Home / AI tecnologia / Come va l’intelligenza artificiale e l’apprendimento automatico nel 2019 ?

Come va l’intelligenza artificiale e l’apprendimento automatico nel 2019 ?

Stato di intelligenza artificiale e apprendimento automatico nel 2019

Il marketing e le vendite danno priorità all’IA e all’apprendimento automatico al di sopra di qualsiasi altro dipartimento nelle aziende di oggi.
L’analisi in-memory e l’analisi in-database sono le più importanti per le finanze, il marketing e le vendite quando si tratta di ridimensionare l’intelligenza artificiale, i modelli di machine learning e gli sforzi di sviluppo.
L’adozione da parte di R & S di AI e machine learning è la più veloce di tutti i dipartimenti aziendali nel 2019.
Questi e molti altri spunti interessanti sono da Dresner Advisory Services’ 6 ° annuale 2019 Science Data e Machine Learning Study Market (accesso client reqd) pubblicato il mese scorso. Lo studio ha rilevato che le iniziative avanzate relative alla scienza dei dati e all’apprendimento automatico, tra cui data mining, algoritmi avanzati e analisi predittiva, sono classificate come ottava priorità tra le 37 tecnologie e iniziative esaminate nello studio. Si prega di consultare la pagina 12 del sondaggio per una panoramica della metodologia.

“Lo studio del mercato della scienza dei dati e dell’apprendimento automatico è una progressione della nostra analisi di questo mercato, iniziata nel 2014 come esame di analisi avanzate e predittive”, ha affermato Howard Dresner, fondatore e direttore di ricerca presso Dresner Advisory Services . “Da quel momento, abbiamo ampliato la nostra copertura per riflettere i cambiamenti nel sentimento e nell’adozione e abbiamo aggiunto nuovi criteri, tra cui una sezione riguardante le reti neurali.”

Le informazioni chiave dallo studio includono quanto segue:

Il data mining, gli algoritmi avanzati e l’analisi predittiva sono tra i progetti di massima priorità per le aziende che adottano l’intelligenza artificiale e l’apprendimento automatico nel 2019. Reporting, dashboard, integrazione dei dati e visualizzazione avanzata sono oggi le tecnologie e le iniziative principali strategiche per la Business Intelligence (BI) . La BI cognitiva (BI basata sull’intelligenza artificiale) si posiziona relativamente al 27 ° posto tra le priorità. Il seguente grafico dà la priorità alle 27 tecnologie e iniziative strategiche per la business intelligence:
uncaptioned

Il 40% dei team di marketing e vendita afferma che la scienza dei dati che comprende l’intelligenza artificiale e l’apprendimento automatico è fondamentale per il loro successo come dipartimento. Il marketing e le vendite guidano tutti i dipartimenti in quanto vedono l’intelligenza artificiale e l’apprendimento automatico perseguire e raggiungere i propri obiettivi di crescita. I segmenti di pubblico Business Intelligence Competency Center (BICC), R&S e dirigenziali sono i più interessati, e tutti e quattro i ruoli principali citati hanno punteggi comparabili “critici” e “molto importanti” superiori al 60%. Il seguente grafico confronta i livelli di importanza per dipartimento per la scienza dei dati, tra cui l’intelligenza artificiale e l’apprendimento automatico:
uncaptioned


