Intel, Wayfair, Red Hat et Aible obtiennent des résultats d’IA en 30 jours

Les entreprises se précipitent pour investir dans l’IA, mais moins de 20 % des investissements en IA entraînent les transformations guarantees par l’IA. Transformer VB 2022 a réuni des cooks d’entreprise d’Intel, Wayfair, Pink 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 query.

Les entreprises commencent à marcher plutôt qu’à ramper maintenant, il s’agit de savoir à quelle vitesse ils peuvent passer à la period 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 content articles pour la maison, ils ont découvert que le top secret était de se concentrer sur les programs 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, auto 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 specific 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 shoppers 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 alternative d’IA d’entreprise qui garantit un influence 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 furthermore 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 as well as que de toute autre chose, a déclaré Invoice Wright, responsable de l’IA/ML et de la périphérie intelligente, des industries et des comptes mondiaux, chez Purple Hat.

« J’ai parlé avec certains customers 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 moreover sous les couvertures.

Mais certains scientifiques des données ne réalisent pas tout le travail qui se fait dans ces environnements de output, 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 customer.

“Il s’agit toujours de parler au shopper, de comprendre sa douleur, de comprendre ce qu’il traverse”, a déclaré Wright. « Toutes les avancées techniques que j’ai connues ont été le fruit de discussions avec des shoppers. Je pense que ça a été la in addition grande leçon.

Sortir de la zone de confort AI/ML

Pour atteindre le position d’une véritable transformation numérique, il faut s’attaquer à des défis plus importants, où les risques peuvent être furthermore importants. Pour Wayfair, les problèmes les plus urgents à résoudre initialement étaient le promoting 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 shopper.

“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 consumer?” dit Tan. “C’est devenu le début de la design de notre graphique shopper. Élargir notre parcours d’IA et de ML. »

Ils ont fait la même selected 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 clientele et des initiatives de advertising and marketing avec leur graphique produit permet à l’entreprise d’offrir la meilleure expérience doable aux purchasers 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. Remark 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 furthermore 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 as well as proche de chez vous, donc il y a le moins de risques de dommages », a expliqué Tan. “C’est le position 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 aspect 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 selected de fou. Ensuite, vous pouvez le leur donner.

Si vous prenez les details 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 éliminez 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 resource, 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 essential”, 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 stage de vue matériel, mais plus critical d’un place 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.