Аналитики Gartner сообщают, что внедрение искусственного интеллекта в компаниях выросло в 3 раза за последний год. И это стало приоритетными технологиями для CIO по всему миру.
Также они обозначили 5 основных тезисов, которые стоит учитывать в условиях динамичной эволюции инструментов и методов искусственного интеллекта.
Внедрение ИИ сыграет ключевую роль в решениях при создании инфраструктуры
С каждым годом все чаще и шире в компаниях используется ИИ. Предположительно к концу 2023 года, ИИ станет одной из ключевых рабочих нагрузок, определяющих инфраструктурные решения. Инфраструктурные ресурсы, требуемые для внедрения систем искусственного интеллекта, будут расти и развиваться вместе с технологиями. При этом ИТ-командам важно периодически дорабатывать модели ИИ для достижения высокого уровня успешности проектов.
Совместная работа важна в управлении сложными ИИ-методами
Важнейшая из технологических проблем по использованию методов ИИ в бизнесе — это сложность аналитики и данных. Особенно это проявляется в использовании таких подходов как машинное обучение или глубокие нейронные сети, в периферийных средах и интернете вещей. Традиционные ИИ-проекты становятся успешными благодаря тесному взаимодействию между бизнес- и ИТ-руководителями, поэтому директорам нужно заручиться поддержкой штатных разработчиков, рекомендуют эксперты Gartner.
Простые техники машинного обучения по прежнему актуальны
Внедрение глубоких нейронных сетей растет и к 2022 году более 75% компаний будут их использовать даже тогда, когда для решения было бы гораздо более применимо задействовать классические алгоритмы машинного обучения. Не стоит их недооценивать. По оценкам аналитиков Gartner, очень большое число компаний делают выбор в пользу методов глубокого обучения, даже не понимая, как они применяются к текущим инициативам.
Бессерверные вычисления минимизируют расходы
Контейнеры и бессерверные вычисления позволят моделям машинного обучения выступать в качестве независимых функций и работать с меньшими расходами. Модель бессерверного программирования может быть быстро масштабируема, поэтому становится довольно привлекательной в публичных облачных сервисах. Но тут ИТ-руководителям стоит найти существующие проекты машинного обучения, которые могут извлечь выгоду из этих новых вычислительных возможностей.
Автоматизацию стоит использовать и за пределами базовой инфраструктуры
Количество ложных срабатываний и неэффективных расстановок также увеличивается с ростом объема данных, которыми оперируют компании. В этом случае стоит обратить особое внимание на технологии автоматизации за пределами базовой архитектуры, так как ресурс специалистов по обслуживанию ИТ-инфраструктуры и операций ограничен.
Как видите, кроме сложностей внедрения ИИ-моделей, есть также постоянная потребность в их доработке, поддержке, автоматизации. Если в вашем бизнесе есть такие задачи — обращайтесь, наши высококвалифицированные специалисты готовы вам помочь!
About The Author
Виктор Карабедянц
ИТ директор (CIO), руководитель нескольких DevOps команд. Профессиональный руководитель проектов по внедрению, поддержке ИТ систем и обслуживанию пользователей.