Fem tips om hur maximera AI

Organisationers användning av artificiell intelligens (AI) är avgörande för framgångsrik dataanalys. Nick Magnuson, AI-chef på dataanalysföretaget Qlik, ger fem tips på hur organisationer kan maximera värdet av sin data med hjälp av AI. 

– Som med all ny teknik kommer införandet av AI i etablerade processer att medföra spekulationer om effekterna. De kan bli exponentiella om de tillämpas på de centrala dataprocesser som ligger till grund för AI, säger Nick Magnuson. 

Nick Magnuson, Qlik.

– Den potential som finns dold i affärsdata gör AI till en nödvändighet för många. För att maximera potentialen bör datateamen börja i liten skala, testa iterativt* och kontinuerligt lära sig, med hänsyn till etiska och ansvarsfulla metoder. Men framför allt: sätt i gång! fortsätter Nick Magnuson. 

  1. Hitta de snabba vinsterna först: 

De snabbaste vinsterna finns fortfarande i strukturerad information, trots stor potential i att använda så kallad ostrukturerad data som till exempel databaser och tabeller. Strukturerad information är ren, pålitlig och representerar en långsiktig bas som lägger grunden till att testa mer avancerade AI-tekniker.

  1. Koppla till specifikt ett användningsfall för att mäta avkastning:

AI kommer sannolikt att ha en betydande inverkan, men det är viktigt att se till att den kopplas till ett specifikt användningsfall så att det finns en påvisbar avkastning. Att leka med tekniken kommer bara att ta dig en bit på vägen. Initiativ och investeringar i AI, som ofta drivs av de datateam som ansvarar för att hantera modellerna, måste ha en särskild utmaning i åtanke så att fördelarna kan bevisas.

  1. Tänk på slutanvändarna:

Det är viktigt att engagera konsumenterna i processen – från skapandet av AI-modellen till hur insikterna ska levereras. Alltför ofta blir innovativa modeller oanvända eftersom de används på ett sätt som inte hjälper slutanvändaren av data.

  1. Minska risken med dataintegration:

Organisationer bör bygga en solid, styrd och pålitlig datakälla för att stödja nuvarande data- och analysprocesser och för att bygga nya och AI-drivna tekniker. AI kräver en mer flexibel inställning till datahantering, med tanke på hur snabbt inflöde av nya data kan förändra en modell. Dataintegration och styrning är en viktig del av alla nya AI-processer som införs.

  1. Experimentera!

Att ha en robust datastyrning och säkerhet bör inte hindra datateam från att experimentera med AI. Börja med att sätta upp tydliga mål, se till att data är korrekt anonymiserade och introducera ett arbetssätt tillsammans med IT-avdelningen för att avgöra om en idé kan förverkligas. Det är inte lätt att störa befintliga processer, men det finns god anledning att börja experimentera nu.

Fotnot
* Iterativt. iteration är ett annat ord för upprepning. Inom matematiken och i programmering handlar detta om att en funktion eller process åstadkommer något genom att upprepa beräkningar eller andra operationer tills ett önskat resultat uppnåtts. (Källa: Wikipedia).

Text och bild har ställts till förfogande för publicering i OFFENTLIGA AFFÄRER och redigerats av oss.