Искусственный интеллект (ИИ) штурмом захватил цифровой мир, поскольку на передний план выходит следующая волна «цифровой революции». Компании из разных секторов используют ИИ для преобразования и обновления своих бизнес-операций. Однако это время тестирования также выявило ограничения ИИ, поскольку модели ИИ необходимо регулярно переобучать с использованием новых данных, чтобы обеспечить точные прогнозы. Компании с сильным цифровым следом осознают, что повышение квалификации в области ИИ - непростая задача. Искусственный интеллект может не дать результатов, если модель не построена для обучения и масштабирования, если выбрано неподходящее экономическое обоснование, выбраны неправильные методы подготовки данных или персонал не обладает необходимыми навыками искусственного интеллекта.  Следовательно, сегодня результаты ИИ неоднозначны: меньший процент компаний может получить реальную отдачу от инвестиций (ROI) из своих бизнес-моделей, основанных на ИИ. Согласно исследованию VentureBeat, около 87% проектов в области науки о данных никогда не доходят до стадии производства. Кроме того, отчет MIT Sloan Management Review-BCG показал, что семь из 10 опрошенных компаний сообщают о минимальном или нулевом влиянии усилий на ИИ. Узнать больше: реализация полного потенциала искусственного интеллекта и автоматизации 
Повышение реальной рентабельности инвестиций в ИИ
Чтобы ИИ полностью раскрыл свой потенциал, ему потребуются соответствующие знания, масштаб и время. Поэтому организациям следует создать прочную основу для измерения и отслеживания потенциальных результатов ИИ. Согласно отчету ESI ThoughtLab , почти две трети руководителей высшего звена в различных отраслях считают ИИ жизненно важным для будущего своего бизнеса. Однако компании получают в среднем лишь 1,3% прибыли от инвестиций в ИИ. По словам Ари Каплана , директора отдела пропаганды и стратегии ИИ компании DataRobot , лидера в области корпоративного ИИ, «при зачастую высоких первоначальных затратах на подготовку данных, внедрение технологий и развитие персонала для получения значительной отдачи от ИИ требуется время и масштаб. Однако это не обязательно. Компании, которые определяют желаемый результат, инвестируют в правильные решения и преобразуют результаты, получая максимальную отдачу от развертывания ИИ ». Давайте посмотрим на некоторые из потенциальных способов, с помощью которых компании могут получить реальную рентабельность инвестиций в свои развертывания ИИ. Узнать больше: 6 способов создания искусственного интеллекта, сочетающего честность, разнообразие и этику 
1. Рентабельность инвестиций требует прочного фундамента, инвестиций и определенных целей.
Компаниям, стремящимся обеспечить значительную рентабельность инвестиций с помощью ИИ, необходимо заложить прочный фундамент с правильными процессами. Как и любая стратегическая инициатива, это требует адекватных инвестиций.  Согласно 2020 глобальному в McKinsey обследования на государстве AI , большинство высокопроизводительных компаний увеличили свои инвестиции AI на фоне пандемии. Однако изменения различаются в зависимости от отрасли. Сектор здравоохранения возглавил список инвестиций в ИИ, поскольку глобальные усилия по борьбе с пандемией резко возросли. Между тем, в секторе высоких технологий и телекоммуникаций произошли минимальные изменения в инвестициях в ИИ.
 Среднее изменение инвестиций в ИИ по бизнес-функциям из-за COVID-19 Источник: McKinsey Высокопроизводительные компании в области ИИ - это компании, которые преуспевают в создании прочной основы для ИИ. Большинство из них добились значительных успехов в разработке бизнес-обоснований, планов внедрения и систем для измерения и мониторинга производительности ИИ. Превосходящие сотрудники - это те, кто уже добился значительного прогресса в развитии базовых возможностей искусственного интеллекта в области управления данными и RPA. Следовательно, они склонны вкладывать значительную часть своих бюджетов в инструменты нового поколения, такие как машинное обучение , глубокое обучение, компьютерное зрение и обработка естественного языка (NLP). Это позволяет им исследовать ИИ в более широком смысле. В исследовании McKinsey также выделяются ключевые практики, которые отличают высокопроизводительные компании от других. К ним относятся, например, перевод ИИ-решений из пилотной серии в производственную, внедрение управления изменениями для обеспечения внедрения ИИ и многое другое. Это делает превосходных исполнителей подавляющими фаворитами по сравнению с отстающими в получении существенной отдачи от программ искусственного интеллекта. Кроме того, предприятиям также необходимо определить цели, чтобы определить, какие проблемы они хотят решать с помощью ИИ, и достичь желаемых результатов. «Будь то увеличение удержания клиентов, снижение эксплуатационных расходов или сотни других вариантов использования ИИ, важно определить, как выглядит успешное развертывание ИИ, чтобы лучше определить рентабельность инвестиций после развертывания. Проведение этих ориентированных на результаты обсуждений в начале развертывания поможет гарантировать, что ИИ имеет цель внутри организации и что есть четкая конечная цель развертывания », - сказал Каплан. 
2. Партнерство и сотрудничество - ключевые факторы рентабельности инвестиций.
