211service.com
Omfamna den snabba AI-takten
I samarbete med KPMG
I en nyligen genomförd undersökning, 2021 Thriving in an AI World, fann KPMG att i alla branscher – från tillverkning till teknik till detaljhandel – ökar antagandet av artificiell intelligens (AI) år från år. En del av anledningen är att den digitala transformationen går snabbare, vilket hjälper företag att börja röra sig exponentiellt snabbare. Men som Cliff Justice, USA:s ledare för företagsinnovation på KPMG hävdar, har Covid-19 påskyndat det digitala tempot på många sätt, över många typer av teknologier. Rättvisa fortsätter, det är här vi börjar uppleva en så snabb takt av exponentiell förändring att det är mycket svårt för de flesta att förstå framstegen. Men de förstår det måste eftersom artificiell intelligens utvecklas i väldigt snabb takt.
Rättvisa utmanar oss att tänka på AI på ett annat sätt, mer som ett förhållande till teknik, i motsats till ett verktyg som vi programmerar, eftersom han säger att AI är något som utvecklas och lär sig och utvecklas ju mer det blir exponerat för människor. Om ditt företag är en eftersläpning när det gäller AI-adoption, har Justice en viss försiktig uppmuntran, [den] AI-centrerade världen kommer att accelerera allt det digitala har att erbjuda.
Business Lab är värd för Laurel Ruma, redaktionell chef för Insights, den anpassade publiceringsavdelningen av MIT Technology Review. Showen är en produktion av MIT Technology Review, med produktionshjälp från Collective Next.
Det här podcastavsnittet producerades i samarbete med KPMG.
Visa anteckningar och länkar
2021 Trivs i en AI-värld, KPMG
Fullständig avskrift
Laurel Ruma: Från MIT Technology Review, jag heter Laurel Ruma, och det här är Business Lab, showen som hjälper företagsledare att förstå ny teknik som kommer ut från labbet och in på marknaden.
Vårt ämne idag är graden av adoption av artificiell intelligens. Det ökar, och snabbt. En ny studie från KPMG visar att det accelererar inom specifika branscher som industriell tillverkning, finansiella tjänster och teknik. Men vad händer när du trycker på gaspedalen men inte har säkrat allt annat? Är du orolig över graden av AI-användning i ditt företag?
Två ord till dig: covid-19 whiplash.
Min gäst är Cliff Justice, som är USA:s ledare för företagsinnovation för KPMG. Han och hans grupp fokuserar på att identifiera, utveckla och distribuera nästa generations teknologier, tjänster och lösningar för KPMG och dess kunder. Cliff är en före detta entreprenör och är en erkänd auktoritet inom global sourcing, framväxande teknologi som AI, intelligent automation och företagsomvandling. Det här avsnittet av Business Lab är producerat i samarbete med KPMG. Cliff, tack för att du följde med mig på Business Lab.
Cliff Justice: Det är fantastiskt att vara här. Tack för att jag fick komma.
Laurel: Så vi är på väg att ta en titt på KPMG:s undersökningsresultat för dess 2021 Thriving in an AI World-rapport, som ser över sju branscher. Varför upprepade KPMG den undersökningen för i år? Vad hade du som mål att uppnå med den här forskningen?
Klippa: Tja, artificiell intelligens utvecklas i en väldigt snabb takt. När vi först började täcka och investera i artificiell intelligens för säkert sju år sedan, var det i en mycket begynnande form. Det fanns inte särskilt många användningsfall. Många av användningsfallen baserades på naturlig språkbehandling. För cirka 10 år sedan var det första fallet för offentlig användning av artificiell intelligens som gjorde rubrikerna när IBM Watson vann Jeopardy. Sedan dess har du sett en väldigt, väldigt snabb utveckling. Och hela detta område utvecklas i en exponentiell takt. Så var vi är idag är väldigt annorlunda än där vi var för ett eller två år sedan.
