автордың кітабынан сөз тіркестері  Искусственный интеллект, аналитика и новые технологии

HBR

Если у вас нет своего внутреннего научно-аналитического ресурса, вам придется оперативно создать «экосистему» внешних поставщиков услуг ИИ

В NASA из-за нехватки средств инициировали запуск четырех пилотных RPA-проектов в области кредиторской и дебиторской задолженности, HR и расходов на ИТ — всем этим управляет центр общих служб агентства. Пилотные проекты показали себя хорошо — например, в отделе кадров 86% операций прошли без участия человека — и были внедрены во всей организации. Сейчас NASA продолжает внедрять роботов RPA, повышая уровень их интеллекта. Как сказал Джим Уокер, руководитель проектов центра общих служб, «пока еще мы уступаем в этом ракетостроению».

индустрии офшорного аутсорсинга. Если вы можете передать задачу на аутсорсинг, с большой вероятностью вы можете и автоматизировать ее.

Компания Xerox использовала AR для связи сервисных инженеров с экспертами вместо предоставления инструкций по обслуживанию и телефонной поддержки. Число успешных ремонтов после первого обращения увеличилось на 67%, а эффективность инженеров подскочила на 20%

RPA является наиболее доступным типом ИИ для реализации когнитивных технологий, которые мы обсудим, и, как правило, обеспечивает быструю и ощутимую отдачу от инвестиций.

Получить максимальный эффект им помогут пять принципов: пересмотр бизнес-процессов; экспериментирование / повышение вовлеченности персонала; активно управляемая стратегия использования ИИ; ответственный подход к сбору данных; пересмотр характера работы для включения в нее ИИ и развития соответствующих навыков персонала.

Даже когда рекламное сообщение получает правильная аудитория, часто на его восприятие влияют когнитивные ограничения потребителей: им нужно увидеть информацию несколько раз, прежде чем она достигнет сознания, в противном случае они могут просто о ней забыть.

Стратегический ответ
Бренды должны будут перенести фокус маркетинга с потребителей на платформы искусственного интеллекта, чтобы усилить свое влияние на них и получить преимущества при позиционировании через ИИ-ассистентов.

Алгоритмы, способные делать прогнозы, не отменяют необходимости внимательно изучать связи между причиной и следствием, они не заменяют контролируемых экспериментов. Но могут делать очень мощную вещь: определять зависимости, слишком неявные для человека, используя их для создания точного понимания и получения информации с целью лучшего принятия решений. Наша задача — понять связанные с ними риски и ограничения, а также, эффективно управляя процессом, раскрыть их замечательный потенциал.

В этой статье мы рассмотрим различные