L'insegnante di intelligenza artificiale Kavita Ganesan sulla scoperta delle opportunità di intelligenza artificiale nella tua azienda

All'inizio, diventare pronti per l'IA può essere scoraggiante. L'ospite di oggi condivide una struttura ripetibile che ti aiuta a cogliere le giuste opportunità, misurare il loro successo e preparare il terreno per una transizione senza soluzione di continuità.

Nell'ultimo anno, i rapidi progressi nell'IA generativa, compreso il rivoluzionario lancio di ChatGPT, hanno portato l'IA in prima linea all'attenzione di tutti. Tuttavia, navigare nel panorama dell'IA può intimidire i leader aziendali che non sanno da dove cominciare. La transizione può sembrare travolgente: dalla scelta dei problemi giusti da risolvere per l'IA, alla costruzione di una solida infrastruttura di dati e alla preparazione dei team per il cambiamento. È qui che entra in gioco Kavita Ganesan.

Kavita è una consulente di intelligenza artificiale, educatrice e fondatrice dell'azienda di consulenza Opinosis Analytics. Con un dottorato di ricerca in Natural Language Processing (NLP), Search Technologies e Machine Learning e oltre 15 anni di esperienza, Kavita lavora con le organizzazioni per aiutarle a demistificare l'IA e implementarla nelle loro strategie aziendali. Nella primavera dello scorso anno - abbastanza curiosamente, pochi mesi prima che iniziasse tutto il clamore - ha pubblicato The Business Case for AI , una guida pratica per i leader aziendali per lanciare iniziative AI che portino risultati.

In esso, Kavita delinea un quadro per identificare opportunità di IA ad alto impatto, sottolineando l'importanza di valutare e inquadrare efficacemente i problemi per dare priorità all'implementazione di soluzioni di IA che siano in linea con i tuoi obiettivi di business, oltre a misurare l'impatto e il successo di ogni iniziativa di IA .

Nell'episodio di oggi, abbiamo incontrato Kavita per parlare delle strategie per i leader aziendali per cogliere il potenziale di trasformazione dell'IA.

Ecco alcuni dei punti chiave:

• Inizia a incorporare l'IA nella tua azienda ottimizzando i processi manuali ripetitivi e affrontando le inefficienze identificate attraverso il feedback dei clienti o di altre unità aziendali.
• Per identificare opportunità ad alto impatto, valutare dove ha senso implementare l'IA e vedere se si traducono in vantaggi aziendali tangibili.
• Prima dell'implementazione, dovrai inquadrare tali opportunità per articolare meglio i vantaggi, i punti deboli che stai affrontando e quali metriche ti consentiranno di misurarli.
• Il prossimo passo è chiamare degli esperti per assicurarsi che sia fattibile. Solo allora puoi classificare tutte queste iniziative e dare la priorità a quelle più vantaggiose.
• Il successo nelle iniziative di intelligenza artificiale si basa su tre pilastri: prestazioni del modello, impatto sul business e soddisfazione degli utenti.

Se ti piace la nostra discussione, dai un'occhiata ad altri episodi del nostro podcast. Puoi seguire su Apple Podcasts, Spotify, YouTube o prendere il feed RSS nel tuo lettore preferito. Quella che segue è una trascrizione leggermente modificata dell'episodio.

Il bug dell'IA

Liam Geraghty: Ciao, e benvenuto su Inside Intercom; Sono Liam Geraghty. Nello show di oggi, sono affiancato da Kavita Ganesan, l'autore di The Business Case for AI: A Leader's Guide to AI Strategies, Best Practices & Real-World Applications . Ed è proprio di questo che parleremo oggi. Kavita, sei la benvenuta allo spettacolo.

Kavita Ganesan: Liam, grazie per avermi ospitato. Sono davvero felice di essere qui.

Liam: So che hai realizzato più di due dozzine di iniziative di intelligenza artificiale di successo per un'ampia gamma di organizzazioni, dalle medie alle Fortune 500. Come sei stato coinvolto nello spazio AI in primo luogo?

"Sono diventato un ingegnere del software, ma sentivo che mancava qualcosa: l'intero sviluppo dell'algoritmo e la parte di risoluzione dei problemi"

Kavita: La mia storia con l'IA risale al 2005, quando l'IA non era molto popolare, né era nemmeno sexy o necessaria nel settore. Sono rimasto affascinato dagli aspetti di risoluzione dei problemi dell'IA: anche se le tecniche possono essere le stesse, se applicate a un problema diverso, il modo in cui lo risolveresti pone sfide diverse. Questo mi ha attratto perché penso, intrinsecamente, di essere un risolutore di problemi. Quindi sono andato sempre più a fondo nell'intelligenza artificiale nel programma del mio master. È lì che sono stato esposto all'intero spazio dell'IA.

Sono diventato un ingegnere del software, ma sentivo che mancava qualcosa: l'intero sviluppo dell'algoritmo e la parte di risoluzione dei problemi. È stato allora che ho deciso che dovevo ottenere un dottorato di ricerca. in AI perché volevo specializzarmi in questo. E mentre stavo per laurearmi, nel 2013, la scienza dei dati ha iniziato a decollare come campo. È stato allora che ho deciso che invece di andare nelle istituzioni accademiche o nei laboratori di ricerca, sarei andato a risolvere i problemi del settore. Penso di essere una persona molto pratica e applicata, quindi volevo vedere questi algoritmi messi a frutto. È lì che le cose sono iniziate davvero. Ho consegnato tutti questi progetti e ho lavorato su diversi problemi dall'assistenza sanitaria ad altre aree, come il codice.

"L'IA generativa ha in qualche modo messo l'IA sulla mappa per loro"

Liam: Deve sembrare che il resto del mondo si sia appena messo al passo con tutta questa roba dell'IA negli ultimi due mesi.

Kavita: Sì, per molte aziende l'intelligenza artificiale è una cosa molto nuova, soprattutto per le piccole imprese che non hanno pensato all'intelligenza artificiale perché ritenevano che non fosse rilevante per loro. Le operazioni di medie dimensioni hanno pensato all'IA per un po', ma non sapevano come iniziare, e l'IA generativa ha in qualche modo messo l'IA sulla mappa per loro.

Dove iniziare?

Liam: Immergiamoci nel tuo libro, The Business Case for AI . Fin dall'inizio, riconosci le preoccupazioni e le preoccupazioni che i leader hanno nei confronti dell'IA. Abbiamo appena pubblicato il nostro rapporto sullo stato dell'IA nel servizio clienti 2023, in cui abbiamo intervistato 1.000 professionisti dell'assistenza e abbiamo scoperto che il 69% dei leader ha in programma di investire di più nell'IA nel prossimo anno. Ma finora solo il 38% dei leader lo ha già fatto. Deve essere un'enorme opportunità per i primi utenti di ottenere un vero vantaggio competitivo con tutti i vantaggi che l'IA porta, giusto?

Kavita: Sì, è assolutamente vero. Se applicato ai problemi giusti, vedrai vantaggi significativi molto presto. Penso che la sfida che le aziende stanno affrontando ora sia trovare i problemi giusti all'interno dell'azienda e applicare l'intelligenza artificiale in un modo che dia loro valore, non sei o sette mesi dopo, ma tre mesi.

"Si tratta di capire lo spazio di ciò che costituisce l'IA, dove puoi applicare l'IA, a quale tipo di problemi puoi applicarla e dove l'IA generativa aggiunge valore"

Liam: Cosa diresti alle persone su come inquadrare il loro pensiero sull'IA in modo che non immaginino robot che conquistano il mondo, ma pensino all'IA, come dici tu, come uno strumento pratico per il business?

Kavita: Penso che il primo passo sia capire cos'è questa bestia. Ora, la gente pensa che l'IA sia un'IA generativa, ma l'IA generativa è solo un pezzo di quel puzzle dell'IA. C'è molto di più nell'IA. C'è l'apprendimento automatico tradizionale, la PNL, la visione artificiale. Si tratta di comprendere lo spazio di ciò che costituisce l'IA, dove puoi applicare l'IA, a quale tipo di problemi puoi applicarla e dove l'IA generativa aggiunge valore. Affrontare quell'elefante nella stanza aiuterà a definire il contesto o a stimolare idee su dove puoi applicare l'IA nella tua azienda. Direi che l'istruzione è il primo passo, sì.

Liam: Se diciamo che abbiamo superato quella gobba e siamo a bordo del treno dell'IA, per così dire, come fai a capire per cosa l'IA potrebbe essere utilizzata nella tua azienda per migliorare i processi aziendali esistenti? Potresti condividere alcuni esempi?

"Cercare processi esistenti che sono inefficienti è un buon punto di partenza"

Kavita: Certo. Molte aziende trovano valore partendo da problemi ripetitivi che vengono risolti manualmente. Nel servizio clienti, l'instradamento di un ticket di supporto è un'attività ripetitiva e un agente impiega molto tempo per leggere il ticket, determinare a quale team inoltrarlo e inviare i dati preliminari al team in modo che possa valutare il problema . Trovare quei processi manuali che sono ripetitivi e richiedono un pensiero a livello umano - questo è un punto chiave - è dove le soluzioni AI possono davvero avere un impatto a breve termine perché questi problemi sono ben compresi e probabilmente hanno metriche che puoi usare come un modo per misurare le sue prestazioni rispetto all'approccio manuale. La ricerca di processi esistenti che sono inefficienti è un buon punto di partenza.

Liam: Puoi sempre trovare quell'elenco, ma potresti anche parlare con la tua squadra e vedere che tipo di bloccanti hanno che possono migliorare la loro giornata.

Kavita: Sì, solo parlando con diverse unità aziendali, comprendendo le loro sfide e comprendendo il feedback dei clienti che stanno ricevendo. Rileverai inefficienze e sfide anche analizzando il feedback dei clienti. Quelle sono aree in cui l'IA può forse aiutare. Supponiamo che i clienti abbiano problemi a ottenere l'aiuto di cui hanno bisogno perché la tua soluzione di supporto non è efficace. Questo ti darà un'idea di "Ehi, forse dovremmo avere una migliore funzionalità di ricerca che risolva i problemi del cliente in modo che non debbano passare attraverso il nostro sistema di ticketing".

Individuare la giusta opportunità di business

Liam: Che consiglio daresti alle persone che vogliono prepararsi per l'IA, diventare un'azienda pronta per l'IA e mettere in pratica questa conoscenza?

"L'inquadratura di ogni opportunità farà emergere quali sono le più vantaggiose e quali offrono un vantaggio marginale che puoi accantonare per ora"

Kavita: Diventare pronti per l'IA ha due parti. Uno è capire dove sono le tue opportunità all'interno della tua azienda. Se sei un'azienda di medie dimensioni, si tratta di parlare con le diverse funzioni aziendali, comprendere le loro sfide e identificare e inquadrare tali opportunità. È nelle vendite? È nelle risorse umane? Questo ti darà un'idea di quale area può essere il tuo vantaggio competitivo. La seconda parte è il pezzo fondamentale richiesto per l'IA, che sta dando forma alla tua infrastruttura di dati. Forse non stai raccogliendo dati in modo aggressivo, quindi è necessario iniziare, oppure stai raccogliendo dati ma i tuoi archivi di dati sono in silos e non c'è modo per i dipendenti di accedervi in ​​​​modo olistico. Identificare queste lacune e combinarle con le opportunità ti darà un modo a lungo termine per portare l'IA in azienda.

Liam: Sembra che da quando ChatGPT è arrivato sulla scena, ogni prodotto o azienda abbia schiaffeggiato l'intelligenza artificiale alla fine dei loro nomi. In un mare di tutto questo, come fanno i leader a trovare quelle opportunità di intelligenza artificiale? Come si eliminano quelli che non sono utili?

Kavita: Sì, succede quando trovi quelle opportunità e le inquadri: in pratica stai articolando i vantaggi dell'opportunità e quali metriche utilizzerai per misurare come stai attualmente risolvendo il problema. L'inquadratura di ogni opportunità farà emergere quali sono le più vantaggiose e quali offrono un vantaggio marginale che puoi accantonare per ora. Quel pezzo di articolazione è molto critico ed è il secondo passaggio del mio "Framework di scoperta dell'IA ad alto impatto" (discusso nel libro). Innanzitutto, hai un'idea o esiste una potenziale opportunità di intelligenza artificiale. E il secondo passaggio è l'inquadratura.

"L'introduzione dell'intelligenza artificiale o di qualsiasi automazione del software fornirà un vantaggio tangibile in quella situazione specifica? Ha senso anche per gli affari?"

Liam: Potresti parlare un po' di più del framework?

Kavita: Questo framework è un processo ripetibile per identificare opportunità di IA ad alto impatto e prevede quattro passaggi chiave. Il primo è innanzitutto pensare se questa sia un'opportunità promettente per l'IA. Le opportunità dell'IA spesso risolvono complessi problemi decisionali e questo ha senso per l'IA. Ma deve anche avere senso dal punto di vista degli affari per farti andare oltre. Questo è quando guardi il carico di lavoro. L'introduzione dell'intelligenza artificiale o di qualsiasi automazione del software fornirà un vantaggio tangibile in quella situazione specifica? Ha senso anche per gli affari? E poi, ha i mattoni fondamentali? Diciamo che hai eseguito questo processo manualmente. Se soddisfa queste tre cose, è una potenziale opportunità di intelligenza artificiale, ma questo di per sé non significa che dovresti passare all'implementazione.

È qui che entra in gioco il secondo passaggio, dove si inquadrano quelle opportunità. In sostanza, aggiungi molti più dettagli all'opportunità. Articolando i vantaggi, il punto dolente che stai affrontando e quali metriche utilizzerai per misurarlo. È così che saprai che stai raggiungendo il successo aziendale e la disponibilità dei dati. Ma ancora una volta, questo non significa che vai direttamente all'implementazione. Devi ancora assicurarti che sia fattibile. È qui che entrano in gioco i tuoi esperti: passaggio tre. Lo porterai ai tuoi esperti e dirai: “Ehi, ho questa opportunità. Cosa ne pensi? Può essere implementato? È lì che individueranno tutte le bandiere rosse come "Hai dati, ma il volume non è sufficiente" o "Questo è troppo futuristico per implementarlo in questo momento". È lì che metteranno un freno e ti daranno maggiori informazioni. Una volta che hai tutte queste informazioni, puoi classificare quelle iniziative e selezionare le migliori iniziative, che è il passaggio quattro: classifica e priorità. Questo è un processo molto ripetibile e volevo che fosse una parte importante del libro perché penso che le persone attualmente non abbiano un modo per farlo in modo sistematico.

“Il modello in sé non è la fine. Il modello è un mezzo per risolvere un problema aziendale. È qui che entra in gioco il successo aziendale"

Liam: Ne hai parlato lì, ma mi piacerebbe parlare di cosa succede quando un leader ha affrontato questi problemi e ha implementato le proprie strategie di intelligenza artificiale. Quale approccio consiglieresti per valutare il successo delle loro iniziative di intelligenza artificiale?

Kavita: In questo momento, il successo è confuso per la maggior parte delle aziende perché i leader si aspettano un ROI finanziario e gli esperti di intelligenza artificiale vogliono solo vedere modelli ad alta precisione. Nel mio libro parlo di tre pilastri del successo. Uno è il successo del modello. Il modello deve avere una prestazione minima accettabile. Altrimenti, non risolve davvero il problema. Se ha una precisione del 50%, è solo casuale. Vuoi assicurarti che stia svolgendo il compito e si stia comportando ragionevolmente bene. Ma il modello in sé non è la fine. Il modello è un mezzo per risolvere un problema aziendale. È qui che entra in gioco il successo aziendale. E questo si collega direttamente al tuo punto dolente. Cosa stai cercando di migliorare? Sta cercando di analizzare un ticket di supporto? Sta cercando di migliorare l'equilibrio tra lavoro e vita privata per i tuoi dipendenti? Ci sono modi indiretti per misurare tutti questi. Questo è ciò di cui hai bisogno per monitorare il successo aziendale.

Ma il successo del modello e il successo aziendale da soli non sono sufficienti perché, alla fine, sarà l'utente a risentirne. Vuoi anche parlare con gli utenti della soluzione AI. Possono essere i tuoi fornitori o dipendenti, chiunque consumi l'output dell'IA. Vuoi chiedere loro cosa pensano dell'accuratezza della soluzione, della facilità d'uso e di tutto ciò che può far emergere problemi, nel modello o nel flusso di lavoro, perché ciò può evidenziare problemi di adozione. Se a loro non piace la soluzione, potrebbero tornare al vecchio modo di fare le cose. Potrebbero non voler utilizzare la tua soluzione AI sebbene sia accurata e raggiunga il successo aziendale.

Umano nel giro

Liam: Cosa diresti ai leader dell'assistenza clienti che pensano di implementare l'IA che sono un po' nervosi, preoccupati o preoccupati? Cosa diresti per aiutarli a superare questo?

Kavita: Un tema che ho visto tra i leader è che i sistemi di intelligenza artificiale assumeranno molti posti di lavoro, anche i loro. Purtroppo, questo è vero, ma penso che i sistemi di intelligenza artificiale abbiano maggiori probabilità di aumentare i flussi di lavoro piuttosto che sostituire semplicemente i lavori perché abbiamo ancora bisogno del livello di garanzia della qualità in cui entrano in gioco gli umani. Un sistema di intelligenza artificiale può aiutare con i ticket dell'assistenza clienti, ma cosa succede se non può risolvere un problema? Gli esseri umani devono essere lì. E come stanno imparando i sistemi di intelligenza artificiale? Imparano dai dati. E chi genera questi dati? Umani. Siamo una parte importante di questo sistema di intelligenza artificiale, quindi siamo molto coinvolti nel controllo qualità, nella generazione di dati e nella risoluzione di problemi più difficili.

Questo è un aspetto. L'altro è impostare correttamente le tue aspettative per ogni problema e pensare ai rischi. Se rendo l'IA l'unico decisore in questo scenario, quali sono i rischi? Comprendere il rischio aiuterà ad affrontare alcune delle resistenze all'adozione dell'IA in quello scenario. Forse in questo scenario è troppo rischioso, quindi vuoi che gli umani siano al corrente per rivedere ciò che ha fatto l'IA.

Liam: Penso che lo stiamo già vedendo, ma con lavori che le persone potrebbero temere andranno persi, l'IA sta effettivamente creando nuovi lavori e ruoli: persone che monitorano l'IA o, nel nostro caso, progettisti di chatbot. Non è tutto negativo e negativo.

Kavita: Sì. Penso che i ruoli possano passare dal fare lavori di basso livello a lavori di alto livello. Sarai più un responsabile del controllo qualità. Quindi sì, i ruoli alla fine cambieranno.

Liam: E Kavita, qual è l'unica cosa che vorresti che le persone sapessero sull'IA e il business che lavorano insieme?

Kavita: AI e affari, bella domanda. Nel mondo della ricerca, vedi spesso una soluzione AI che risolve un problema. Ma nel mondo degli affari, una soluzione AI potrebbe non essere sufficiente. Avrai bisogno di una soluzione ibrida. Può essere una combinazione di un sistema di intelligenza artificiale, un sistema basato su regole per casi limite e forse anche umani. Quindi, le soluzioni aziendali sono spesso meno eleganti e più complesse dei sistemi di ricerca.

Liam: Infine, dove possono andare le persone per stare al passo con te e il tuo lavoro?

Kavita: Il primo posto dove andare sarà il mio sito web, kavita-ganesan.com. Ecco dove puoi conoscere il mio libro. Ti porterà anche alla mia pagina di consulenza e ad altri podcast che ho realizzato.

Liam: Perfetto. Kavita, grazie mille per esserti unita a me oggi.

Kavita: Liam, grazie per avermi ospitato.