Laurel: Det verkar som igår som IBM tillkännagav Watson, och den exponentiella tillväxten av artificiell intelligens finns överallt, i våra bilar, på våra telefoner. Vi ser det definitivt på fler ställen än bara denna typ av forskningsfall av det. En av rubrikerna från forskningen är att det finns en uppfattning om att AI kan röra sig för snabbt för vissa beslutsfattare i sina respektive branscher. Hur ser för snabbt ut? Beror detta på covid-19 whiplash?
Klippa: Det beror inte nödvändigtvis på covid whiplash. Covid-miljön har accelererat den digitala takten på många sätt, över många typer av teknologier. Det är här vi börjar uppleva en så snabb takt av exponentiell förändring att det är mycket svårt för de flesta att förstå framstegen. För någon av oss, även jag själv som arbetar inom detta område, är det väldigt svårt att förstå framstegen och förändringstakten. Och att förbereda ett företag – att förbereda människorna, processen, företagssystemen, risken, cyberskydden för en värld som drivs mer och mer av artificiell intelligens – det är svårt under normala omständigheter. Men när man kombinerar den digitala accelerationen och adoptionen som sker som ett resultat av covid, tillsammans med den exponentiella utvecklingen och utvecklingen av artificiell intelligens, är det svårt att förstå de möjligheter och hot som en organisation utgör.
Även om man helt och hållet skulle kunna linda huvudet kring framstegen inom artificiell intelligens och potentialen för artificiell intelligens, förändra en organisation och förändra tankesättet och kulturen på ett sätt att ta till sig och dra nytta av de möjligheter som artificiell intelligens innebär och även skydda mot hot tar lite tid. Så det skapar en nivå av oro och försiktighet som enligt min mening är väl motiverad.
Laurel: Så, på tal om den försiktighet eller planering som krävs för att distribuera AI, i en tidigare diskussion vid MIT Technologies Review's EmTech Conference 2019, sa du att företag behövde tänka om sitt ekosystem när de distribuerar AI, vilket betyder partners, leverantörer och resten av deras företag , för att få alla att komma igång. Då nämnde du att det skulle vara den verkliga utmaningen. Är det fortfarande sant? Eller tror du nu att allt går så snabbt framåt, att det är obehaget som vissa chefer kan känna?
Klippa: Tja, det är sant. Det är fortfarande sant. Ekosystemet som fick dig till en nivå i mer av en analog-centrerad värld kommer att bli väldigt annorlunda i en mer AI-centrerad värld. Den AI-centrerade världen kommer att accelerera allt det digitala har att erbjuda. Vad jag menar med digitalt är de nya sätten att arbeta – de digitala affärsmodellerna, de nya sätten att utveckla och utveckla handel, sätten vi interagerar och utbyter idéer med kunder och med kollegor och medarbetare. Alla dessa blir mycket mer digitalt centrerade, och då blir artificiell intelligens en av de mekanismer som utvecklas och fortskrider hur vi arbetar och hur vi interagerar. Och det blir lite mer som ett förhållande till teknik, i motsats till ett verktyg som vi programmerar eftersom AI är något som utvecklas och lär sig och utvecklas ju mer det utsätts för människor.
Nu när vi har mycket mer mänskliga livsuppfattningsförmåga, tack vare utvecklingen av djupinlärning, (så med det menar jag idag mer datorseende), kan teknologin ta över mycket mer av världen än vi var tidigare. Så att förstå vilken teknik, vilken AI, alla funktioner som AI kan tillföra och förbättra och förstärka mänskliga förmågor är avgörande. Det är viktigt att återupprätta och återutveckla ekosystemet runt ditt företag och runt ditt företag. Jag tror dock att den större och mer långsiktiga frågan är kulturen, och det är kulturen i företaget som du är ansvarig för, som man är ansvarig för. Men det är också att utnyttja kulturen, den externa kulturen, adoptionen och hur du arbetar med dina kunder, dina leverantörer, leverantörer, tillsynsmyndigheter och externa intressenter. Tänkesättsutvecklingen är inte lika i alla dessa intressentgrupper. Och beroende på vilken bransch du är verksam i kan det vara väldigt ojämlikt när det gäller nivån av adoption, nivån på förståelse, förmågan och komforten att arbeta med teknik. Och när den tekniken blir mer mänsklig, och vi ser att i virtuella assistenter och med den typen av teknologier, kommer det att bli en större avgrund att korsa.
