihan - outsourcing atau membuat sistem Anda sendiri, dan dalam kedua kasus ada keuntungan dan risiko. Ini juga tergantung pada area mana dari aktivitas organisasi yang harus dipengaruhi oleh fungsi AI. Kemampuan AI umum masuk akal dalam tugas-tugas yang terpusat, tetapi tugas-tugas yang lebih spesifik untuk departemen tertentu dapat menyebabkan pergeseran fungsi AI yang sesuai di departemen-departemen ini.
Ambil SDM, misalnya: Manajer SDM selalu berusaha memprediksi apakah karyawan baru akan produktif, atau apakah akan meningkatkan karyawan yang ada. Saat ini, departemen SDM telah mengumpulkan banyak data yang dapat membantu perkiraan ini, tetapi semua informasi yang diperlukan disimpan dalam file dan tidak digunakan.
Apa yang harus dilakukan untuk mempersiapkan implementasi AI?Waspadai ceritanya. Waspadalah terhadap orang yang memberikan hadiah teknologi. AI adalah hal yang sangat spesifik. Pengetahuan mendalam tentang teknologi dan apa yang dapat diberikannya akan membantu Anda memahami apakah mereka mencoba menjual sesuatu yang benar-benar berharga dan apa potensinya. Dengan kata lain, sangat penting bahwa ada orang-orang di organisasi yang dapat membantu Anda menilai apakah manfaat potensial itu nyata atau tidak, dari sudut pandang ilmu data dan operasi perusahaan.
Pada saat yang sama, ada manfaat luar biasa dari eksperimen. Jika Anda memiliki organisasi besar, maka biarkan masing-masing tim menemukan penggunaan kecerdasan buatan dalam kegiatan mereka. Sebagai percobaan (dan bukan sebagai pengganti fungsi utama), ini bisa sangat bermanfaat. Anda harus mengelola risiko Anda, tetapi Anda tidak harus kehilangan peluang yang disediakan AI.