L'intelligence artificielle n'a rien d'artificiel

Perficient est présent au sommet AI à New York et il y a beaucoup de contenu et de bonnes idées. Jeff McMillan, Chief Analytics and Data Officer chez Morgan Stanley Wealth Management a donné une excellente session sur l'IA et ce qu'il a appris. À bien des égards, sa perspicacité reflète ce que Christine Livingston a à dire sur l'IA en général. Il n'y a pas de solution miracle. Cela demande beaucoup d'efforts et de concentration, mais si vous choisissez correctement, vous pouvez gagner beaucoup de valeur.

Jeff a commencé par parler de sa récente participation à une conférence de San Jose l'année dernière et chaque entreprise s'était transformée d'un mobile, la gestion des données ou une autre société dans une société d'IA. Le problème est que la moitié de ce qu'ils lancent était un non-sens. Vous ne vous transformez pas avec l'IA en l'espace d'un an.

Citation: ce truc est dur et compliqué. Certains fonctionnent et d'autres non

État actuel de l'IA

C'est mélangé

• Trop de conversations portent sur l'IA et non sur ce que nous essayons de réaliser
• Votre plus grand défi est pour séparer ce qui est réel de ce qui ne l'est pas
• L'IA a promis, il n'y a pas de balles d'argent.

L'univers de l'IA n'est pas un blob mythique mais plutôt:

1. Des trucs anciens rebaptisés AI
2. AI qui ne fait vraiment pas ce qu'elle fait dit qu'il fait
3. AI qui fonctionne mais ne résout pas un problème que vous avez
4. AI qui ajoute de la valeur mais c'est beaucoup trop compliqué à utiliser
5. AI qui fonctionne mais coûte trop cher
6. AI qui peut ajouter de la valeur mais manque de données requises (comme acheter une Ferrari mais sans gaz)
7. IA réelle, utilisable, réalisable et abordable

Concentrez-vous sur les vieux trucs et les vraies opportunités utilisables.

Quote : Découvrez ce qui a du sens pour votre propre entreprise et allez de l'avant

Quote: simplement parce que j'appelle ça de l'IA ne fait pas de l'IA. Ce n'est peut-être pas mauvais. Ce n'est tout simplement pas de l'IA

Notre objectif doit être de déterminer ce qui fonctionne, ce qui ne fonctionne pas et comment aller de l'avant.

AI rebaptisée

1. Vous devez former vos employés en termes et analyses statistiques de base, puis vous
2. Vous obtenez toujours une valeur énorme de la science des données traditionnelle
3. Réalisez des tests structurés et des expériences de contrôle pour mesurer
4. Créez une culture de prise de décision et de collaboration factuelle

Citation : faites ce genre de choses et vous gagnerez plus d'argent

Une IA qui ne fonctionne pas

Gardez à l'esprit que l'IA ne pense pas. Si quelqu'un dit cela, soit il vous ment, soit il ne sait pas de quoi il parle. Vous voulez demander aux fournisseurs de montrer des résultats tangibles. Vous n'êtes pas obligé d'être le service R&D de quelqu'un d'autre

Citation : Ce n'est pas parce que quelque chose peut être fait que cela doit être fait

Les expériences doivent être construites autour de résultats définissables. Vous avez besoin que les gens réfléchissent à cela. Quand c'est trop compliqué, vous avez besoin d'une culture et de gens qui peuvent contester et remettre en question.

Citation: privilégiez toujours le simple. En revenant à l'essentiel, vous générez plus de valeur commerciale

Quand cela coûte trop cher

Essayez de prendre en compte tous les facteurs nécessaires pour réussir à fournir votre solution. Engagez-vous avec l'entreprise. Demandez-vous s'il existe un moyen plus simple de le faire. Vous gagnerez du temps et de l'argent en réfléchissant d'abord.

Lorsque vous manquez les données requises

Elles doivent être accessibles, organisées et de nature prédictive. De bons algorithmes ici vous donneront toujours de mauvais résultats. Cela signifie que l'absence d'une structure de gouvernance des données appropriée entraîne des erreurs importantes.

Conseils : Obtenez votre gouvernance des données dans l'ordre si vous souhaitez utiliser l'IA et le ML

Qu'est-ce qui apporte de la valeur aux services financiers? [19659023] Détection d'anomalies.

Robotics Process Automation. Relativement peu cher. Peut s'asseoir sur une infrastructure héritée

Assistants intelligents: c'est formidable si cela fonctionne

1. Vous pouvez créer un très mauvais bot en 10 minutes
2. Il est vraiment difficile de faire du traitement en langage naturel
3. La ​​technologie est la moindre partie du problème. Vous devez avoir accès aux experts

Predictive Analytics. C'est un impact décent sans coût énorme

1. Vous devez avoir votre ensemble de données
2. Mais ils vous aident à voir les choses différemment

Moteurs de décision: haute complexité mais aussi très fort impact

Un exemple de ce qui fonctionne

En 2009, Morgan Stanley a lancé le projet «Next Best Action». Il a connu des démarrages, des arrêts, des échecs et des redémarrages. . Son objectif était de démocratiser l'accès aux algorithmes. Il identifie les idées les plus percutantes et pertinentes pour les clients. Il les classe en fonction de leur propension, de leur résultat, etc.

Ce qu'il fait : prendre l'expertise de leurs experts et l'intégrer dans le système. Les algorithmes le priorisent. Présentez-le aux humains et appliquons leur expérience, leur intuition et leur empathie.

Ensuite, il réitère encore et encore. Ça s'améliore chaque jour. Il aide les conseillers financiers à fournir des informations et des recommandations personnalisées.

Qu'est-ce qui a fait que cela fonctionne? données accessibles

Contenu différencié

Couplage étroit de la sortie de l'algorithme avec votre processus décisionnel quotidien. (l'homme dans la boucle)

Les clés du succès

1. Il n'y a pas d'IA sans réelle intelligence
2. Commencez par le problème et non par la solution
3. À court terme, la plus grande valeur viendra de l'augmentation de la prise de décision [19659007] La mise en œuvre de l'IA est difficile. Fixez modestement vos objectifs
4. Les gagnants de cet espace ne sont pas ceux qui ont la meilleure technologie. Il y a beaucoup d'autres éléments
5. Le leadership qui prête attention à l'IA et la soutient vous aidera à réussir.