Laurel: Jag gillar verkligen den formuleringen att tänka på AI som en relation med teknik kontra ett verktyg, för det visar verkligen dina avsikter när du går in i den här nya världen, denna nya relation, och att du accepterar den ständiga förändringen. På tal om undersökningen och olika branscher såg några av industrierna en betydande ökning av AI-utbyggnaden som finans, detaljhandel och teknik. Men här var det behovet av digital transformation eller covid, eller kanske andra faktorer som verkligen drev på den ökningen?
Klippa: Tja, covid har haft en accelerationseffekt över hela linjen. Saker som var i rörelse – oavsett om dessa var införandet av digital teknik eller tillväxt eller en förändring i konsumentbeteende – alla dessa trender som fanns innan covid påskyndade dem. Och det inkluderar affärsmodeller som var på nedgång. Vi såg trenderna som hände i galleriorna. Det har bara accelererat. Vi har sett antagandet av teknik som har accelererat. Det finns branscher som covid har mindre effekt på, inte nolleffekt, utan mindre effekt. Bankverksamhet, finansiella tjänster påverkas mindre av covid än detaljhandel, gästfrihet, resor, logistik. Covid har verkligen påskyndat förändringen som sker i dessa branscher.
AI, separat från covid, har en väsentlig inverkan på alla dessa. Och som vår undersökning sa, industriell tillverkning, användningen av robotik, användningen av datorseende, artificiell intelligens för att påskynda produktiviteten och förbättrad effektivitet har verkligen börjat bli mainstream och i stor skala inom industriell tillverkning. Samma sak med finansiella tjänster, konsumentinteraktion har förbättrats med artificiell intelligens i dessa områden. Tekniken har, inte överraskande, helt anammat AI eller ganska nära fullt adopterad AI. Och sedan har vi sett en dramatisk ökning av detaljhandeln som ett resultat av AI. Så onlineshopping, möjligheten att förutsäga konsumenternas efterfrågan har varit ett starkt användningsfall för AI i dessa branscher.
Laurel: Så, dock eftersläntrade, eftersläntrade branscher var sjukvård och biovetenskap på bara, jag säger bara, en ökning med 37 % i adoption från förra årets undersökning. Det är fortfarande en stor siffra. Men tror du att det beror på att kampen mot covid var prioritet eller kanske för att de är reglerade industrier, eller att det fanns en annan anledning?
Klippa: Reglering är ett gemensamt tema för dessa eftersläpande. Du har regering, du har biovetenskap, sjukvård. Finansiella tjänster är dock reglerade också, och de är en stor användare, så det kan inte vara det enda. Jag tror att hypotesen kring covid förmodligen är mer rimlig eftersom fokus inom biovetenskap har varit att få ut vaccinet. Även om regeringen ur vår synvinkel och från vad vi ser är en massiv adopterare. Bara när det gäller potentialen inom regeringen ligger den fortfarande efter. Men de stora siffrorna och den stora mängden aktivitet som äger rum i regeringen när man jämför det med privata företag är fortfarande ganska imponerande. Det är bara det att du har att göra med en sådan storskalig förändring och mycket mer byråkrati för att göra den förändringen inom ett statligt företag.
Laurel: Säkert. Du nämnde tidigare den industriella tillverkningssektorn, och den sektorn såg att 72 % av företagsledarna påverkades av pandemin för att påskynda adoptionen av AI. Vad betyder det egentligen för konsumenterna i den branschen, såväl som för den sektorn som helhet?
