ИТ-стратегии изменяются Искусственным Интеллектом

В современных сложных ИТ-средах технологии искусственного интеллекта и машинного обучения становятся необходимостью, заставляя ИТ-директоров думать о том, как использовать инновации в интересах своей бизнес-единицы и бизнеса в целом.

Машиноведение и искусственный интеллект быстрее меняют мир вокруг нас. Все ближе – машины без водителя, понимание машин смысла текста и компьютеров, избиение чемпионов на любых настольных играх. Но со всеми масштабами искусственного интеллекта корпоративные ИТ-услуги еще не изменились.

Недавно ServiceNow, поставщик услуг по управлению ИТ-услугами, провела опрос The Global CIO Point of View об использовании искусственного интеллекта в корпоративных ИТ-сервисах. В нем приняли участие более 500 ИТ-директоров компаний из 25 отраслей промышленности и 11 стран. Журнал CIO рассказывает о результатах опроса с Дейвом Райт, директором по инновациям для ServiceNow.

– Как изменилась роль ИТ-директора сегодня?

Текущая повестка дня ИТ-директора заметно отличается от той, которая была несколько лет назад. Вчера ИТ-директор отвечал за поддержание технической инфраструктуры своей компании, и теперь глава ИТ-услуг является партнером руководства компании, задачей которой является найти способы использования технологий для привлечения бизнеса к лидерам отрасли. Среди новых задач, которые возникли в этой связи, – развитие персонала, обработка бизнес-процессов и руководство цифровыми преобразованиями.

– Многие ИТ-специалисты считают, что компьютерное обучение и автоматизация основаны на искусственном интеллекте, как нечто негативное, угрожающее отнять свои рабочие места. Согласны ли вы с этим мнением и что может сделать ИТ-директор, чтобы убедить тех, кто придерживается этого?

Это, вероятно, самое большое заблуждение. Искусственный интеллект не занимает рабочих мест – он дополняет возможности ИТ-специалистов. Дело в том, что современная ИТ-среда намного сложнее, чем в прошлом, поэтому системные администраторы просто не имеют возможности управлять всеми своими элементами. Машиноведение может стать лучшим другом ИТ-администратора, вам просто нужно выяснить, как использовать его для облегчения работы. Чтобы достичь этого и заинтересовать подчиненных, лучше всего вовлечь их в процесс планирования. Таким образом, они будут иметь право голоса с точки зрения развертывания и применения новых технологий.

Для тех, кто интересуется машинным обучением, важно помнить, что люди понимают процесс намного лучше, чем машины, потому что говорят, что они съели собаку на нем. При оцифровке процессов люди должны играть доминирующую роль, и после того, как вводная работа уже может быть назначена на автоматизацию.

– В ходе опроса 89% респондентов сообщили, что их ИТ-службы уже используют машинное обучение для любых задач. Довольно много – разве вы не удивлялись?

Мы не ожидали, что их будет так много, и они были действительно удивлены. Но если вы посмотрите на данные в деталях, выясняется, что всего лишь 3% машинного обучения применяется во всей компании, а 20% используют его в определенных сферах бизнеса. Еще 26% проводят экспериментальные испытания, а подавляющее большинство – 40% – находятся на стадии исследований и планирования.

Таким образом, ситуация становится яснее: в большинстве организаций введение машинного обучения идет поэтапно, согласно схеме «первый ползание, затем ходьба, а затем бег». На первом этапе машинное обучение используется для описания чего-то – для анализа данных и их интерпретации. На следующем этапе искусственный интеллект начнет решать определенные проблемы. Прогнозируется третий этап. Например, система может прогнозировать вероятность нарушения безопасности в отношении своих данных.

Последний этап, который все еще имеет годы, заключается в том, что искусственный интеллект может не только предсказать негативные события, но и самостоятельно принимать меры по их предотвращению. На этом этапе искусственный интеллект можно итеративно улучшить.

– Судя по полученным данным, самый высокий уровень автоматизации, 24%, сегодня – в процессе обеспечения информационной безопасности. В том же районе и самый большой показатель ожидаемого роста к 2020 году: согласно прогнозу, 70% решений, связанных с кибербезопасностью, к этому времени будут взяты полностью автоматически. Вы ожидали такого результата?

Это вполне логично. Вспомним, как была предоставлена ​​автоматизация в прошлом: это было дерево решений с жестко закодированным набором правил в стиле условных переходов. Теперь, из-за увеличения уровня сложности от жесткого программирования, правила должны быть переписаны «на лету». Это особенно верно в отношении безопасности, где ставки невероятно высоки. Машины могут обрабатывать срезы данных и переписывать правила намного быстрее, чем люди. В конце концов, киберпреступники уже используют компьютерную подготовку для создания вредоносного ПО, поэтому им необходимо бороться с ними с помощью тех же инструментов.

– Впечатляющее число респондентов, 47%, признали, что одним из препятствий на пути внедрения машинного обучения является отсутствие навыков. Похоже, что это не плохая новость для инженеров, которые ищут новые возможности для карьерного роста. Какие навыки вы пропустите в большинстве случаев?

Это действительно хорошая новость, и сегодня у ИТ-специалистов нет недостатка в возможностях. Самым острым сегодня является нехватка исследователей данных (ученых-данных) и специалистов в области машинного обучения. Теперь большинство вакантных должностей – это те, которые еще не существовали пару лет назад. На мой взгляд, серьезная проблема отрасли заключается в том, что сегодня нелегко найти учебные места для новых навыков. Но в последнее время все больше университетов и учебных центров предлагают курсы, поэтому вскоре эта ситуация будет исправлена.

– Какой совет вы могли бы дать нашим читателям?

Некоторые важные соображения. Во-первых, вам нужно очистить фрагменты данных от ошибок, поскольку неточные данные приведут к неправильным выводам. Большинство компаний имеют огромный объем данных, большинство из которых можно классифицировать как «грязные», содержащие ошибочную или неточную информацию. Данные, введенные в системы машинного обучения, должны быть высшего качества, чтобы обеспечить возможность принятия наиболее правильных решений.

Во-вторых, необходимо проанализировать KPI, которые контролируются компаниями. Например, если средства прогнозирования используются для предотвращения сбоев, тогда необходимо записать среднее время безотказной работы, а не среднее время ремонта. И когда дело доходит до безопасности, вы должны учитывать количество инцидентов, которых избегали, а не время, необходимое для обнаружения взлома. Машинное обучение меняет всё.

источник: httрs://www.сomputerworld.ru/аrticles/ServicеNow-Iskusstvennyy-intellekt-menyaet-IT-strategii

Добавить комментарий