Получение рентабельности инвестиций от ИИ подразумевает использование подходящих специалистов, привитие собственных навыков искусственного интеллекта посредством обучения и поощрение сотрудничества на предприятии. Недавний опрос Deloitte показывает, почему приверженцам искусственного интеллекта нужна квалифицированная команда, которую можно обучить, чтобы повысить свою квалификацию за счет сотрудничества. Компаниям, занимающимся ИИ, также следует рассмотреть возможность привлечения руководителей бизнеса на протяжении всего жизненного цикла инициатив в области ИИ, чтобы привести бизнес-модели и стратегию в соответствие с требованиями систем ИИ. Кроме того, интеграция ИИ в роли и функции фирмы - это небольшая проблема. Следовательно, высокопроизводительным компаниям, работающим с ИИ, следует подумать о том, чтобы объединиться с экспертами в области управления. Эти профессионалы могут сыграть решающую роль в преодолении проблем интеграции ИИ. Сотрудничество с подходящими партнерами и решениями могут улучшить и автоматизировать платформу анализа данных от начала до конца от данных до ценности. Это также может помочь устранить болевые точки на каждом этапе процесса, включая подготовку данных, автоматизацию построения моделей, развертывание и мониторинг с помощью MLOps .  «ИИ не является универсальным решением , руководители должны учитывать стоимость обслуживания и точной настройки приложения ИИ на протяжении всего развертывания, а также обеспечивать персонал необходимыми ресурсами и обучением - вот почему хорошие партнерские отношения необходимы. имеет решающее значение для успеха. Хороший партнер поможет с образованием, проработает болевые точки, будет способствовать самодостаточности и поможет масштабировать ИИ в организации, чтобы добиться практического эффекта », - считает Каплан. Узнать больше: 6 способов создания искусственного интеллекта, сочетающего честность, разнообразие и этику 
3. Сосредоточьтесь на достижении результатов для ключевых лиц, принимающих решения.
Поскольку ИИ представляет собой адаптируемый набор технологий, руководители должны сосредоточиться на областях, которые принесут наибольшую отдачу. Согласно отчету Deloitte , компаниям нужны таланты, чтобы переводить бизнес-потребности в требования к решениям, создавать и развертывать системы искусственного интеллекта и интерпретировать результаты. Однако большинство приверженцев ИИ сталкиваются с проблемой нехватки навыков ИИ.  Около 68% опрошенных руководителей сообщают о разрыве навыков от умеренного до экстремального, а 27% оценивают разрыв в своих навыках как «серьезный» или «крайний». Следовательно, приверженцы ИИ ищут переводчиков ИИ, которые могут преодолеть разрыв между бизнесом и техническим персоналом, охватывая как начальную, так и конечную части решений ИИ. Как правило, рентабельность инвестиций в ИИ не оправдывает ожиданий многих компаний из-за отсутствия корпоративного прогресса в измерении результатов ИИ. Было замечено, что не все руководители понимают науку о данных и, следовательно, не могут интерпретировать результаты модели ИИ . Следовательно, обеспечение того, чтобы результаты были понятными, объяснимыми и которым доверяли ученые, не занимающиеся данными, может помочь лицам, принимающим решения в области ИТ, и заинтересованным сторонам понять конечные результаты ИИ. Кроме того, это помогает им применить полученные знания на практике. «Вовлечение лиц, принимающих решения, в первоначальный разговор о том,« как выглядит успех », также поможет им увидеть, что ИИ достигает желаемых результатов поставленной ими проблемы - свидетельство того, что технология выполняет свою работу и открывает двери для больше вариантов использования и возможностей внутри организации », - поделился Каплан.  
Как ИИ влияет на бизнес в разных отраслях
Сегодня использование возможностей искусственного интеллекта стало главной задачей для различных предприятий. В 2020 году внедрение ИИ распространилось по отраслям. Согласно отчету ESI ThoughtLab , наиболее высокий уровень внедрения ИИ наблюдается в автомобильной промышленности. С развитием автономных транспортных средств транспортный сектор остается лидером в получении преимуществ от внедрения ИИ.  Банки также оставались сильными с помощью ИИ, поскольку в условиях пандемии финтех -компании нового поколения развернули полностью оцифрованный опыт. Следующим в списке идет сектор здравоохранения. Поскольку COVID-19 перевернул сектор здравоохранения, мировое медицинское сообщество открыто приняло ИИ, чтобы ускорить разработку препаратов и вакцин против COVID-19. Далее следует обрабатывающая промышленность. Искусственный интеллект модернизировал производственные линии с помощью гипер-автоматизации и внес значительный вклад в улучшение контроля качества с помощью Интернета вещей, расширения и автономии в производственном секторе.  Средняя рентабельность инвестиций по отраслям Источник: ESIThoughLab
В заключении
ИИ может обеспечить впечатляющую рентабельность инвестиций, увеличить прибыль и значительно сократить расходы, если внедрить его стратегически. Чтобы гарантировать хорошую отдачу, он должен иметь надлежащую поддержку на организационном уровне, не будучи изолированным ИТ-отделом. Таким образом, с четкими сценариями использования, правильным персоналом, практическими целями и решительным руководством окупаемость инвестиций от ИИ может быть трансформирующей и быстро реализованной.