Klippa: När jag tittar på dessa siffror kommer det inte att finnas en bransch som inte påverkas av AI. Branscherna som kommer att ta till sig det tidigare och snabbare eller som har en inverkan som ett resultat av pandemin, som nästan alla har drivits av distansarbete, oförmågan att få resurser till en plats, drivkraften att driva automatisering och AI är en av de grundläggande delarna av automatisering. För om man tittar på andra delar av undersökningen där vi frågar, Var finns de största fördelarna? det kommer att finnas i effektivitet och produktivitet. Det är ganska konsekvent i alla branscher när man tittar på var AI används. Så automation, produktivitet, prediktiv analys, alla dessa områden drivs av dessa teman kring produktivitet. Användningsfallen är olika beroende på bransch, men behoven är väldigt lika. De övergripande teman och de övergripande behoven är väldigt lika. Du hade några branscher som bara påverkades annorlunda av pandemin.
Laurel: Spännande nog är kanske en skillnad i industriell tillverkning, som du nämnde, robotik. Så lite av vårt hårdvaruspel kontra alltid mjukvara.
Klippa: Höger. Ja, inom industriell tillverkning ser du en ombyggnad av fabriker. Du ser vad vissa människor kallar Tesla-effekten, där det finns fokus på omvandlingen och automatiseringen av fabriker – där att bygga fabriken är nästan lika viktigt som själva produkten. Det finns mycket debatt och mycket diskussion i den sektorn kring hur mycket man ska automatisera, och finns det för mycket automatisering? Jag tror att i några av dessa offentliga evenemang där du har sett en snabb uppgång i produktionen där automatisering användes, har du också sett en del backning av det. För mycket teknik kan faktiskt ha kontraproduktiva konsekvenser och effekter eftersom det måste finnas mänskligt engagemang i beslutsfattande och tekniken är helt enkelt inte där än. Så många förändringar händer i det utrymmet. Vi ser en hel del utveckling, många nya typer av teknologier. Deep learning tillåter mer datorseende, mer intelligent automatisering att äga rum i tillverkningsprocessen inom fabrikerna.
Laurel: På tal om att hålla människor involverade i dessa val och idéer och teknologier, är stark cybersäkerhet en utmaning, verkligen, för alla, eller hur? Men skurkarna använder alltmer AI mot företag och företag, och ditt enda svar och försvar är mer AI. Ser du specifikt att cybersäkerhet är ett område som chefer över hela linjen påskyndar utgifterna för?
Klippa: Tja, du har helt rätt, cybersäkerhet är ett av de största hoten i takt med att tekniken går framåt, oavsett om det är AI-drivet av klassiska datorer eller fem eller tio år framåt när vi har kvantdatorer tillgänglig för regeringar eller företag. Säkerhetsriskerna kommer att fortsätta att accelerera. AI är verkligen ett anfall, men det är också ett försvar. Så, prediktiv analys som använder AI för att förutsäga hot, för att försvara sig mot hot som utgörs av AI, vilket ökar sofistikeringen av penetration, nätfiske och andra sätt att äventyra systemet. Dessa teknologier befinner sig liksom i en kapprustning mellan, som du sa, de goda och de onda. Det finns inget slut i sikte när vi börjar gå in i en era av verklig förändring, som kommer att underbyggas av kvantberäkningar i framtiden. Detta kommer bara att accelerera eftersom du kommer att behöva en ny typ av post-kvantkryptografi för att försvara sig mot de hot som kvantdatorer kan utgöra för en säkerhetsorganisation.
Laurel: Det är helt fantastiskt hur snabbt, eller hur? Som vi sa, exponentiell tillväxt, särskilt med kvantberäkning, kanske runt hörnet, fem, 10 år, låter ungefär rätt. Forskningen kommer dock tillbaka och säger att många tillfrågade tycker att deras företag borde ha någon form av AI-etisk policy och uppförandekod, men inte många gör det, inte många gör det. Så de som gör det är mindre företag. Tror du att det bara är en tidsfråga innan alla gör det eller så är det ett styrelsekrav ens att ha dessa AI-etiska policyer?
Klippa: Jo, vi vet att detta diskuteras på regulatorisk nivå. Det finns betydande frågor kring var regeringen bör gå in med reglerande åtgärder och var självpolisierande AI-etik... Hur riktar din marknadsföringsorganisation beteendet i sin kundbas? Och hur utnyttjar du AI för att använda de psykologiska profilerna för att möjliggöra försäljning? Det finns några etiska beslut som skulle behöva fattas kring det, till exempel. Användningen av ansiktsigenkänning i konsumentmiljöer är väl omdebatterad och diskuterad. Men användningen av AI och den etiska användningen av AI riktad mot konsumenternas psykologi, jag tror att debatten har börjat till stor del i somras med några dokumentärer som kom ut som visade hur sociala medier använder AI för att rikta in sig på konsumenter med marknadsföringsprodukter och hur det kan missbrukas och felanvändas av skurkarna.
Så, ja, det här är bara toppen av isberget. Det vi ser idag är bara de första inledande uttalandena när det kommer till hur långt vi ska gå med AI och vilka är de straff som tillämpas på dem som går längre än vi borde, och regleras dessa straff av regeringen? Är det sociala påföljder och bara exponering eller är det här saker som vi behöver lagar och regler som har några tänder för att bryta mot denna överenskomna etik, vad de än må vara?
Laurel: Det är lite av en push-me, pull-you-situation, eller hur? För tekniken går väldigt snabbt framåt, men samhälleliga eller regelverk kan släpa lite. Och samtidigt använder företag inte nödvändigtvis, kanske i vissa fall, AI lika snabbt eller har problem med att bemanna dessa AI-initiativ. Så hur försöker företag hålla jämna steg med talangförvärv, och bör företag börja titta på, eller kanske redan har, tittat på att uppgradera eller utbilda nuvarande anställda i hur man använder AI som en ny färdighet?
Klippa: Ja, det är väldigt svåra problem. Om du tittar på studien och dyker in, kommer du att se skillnaden mellan stora företag och små företag. Jag menar, förmågan att attrahera talanger som har gått igenom år och år av utbildning i avancerad analys, datorteknik, djupinlärning, maskininlärning och förståelse av komplexiteten och nyanserna i att träna vikterna och fördomarna i komplex, djupinlärning på flera nivåer. algoritmer – den talangen är inte lätt att få tag på. Det är väldigt svårt att ta en klassisk dataingenjör och omskola dem i den typen av statistisk baserad artificiell intelligens, där du verkligen måste arbeta med att träna dessa komplexa neurala nätverk för att uppnå företagets mål.
Vi ser att teknikföretagen erbjuder dessa tjänster i molnet, och det är ett sätt att få tillgång till artificiell intelligens och få tillgång till några av dessa verktyg är genom prenumerationen på API:er, applikationsprogramgränssnitt och att applicera dessa API:er på dina plattformar och teknologier. Men för att verkligen ha en konkurrensfördel måste du kunna manipulera och utveckla och kontrollera den data som går till att träna dessa algoritmer. I dagens värld är artificiell intelligens väldigt, väldigt datahungrig, och det kräver enorma mängder data för att få korrekt och högkvalitativ utdata. Dessa data tillfaller de största företagen och det återspeglas i deras värdering. Så vi ser vilka dessa företag är. Mycket av det värdet beror på den data som de har tillgång till. Och produkterna som de kan producera är baserade på mycket av den informationen. Dessa produkter drivs många gånger av artificiell intelligens.
Laurel: Så tillbaka till undersökningen, en sista datapunkt här, säger 60 % av de tillfrågade att AI är åtminstone måttligt till fullt fungerande i deras organisation. Jämfört med för 10 år sedan verkar det som riktiga framsteg för AI. Men alla är inte där än. Vilka är några steg som företag kan ta för att bli mer funktionella med AI?
