Intel, Wayfair, Red Hat et Aible sur l’obtention des résultats de l’IA en 30 jours

Les entreprises se précipitent pour investir dans l’IA, mais moins de 20 % des investissements en IA entraînent les transformations promises par l’IA. Transformer VB 2022 a réuni des chefs d’entreprise d’Intel, Wayfair, Red Hat et Aible pour discuter de la manière dont ils battent les cotes pour exploiter pleinement la valeur de l’IA.

“Le mot ‘transformateur’ est le slogan ici”, a déclaré Arun K. Subramaniyan, vice-président cloud et IA, stratégie et exécution chez Intel. « Vingt pour cent des investissements récoltent en fait les bénéfices qu’ils étaient censés obtenir lorsque vous avez vendu le projet. Et ensuite, s’ils vous obtiennent les résultats commerciaux au niveau que vous vouliez pour cet investissement, c’est vraiment la question.

Les entreprises commencent à marcher plutôt qu’à ramper ; maintenant, il s’agit de savoir à quelle vitesse ils peuvent passer à la phase de fonctionnement, puis maintenir ce niveau de transformation. Mais la transformation et les résultats commerciaux peuvent prendre des mois, a déclaré Fiona Tan, CTO de Wayfair.

En tant qu’entreprise technologique dans l’espace numérique, axée sur la catégorie des articles pour la maison, ils ont découvert que le secret était de se concentrer sur les applications pratiques de l’IA qui s’attaquent aux cas d’utilisation commerciale urgents. Ils sont également sélectifs quant à l’endroit où ils appliquent le travail d’IA et de ML qu’ils font. Mais la transformation prend du temps, a-t-elle noté, car les capacités d’IA et de ML sont assez différentes des algorithmes logiciels traditionnels, qui offrent des résultats instantanés.

“Avec de nombreux modèles basés sur l’IA et le ML, cela prendra un certain temps. C’est très itératif », a-t-elle expliqué. « À ce stade, lorsque vous verrez un changement transformationnel, nous ne le voyons généralement pas dans les X premiers jours ou semaines. Cela nous prend généralement du temps. Chez nous, les clients arrivent. Nous apprenons d’eux. On s’adapte. »

L’expérience, l’itération et l’adaptation sont essentielles pour Arijit Sengupta, fondateur et PDG d’Aible. Sengupta a déclaré qu’il avait traversé plus d’un millier de projets d’IA avec son ancienne société, BeyondCore, qui a développé une technologie pour la découverte intelligente de données – puis a écrit un livre intitulé L’IA est un gaspillage d’argent, après l’échec de la plupart de ces projets d’IA. Mais il s’est associé à Intel pour lancer Aible, une solution d’IA d’entreprise qui garantit un impact en un mois.

“Lorsque nous avons commencé, personne ne savait comment vous obtiendriez de la valeur en 30 jours. Il était tout simplement rationnel de dire que les grandes entreprises ne peuvent pas faire cela », a-t-il déclaré. “La bonne chose était que je l’avais fait plus d’un millier de fois moi-même. Mon équipe avait réalisé environ 4 000 projets d’IA. Nous savions où les corps étaient enterrés. Nous pourrions le faire correctement la deuxième fois.

Cela dépend de l’entreprise individuelle plus que de toute autre chose, a déclaré Bill Wright, responsable de l’IA/ML et de la périphérie intelligente, des industries et des comptes mondiaux, chez Red Hat.

« J’ai parlé avec certains clients qui ont des capacités de développement phénoménales », a-t-il déclaré. « Ils ont suivi toutes les étapes DevOps et MLOps pour que tout soit très efficace. Il y a tellement plus sous les couvertures.

Mais certains scientifiques des données ne réalisent pas tout le travail qui se fait dans ces environnements de production, combien peut aller bien et peut mal tourner. Les entreprises sont à tant d’étapes différentes du cheminement vers la compréhension de leurs défis et la manière de les relever. Le succès ne vient pas seulement de l’itération, mais de la compréhension du client.

“Il s’agit toujours de parler au client, de comprendre sa douleur, de comprendre ce qu’il traverse”, a-t-il déclaré. « Toutes les avancées techniques que j’ai connues ont été le fruit de conversations avec des clients. Je pense que ça a été la plus grande leçon.

Sortir de la zone de confort AI/ML

Pour atteindre le point d’une véritable transformation numérique, il faut s’attaquer à des défis plus importants, où les risques peuvent être plus importants. Pour Wayfair, les problèmes les plus urgents à résoudre initialement étaient le marketing et l’acquisition de clients. Ils ont pu automatiser et prendre des risques mesurés autour des enchères, ce qui a également approfondi une grande partie de leur stratégie client.

