Обычно при внедрении искусственного интеллекта слишком много внимания уделяется созданию моделей и команд специалистов по анализу данных (data scientists), а не операционализации этих моделей для достижения конечного результата. О том, как найти правильный баланс, на портале InformationWeek рассказывает Вид Джайн, генеральный директор и основатель Wallaroo Labs. Предприятия вливают огромные деньги в ИИ, основываясь на его обещаниях повысить уровень автоматизации, персонализировать клиентский опыт в масштабах компании или предоставить более точные прогнозы для повышения доходов или оптимизации операционных расходов. По мере роста ожиданий от этих проектов организации нанимают все больше специалистов по анализу данных для построения ИИ-моделей. Однако до сих пор остается огромный разрыв между потенциалом ИИ и результатами: лишь около 10% инвестиций в ИИ приносят значительный эффект. Десять лет назад, когда я работал в одном из ведущих инвестиционных банков в сфере автоматизированной биржевой торговли, мы увидели, что найти закономерности в данных и построить модели (они же алгоритмы) — это самая простая часть по сравнению с операционализацией моделей. Самое сложное — быстро развернуть модели на живых рыночных данных, запустить их эффективно, чтобы затраты на вычисления не перевешивали инвестиционные выгоды, а затем измерить их производительность, чтобы можно было немедленно отключить все плохие торговые алгоритмы, постоянно итерируя и улучшая лучшие алгоритмы (генерирующие ... читать далее.