Già combattendo l’Ebola, la RDC si confronta con uno scoppio di morbillo
L’alto livello di interesse condiviso di R&S, marketing e vendite su più aree di attività riflette gli sforzi congiunti per definire nuovi modelli di crescita dei ricavi utilizzando l’IA e l’apprendimento automatico.Gli intervistati di Marketing, Vendite, Ricerca e Sviluppo e Business Intelligence Competency Center (BICC) riportano l’interesse più significativo ad avere una gamma di modelli di regressione con cui lavorare nelle applicazioni di intelligenza artificiale e machine learning. Il marketing e le vendite sono anche più interessati alle prossime tre caratteristiche principali, tra cui il raggruppamento gerarchico, le funzioni statistiche dei libri di testo e il fatto che un motore di raccomandazione sia incluso nelle applicazioni e piattaforme che acquistano. Il team di ricerca di Dresner ritiene che l’elevato interesse condiviso in molteplici aree di attività da parte di ricerca e sviluppo, marketing e vendite sia l’indicatore principale che le aziende si stanno preparando a pilotare strategie basate sull’intelligenza artificiale e sull’apprendimento automatico per migliorare l’esperienza dei clienti e generare entrate. Il seguente grafico confronta l’interesse e la probabile adozione da parte dell’area funzionale delle imprese intervistate:
uncaptioned
STUDIO DI MERCATO DI SCIENZA DEI DATI E MACHINE LEARNING 2019 DI DRESNER ADVISORY SERVICES
Il 70% dei dipartimenti e dei team di ricerca e sviluppo hanno maggiori probabilità di adottare scienza dei dati, intelligenza artificiale e apprendimento automatico, guidando tutte le funzioni di un’azienda. Il team di ricerca di Dresner considera l’alto livello di interesse da parte dei team di ricerca e sviluppo come un indicatore principale della più ampia adozione delle imprese in futuro. Lo studio ha rilevato che il 33% di tutte le imprese intervistate ha adottato l’IA e l’apprendimento automatico, con la maggior parte delle imprese che hanno fino a 25 modelli. Il marketing e le vendite guidano tutti i dipartimenti nella loro attuale valutazione dei software di data science e machine learning.
uncaptioned
STUDIO DI MERCATO DI SCIENZA DEI DATI E MACHINE LEARNING 2019 DI DRESNER ADVISORY SERVICES
I servizi finanziari e assicurativi, la sanità e la vendita al dettaglio / all’ingrosso sostengono che la scienza dei dati, l’IA e l’apprendimento automatico sono fondamentali per il loro successo nei rispettivi settori. Il 27% dei servizi finanziari e assicurativi, il 25% della sanità e il 24% delle imprese al dettaglio / all’ingrosso afferma che la scienza dei dati, l’IA e l’apprendimento automatico sono fondamentali per il loro successo. Meno del 10% delle istituzioni educative considera l’IA e l’apprendimento automatico fondamentali per il loro successo. Il seguente grafico confronta l’importanza della scienza dei dati, dell’intelligenza artificiale e dell’apprendimento automatico da parte dell’industria:
uncaptioned
STUDIO DI MERCATO DI SCIENZA DEI DATI E MACHINE LEARNING 2019 DI DRESNER ADVISORY SERVICES
Il settore delle telecomunicazioni guida tutti gli altri nell’interesse e nell’adozione di motori di raccomandazione e governance della gestione dei modelli. Le industrie delle telecomunicazioni, dei servizi finanziari e della tecnologia hanno il più alto livello di interesse nell’adottare una serie di modelli di regressione e raggruppamento gerarchico in tutti i gruppi di intervistati intervistati. Gli intervistati della sanità hanno un interesse molto più basso per queste ultime caratteristiche, ma un grande interesse per i metodi bayesiani e le funzioni di analisi del testo. Gli intervistati al dettaglio / all’ingrosso sono spesso meno interessati alle caratteristiche analitiche. Il seguente grafico confronta le industrie in base al loro livello di interesse e alla potenziale adozione di funzionalità analitiche in applicazioni e piattaforme di data science, AI e machine learning:
uncaptioned
STUDIO DI MERCATO DI SCIENZA DEI DATI E MACHINE LEARNING 2019 DI DRESNER ADVISORY SERVICES
Il supporto per una vasta gamma di modelli di regressione, clustering gerarchico e funzioni statistiche per libri di testo di uso comune sono le principali caratteristiche di cui le aziende hanno bisogno nelle piattaforme di data science e machine learning. Il team di ricerca di Dresner ha scoperto che queste tre caratteristiche sono considerate le più importanti o “indispensabili” quando le aziende valutano applicazioni e piattaforme di data science, intelligenza artificiale e machine learning. Tutte le aziende intervistate si aspettano inoltre che qualsiasi applicazione o piattaforma di data science che stanno valutando includa un motore di raccomandazione e gestisca e gestisca i modelli. Il seguente grafico dà la priorità alle funzionalità più e meno essenziali che le aziende si aspettano di vedere nei software e nelle piattaforme di data science, AI e machine learning:
uncaptioned
STUDIO DI MERCATO DI SCIENZA DEI DATI E MACHINE LEARNING 2019 DI DRESNER ADVISORY SERVICES
Le tre principali caratteristiche di usabilità che le aziende stanno dando la priorità oggi includono il supporto per una facile iterazione dei modelli, l’accesso ad analisi avanzate e un’iniziativa, un semplice processo per la modifica continua dei modelli.Il supporto e la guida nella preparazione di modelli di dati analitici e tempi di ciclo rapidi per l’analisi con la preparazione dei dati sono tra le priorità di usabilità con la massima priorità che le aziende si aspettano di vedere nelle applicazioni e nelle piattaforme di intelligenza artificiale e machine learning. È interessante vedere l’attributo di usabilità di uno specialista non necessario per creare modelli analitici, testarli ed eseguirli nella parte inferiore delle classifiche di usabilità. Molti fornitori di software di intelligenza artificiale e di apprendimento automatico fanno affidamento sul fatto che non è necessario uno specialista per utilizzare le proprie applicazioni come elemento di differenziazione quando la maggior parte delle aziende apprezza il supporto per una facile iterazione dei modelli a un livello superiore, come mostra il grafico seguente:
uncaptioned
STUDIO DI MERCATO DI SCIENZA DEI DATI E MACHINE LEARNING 2019 DI DRESNER ADVISORY SERVICES
Il 2019 è un anno da record per l’interesse delle aziende per la scienza dei dati, l’intelligenza artificiale e le funzionalità di apprendimento automatico che percepiscono come le più necessarie per raggiungere le proprie strategie e obiettivi aziendali. La maggior parte delle aziende si aspetta che le applicazioni e le piattaforme di intelligenza artificiale e machine learning supportino una serie di modelli di regressione, seguite da raggruppamenti gerarchici e funzioni statistiche da manuale per statistiche descrittive. I motori di raccomandazione stanno crescendo in popolarità poiché l’interesse è cresciuto almeno fino a diventare la seconda caratteristica più importante per gli intervistati nel 2019. L’analisi geospaziale e i metodi bayesiani sono stati piatti o leggermente meno importanti rispetto al 2018. Il grafico seguente confronta sei anni di interesse per i dati scienze, intelligenza artificiale e tecniche di apprendimento automatico:

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi