Vestea vine din domeniul tehnologic: rapoarte recente arată că liderii IT se confruntă cu probleme serioase când trebuie să justifice deciziile modelelor AI în fața reglementatorilor, directorilor sau clienților. Istoric, orice tehnologie disruptivă, de la primele baze de date la Hadoop și mai apoi la modelele de învățare automată, a trecut prin perioade în care așteptările depășeau realizările, iar acum același ciclu se repetă cu inteligența artificială, exercitând presiuni similare asupra comunicării și percepțiilor.
Un studiu realizat de Anaconda, bazat pe un chestionar aplicat unui eșantion de peste 200 de profesioniști care lucrează direct cu modele AI și machine learning, data scientists, ingineri, cercetători și consultanți, relevă câteva lacune practice. Peste jumătate dintre liderii IT (51, 4%) afirmă că nu se simt confortabil explicând deciziile modelelor AI părților interesate, ceea ce duce uneori la promisiuni pe care proiectele nu le pot susține imediat. Această comunicare ineficientă generează așteptări nerealiste în rândul clienților și stakeholderilor. Totodată, 26% dintre respondenți semnalează dificultatea de a demonstra return on investment (ROI) ca pe o preocupare majoră, iar doar 22% consideră implementarea AI din organizația lor drept una „strategică”.
În ceea ce privește modul în care companiile evidențiază beneficiile AI, cele mai frecvente argumente sunt îmbunătățiri de productivitate (58%) și reducerea costurilor (47%). Sună bine în teorie, dar realitatea este mai complexă: peste 57% declară că trece mai mult de o lună de la faza de dezvoltare până la punerea în producție a unui proiect AI. Și după lansare, adopția nu este imediată, 75% raportează că angajații și clienții încep să utilizeze instrumentele AI abia după una până la șase luni. În plus, peste 30% spun că încrederea în acele instrumente rămâne la nivel de dezvoltare sau lipsește chiar și după trei luni sau mai mult.
Un aspect notabil este preferința în creștere pentru instrumente open source. 92% dintre respondenți utilizează instrumente AI open source, iar 76% afirmă că prioritatea acordată open source este mai mare în acest an comparativ cu anul precedent. Aceasta indică faptul că organizațiile caută acces la cele mai bune resurse disponibile la nivel global, nu doar la ofertele unui anumit vendor. În practică, companiile care adoptă tool-uri open source par să obțină avantaje competitive în viteza inovării, ceea ce poate compensa întârzierile din procesele interne.
Steve Croce, field CTO la Anaconda, subliniază distincția dintre colectarea de metrici și măsurarea efectivă a ROI-ului. El recomandă identificarea clară a zonelor în care AI aduce îmbunătățiri și măsurarea consecințelor reale, evitând evaluarea proiectelor AI doar pe baza unor metrici volatile. Este momentul pentru rafinarea acestor instrumente și stabilirea unor măsurători mai relevante.
Raportul complet, a opta ediție a Anaconda State of Data Science and AI, este disponibil pe site-ul companiei și oferă date și analize suplimentare pentru cei interesați de practica curentă în data science și AI.
Concluzia raportului arată limpede că utilizarea open source, menționată de 92% dintre respondenți și evidențiată de 76% ca o prioritate în creștere, devine tot mai centrală în strategiile AI ale organizațiilor. Ce implică asta pentru companii: investiții sporite în adopție, ajustarea proceselor interne pentru a scurta traseul de la prototip la producție și efort susținut pentru consolidarea încrederii între utilizatori și modele. Dacă, de exemplu, ai proiecte în care urmărești productivitate măsurabilă sau economii de costuri, pregătește-te pentru timpi de implementare de ordinul lunilor și pentru planuri clare de comunicare către reglementatori, board și clienți. Care este cea mai mare provocare pe care o întâmpină echipa ta în implementarea AI?
Fii primul care comentează