Klippa: Det är här jag går tillbaka till vad jag sa förra året, vilket är att omvärdera ditt ekosystem. Vilka är dina partners? Vem tar med dessa funktioner i ditt företag? Förstå vilka alternativ du har i förhållande till teknikleverantörerna som ger dig tillgång till AI. Alla företag kommer inte bara att kunna anlita en AI-expert och ha AI. Det här är teknologier, som jag sa, de är svåra att utveckla. De är svåra att underhålla. De utvecklas i en blixtsnabb exponentiell takt. Så, samtalen som vi skulle ha haft för sex månader eller ett år sedan skulle vara annorlunda nu, bara på grund av förändringstakten som äger rum i den här miljön. Motstridigheten är låg för förändring i AI. Och så, det går snabbare än Moores lag. Det accelererar så snabbt som data tillåter det. Algoritmerna i sig har funnits i flera år. Det är förmågan att fånga och använda data som driver AI. Så, genom att samarbeta med dessa funktioner, är dessa teknikföretag som har tillgång till data som är relevanta för din bransch en avgörande faktor för att bli framgångsrik.
Laurel: När du pratar med chefer om hur man lyckas med AI, hur ger du dem råd om de ligger bakom konkurrenterna och kollegorna när det gäller att implementera AI?
Klippa: Tja, vi gör sådana här undersökningar. Vi gör benchmarks. Vi utnyttjar riktmärken som finns där ute inom andra områden och andra domäner. Vi tittar på förändringstakten och den relativa nyttan för den specifika branschen, och ännu snävare än så, funktionen eller aktiviteten inom den branschen och den verksamheten. AI har inte infiltrerat varje enskilt område ännu. Det är på väg att göra det, men det finns områden inom kundservice, GNA, backoffice-komponenterna i en organisation, tillverkning, analysen, insikterna, prognoserna, allt det där, AI har ett starkt fotfäste, så fortsätter att utveckla det. Men sedan finns det element i produktdesign, ingenjörskonst, andra aspekter av design som AI rör sig in i som det knappt finns lika villkor just nu.
Så det är ojämnt. Det är väldigt avancerat på vissa områden, det är inte lika avancerat på andra. Jag skulle också säga att den uppfattning som kommer fram i undersökningen av generalister i dessa områden kanske inte tar hänsyn till några av de mer avancerade artificiella intelligenskapaciteterna som kan vara sex månader, ett år eller två år på vägen. Men dessa förmågor utvecklas mycket snabbt och kommer att flytta in i dessa branscher snabbt. Jag skulle också titta på start-ekosystemet också. Startuperna utvecklas snabbt. De tekniker som en startup använder och introducerar i nya branscher för att störa dessa branscher övervägs inte nödvändigtvis av de mer etablerade företagen som har befintliga verksamhetsmodeller och befintliga affärsmodeller. Så, en startup kan använda AI och data för att totalt förändra hur en industri konsumerar en produkt eller en tjänst.
Laurel: Det är ett bra råd som alltid. Cliff, tack så mycket för att du var med oss idag i det som har varit ett fantastiskt samtal på Business Lab.
Klippa: Mitt nöje. Det är bra att prata med dig.
Laurel: Det var Cliff Justice, USA:s ledare för företagsinnovation för KPMG, som jag pratade med från Cambridge, Massachusetts, hemmet för MIT och MIT Technology Review, med utsikt över Charles River.
Det var allt för det här avsnittet av Business Lab. Jag är din värd, Laurel Ruma. Jag är chef för Insights, avdelningen för anpassad publicering av MIT Technology Review. Vi grundades 1899 vid Massachusetts Institute of Technology. Och du kan hitta oss i tryckt form, på webben och evenemang varje år runt om i världen. För mer information om oss och showen, kolla in vår hemsida på technologyreview.com.
Den här showen är tillgänglig var du än får dina poddar.
Om du gillar det här avsnittet hoppas vi att du tar dig tid att betygsätta och recensera oss. Business Lab är en produktion av MIT Technology Review. Det här avsnittet producerades av Collective Next. Tack för att du lyssna.
Det här podcastavsnittet producerades av Insights, den anpassade innehållsdelen av MIT Technology Review. Den producerades inte av MIT Technology Reviews redaktion.