ИИ в 2021 году: как отрасли выйдут из пандемии и будут процветать

ИИ в 2021 году: как отрасли выйдут из пандемии и будут процветать

Реакция на постепенное выздоровление от COVID-19 будет в центре внимания почти каждой компании и отрасли в 2021 году. Некоторые предприятия могут застопориться или никогда не восстановиться. Другие будут рассматривать встряску как беспрецедентную возможность понять и улучшить свои данные и аналитические активы, ввести в действие и обновить процесс производства моделей и убедить клиентов в том, что их ИИ можно доверять. Все хотят улучшить свои текущие идеи бизнес-аналитики, например, банк, улучшающий обнаружение мошенничества, поставщик медицинских услуг, переходящий на телездравоохранение, розничный торговец или производитель, работающие над повышением эффективности вашей цепочки поставок. Понимание того, как различные отрасли планируют использовать ИИ для восстановления после пандемии, может помочь вашему бизнесу процветать в 2021 году.

Банковское дело (Райан Манвилл, директор по развитию искусственного интеллекта в Brutalk)

По мере того как мир начнет восстанавливаться после пандемии в 2021 году, в макроэкономике произойдут резкие изменения. Главной темой будут последствия налогово-бюджетных стимулов и их влияние на домохозяйства и более крупные компании. Банки и другие финансовые учреждения будут искать как существенные возможности, так и серьезные угрозы, и постоянное подавление процентных ставок будет серьезной проблемой, поскольку сжатые спреды будут влиять на прибыльность.

Использование устаревших моделей приведет к быстрой потере банками прибыли, доли рынка и, в некоторых случаях, репутации. Таким образом, возможность быстро обновлять модели в таких областях, как андеррайтинг, управление клиентами, мошенничество и взыскание - и это лишь некоторые из них - будет иметь первостепенное значение.

Финансовые рынки (Питер Саймон, директор, Financial Markets Data Science в Brutalk)

Для финансовых рынков 2020 год оказался неожиданно удачным, поскольку отрасль ценных бумаг, несомненно, выиграла от политических мер реагирования на пандемию. Мы вполне можем увидеть некоторое сокращение от этого в будущем году, поскольку объемы, похоже, уменьшатся; поэтому, вероятно, будет уделяться больше внимания контролю над расходами. С точки зрения ИИ это означает, что в 2021 году мы можем увидеть следующие эффекты:

  • Повышается внимание к операционной эффективности - «скучный ИИ» будет становиться все более важным как для покупателей, так и для продаж, с упором на менее «привлекательные» варианты использования с измеримой ценностью: предотвращение сбоев STP, предотвращение ложных срабатываний AML и целый ряд коммодитизированных вариантов использования в маркетинге.
  • Потребность в ловкости также возрастет, поскольку условия будут продолжать быстро меняться. Именно здесь проявляется сияние автоматизированных моделей машинного обучения: с использованием таких технологий, как Brutalk, жизненный цикл разработки и управления модели ИИ можно сократить с месяцев до дней или недель.
  • Практикам в области науки о данных необходимо будет все быстрее демонстрировать свою ценность для бизнеса, иначе они будут изо всех сил пытаться оправдать свою позицию. Эпоха искусственного интеллекта миновала, специалисты по машинному обучению стали работать в разных сферах деятельности, и акцент делается на знания предметной области, а не на исследованиях.
  • Операции машинного обучения (MLOps) станут еще более важными, поскольку все большее внимание будет уделяться эффективному мониторингу и надежному развертыванию решений ИИ. «Код аналитика данных» просто больше не поможет.
  • И, наконец, более широкое внедрение методов машинного обучения квантами может дать этому сектору некоторую передышку после трех действительно ужасных лет.

Розничная торговля (Ари Каплан, директор, AI Evangelism and Strategy в Brutalk)

Отрасль розничной торговли переживает кризис, но есть очаги силы и возможностей, и в розничной торговле по-прежнему будут происходить резкие изменения в поведении потребителей и конкурентной среде. Несколько неопределенных факторов будут по-прежнему создавать проблемы для отрасли в 2021 году: рабочие места, экономика и логистика ослабления пандемических ограничений в соответствующих регионах. Розничные торговцы будут вынуждены добавлять ИИ в свои бизнес-решения, особенно для понимания быстро меняющихся базовых данных. MLOps станет ключевым направлением ИИ в розничной торговле для реализации процесса обновления модели, обнаружения отклонений в потребительских и экономических данных и понимания важности этих изменений.

Розничная торговля является крупнейшим негосударственным работодателем в США, на него приходится одно из четырех рабочих мест и 5,9% ВВП - статистика, аналогичная отраженной во всем мире. Ритейлеры, внедряющие ИИ, будут в лучшем положении для решения проблем неопределенности спроса и стабилизации в первой половине 2021 года, получения преимущества первопроходца в долгосрочной перспективе, а затем переосмысления и реформирования своей деятельности. Искусственный интеллект будет лучше реагировать на меняющиеся потребности потребителей, поскольку магазины переходят в онлайн и становятся более утилитарными, а розничные торговцы будут лучше определять местонахождение магазинов и принимать решения о перепрофилировании, оптимизировать ценообразование и изменять прогнозирование спроса.

Здравоохранение (Джарред Бултема, специалист по данным Brutalk)

Для многих отраслей 2020 год был очень разрушительным, но, возможно, ни одна из них не испытала столь радикальных изменений, как сектор здравоохранения. Финансовые последствия этого огромны - расходы на здравоохранение в США составляют почти 20% ВВП США.

Воздействие пандемии COVID-19 по-разному проявляется для поставщиков медицинских услуг (например, больниц, аптек, учреждений квалифицированной помощи и т. Д.) И плательщиков медицинских услуг (например, страховых компаний). Поставщики медицинских услуг столкнулись с огромным нарушением своих операционных моделей, инверсией источников доходов и центров затрат, новыми типами пациентов и безудержной заболеваемостью среди поставщиков медицинских услуг. Мы также стали свидетелями расширения существующих сценариев использования операционной эффективности, прогнозирования кадрового состава и сценариев использования ИИ при сокращении персонала. Появление новых сценариев использования, связанных с COVID-19, также продемонстрировало ощутимые преимущества для исполнительного руководства.

Напротив, плательщики медицинских услуг наблюдали изменение операционных моделей и сокращение объема требований. Прямое воздействие COVID-19 привело к резкому сокращению дорогостоящих выборных процедур, новой регуляторной политике и новым потокам финансирования, связанным с пандемией, которые изменили структуру требований и выплат для медицинских страховщиков. По мере того, как отрасль начинает рассматривать риски для домов престарелых и других учреждений паллиативной помощи с новой точки зрения, переход и ускорение развития домашнего здравоохранения или телездравоохранения, вероятно, также будут еще одним косвенным воздействием COVID-19.

Руководители здравоохранения заявили нам, что ощутимые преимущества и потребности в искусственном интеллекте в здравоохранении никогда не были такими значительными. Поскольку нормы нарушаются, мы ожидаем, что независимо от того, как будет выглядеть новая норма в 2021 году и в последующий период, ИИ станет ключевой возможностью, поскольку компании в сфере здравоохранения стремятся реализовать как операционные, так и специфические для здравоохранения варианты использования ИИ.

Производство (Джон Стердивант, Директор по успеху AI в Brutalk)

В 2021 году производители по-прежнему будут реагировать на шок нового ландшафта, созданного пандемией. Ответные меры государственной и корпоративной политики по контролю за распространением вируса - в сочетании с резкими изменениями в базовом спросе - будут по-прежнему заставлять производителей создавать гибкие, устойчивые и рентабельные цепочки поставок и производственные технологии.

Машинное обучение позволит мировым производителям как прогнозировать спрос на свою продукцию, так и снижать риски цепочки поставок наверху. Поскольку полный сброс с начала 2020 года сделал старые данные менее ценными для целей прогнозирования, методы искусственного интеллекта и машинного обучения помогут построить наилучшие прогнозы спроса с этим ограниченным пулом данных. То есть модели машинного обучения смогут делать больше с меньшими затратами при прогнозировании базового спроса на промышленные товары, будь то детские игрушки или стальные слитки.

Позволяя мировым производителям лучше предвидеть и снижать риски, создаваемые геополитическими, транспортными и экономическими тенденциями, машинное обучение также сделает сложное управление цепочкой поставок более доступным для среднего рынка без необходимости платить семизначные ценники, обычно связанные с такими решения. Это будет иметь решающее значение, учитывая нестабильность в глобальных цепочках поставок, поскольку страны и компании закрывают или отклоняют операции для борьбы с коронавирусом.

Вывод

В 2021 году отрасли сталкиваются с исключительными возможностями и проблемами. Им необходимо ориентироваться в ситуации после COVID, избегать предвзятости ИИ и предоставлять клиентам надежный ИИ. Машинное обучение позволит мировым производителям как прогнозировать спрос ниже по течению, так и снижать риски цепочки поставок выше по течению, в то время как огромное нарушение операционных моделей здравоохранения будет компенсировано расширением существующих сценариев использования операционной эффективности, прогнозирования кадрового состава и случаев использования искусственного интеллекта с истощением персонала. Будь то андеррайтинг, управление клиентами или обнаружение мошенничества, модели должны быть функциональными, обеспечивать реальную рентабельность инвестиций на основе ИИ и делать больше с меньшим объемом данных. Эпоха экспериментов с ИИ закончилась. Пришло время демократизировать и развертывать надежные ИИ-решения.

Вас также может заинтересовать