“Au fur et à mesure que nous acquérions de l’expérience, nous avons pris cela et cela s’est transformé en, comment pouvons-nous mieux comprendre le client?” dit Tan. “C’est devenu le début de la construction de notre graphique client. Élargir notre parcours d’IA et de ML. »

Ils ont fait la même chose du côté des produits, en extrayant les informations sur les produits des fournisseurs pour augmenter et enrichir les données dont l’entreprise dispose déjà. La combinaison du graphique client issu de l’acquisition de clients et des efforts de marketing avec leur graphique produit permet à l’entreprise d’offrir la meilleure expérience possible aux clients dans chaque expérience de recherche et d’achat. Et chaque étape du voyage s’appuie sur la précédente, enrichissant les capacités actuelles et ouvrant des opportunités d’utilisation de l’IA et du ML dans d’autres domaines.

« Nous vendons de gros objets difficiles à déplacer et coûteux à déplacer. Comment puis-je utiliser l’IA et le ML pour optimiser ma chaîne d’approvisionnement – offrir une capacité où, idéalement, je vous sers le canapé vert le plus pertinent en fonction de ce que vous recherchez, mais je veux également m’assurer que je peux vous en servir un qui est à le centre de distribution le plus proche de chez vous, donc il y a le moins de risques de dommages », a expliqué Tan. “C’est le point culminant de la réunion de tous ces composants disparates pour pouvoir proposer une solution.”

Souvent, le problème qui ralentit la transformation de l’IA est le manque de parrainage de la part des dirigeants, a déclaré Sengupta, et des attentes trop importantes.

“Nous avons compris que si vous allez à [the leadership team] et dire: “Quel genre d’IA voulez-vous?”, ils veulent une voiture volante de Retour vers le futur », a-t-il déclaré. «Les données peuvent être en mesure de leur donner un bateau très rapide ou une voiture à vitesse moyenne ou un avion très lent. Mais lorsque vous partez des données et que vous pouvez leur montrer des modèles intéressants dans les données et les impliquer tôt, ils ne demandent pas quelque chose de fou. Ensuite, vous pouvez le leur donner.

Si vous prenez les points à risque, les résolvez tôt dans le projet et itérez très rapidement, vous pouvez obtenir un bon résultat, a-t-il ajouté.

“Souvenez-vous de la différence”, a déclaré Sengupta. “Je ne dis pas que vous pouvez réaliser n’importe quel projet d’IA en 30 jours. Je dis que vous pouvez avoir un succès significatif grâce à l’IA en 30 jours. Les deux sont très différents. Un iPad ne peut pas faire ce qu’un supercalculateur fait, mais un iPad crée beaucoup de valeur.

Lorsque vous triez les points faibles et les cas d’utilisation commerciale pour accéder aux bons projets d’IA, où vous en êtes dans votre parcours d’IA, cela compte beaucoup, a déclaré Subramaniyan.

“Mais là où se trouve le monde, le monde de l’IA, en termes de spectre de développement, compte également”, a-t-il déclaré. « Nous avons tous entendu parler de la rapidité avec laquelle le monde de l’IA évolue. Nous pouvons réellement en profiter plutôt que d’être intimidés par cela.

Le montant de l’investissement requis pour construire un grand modèle peut être décourageant, mais une fois que les modèles ont été construits, ou que vous les trouvez open source, il s’agit d’en tirer parti pour pouvoir sauter le pas, a-t-il déclaré.

“En tant que chefs d’entreprise, c’est quelque chose auquel vous pouvez penser plutôt que de penser à l’investissement important”, a-t-il déclaré. “D’une certaine manière, cela vous aide d’être un peu en retard, car maintenant vous pouvez apprendre les erreurs commises par tout le monde, et aussi les devancer. Vous n’avez pas nécessairement à considérer votre entreprise comme étant petite ou grande, ou en concurrence avec les grandes puissances de l’IA. Nous prenons cela et nous nous assurons que nous pouvons démocratiser à tous les niveaux. C’est ce sur quoi Intel travaille, à la fois d’un point de vue matériel, mais plus important d’un point de vue logiciel. L’IA est d’abord un problème logiciel. Le matériel est un catalyseur pour cela.

Regardez la discussion complète et approfondie et rattrapez toutes les sessions Transform en vous inscrivant pour un laissez-passer virtuel gratuit ici.



#Intel #Wayfair #Red #Hat #Aible #sur #lobtention #des #résultats #lIA #jours

Leave a Comment

Your email address will not be published.