پلتفرم های بدون کد چگونه میتوانند هوش مصنوعی را به مشاغل کوچک و متوسط بیاورند؟
10 بازدید
پلتفرم های بدون کد چگونه میتوانند هوش مصنوعی را به مشاغل کوچک و متوسط بیاورند؟
چکیده:همانطور که آیکون های قابل کلیک ویندوز جایگزین دستورات مبهم DOS شدند، پلتفرم های جدید بدون کد در حال جایگزینی زبان های برنامه نویسی با رابط های ساده کشیدن و رها کردن هستند. این بدان معناست که فناوریای که قبلاً برای شرکتهای کوچکتر بسیار پرهزینه و پرهزینه بود، اکنون به طور فزایندهای در دسترس است – فقط مسئله یافتن پروژه مناسب است. شرکت ها باید به دنبال سه چیز در یک پلتفرم بدون کد باشند: به یک رابط ساده نیاز دارد که دریافت داده ها را در فرآیند آموزش مدل آسان کند. باید انتخاب و آموزش مدل را خودکار کند، وظایفی که معمولاً توسط دانشمندان داده انجام می شود. و باید ساده و آسان برای استقرار با فرآیندهای موجود باشد. پیدا کردن مورد مناسب برای یک شرکت خاص ممکن است نیاز به آزمون و خطا داشته باشد. خبر خوب این است که بهترین پلتفرمها باز هستند، به این معنی که کاربران میتوانند پلتفرمها را برای تست درایوهای مربوط به وظایف مربوطه ببرند و عملکرد آنها را ببینند.
فناوری اغلب از یک پیشرفت آشنا پیروی می کند. ابتدا توسط هسته کوچکی از دانشمندان از آن استفاده میشود، سپس پایگاه کاربر به مهندسانی گسترش مییابد که میتوانند نکات ظریف و اصطلاحات فنی را دنبال کنند تا در نهایت به اندازه کافی کاربرپسند شود که تقریباً همه بتوانند از آن استفاده کنند.
در حال حاضر، فرآیند ساخت نرم افزار در حال انجام آن جهش نهایی است. درست همانطور که نمادهای قابل کلیک Windows و Mac OS جایگزین دستورات مبهم DOS شدند، پلتفرمهای جدید «بدون کد» در حال جایگزینی زبانهای برنامهنویسی با رابطهای ساده کشیدن و رها کردن هستند. پیامدها بسیار زیاد است: جایی که قبلاً نیاز به تیمی از مهندسان برای ساختن یک نرمافزار بود، اکنون کاربرانی که یک مرورگر وب و یک ایده دارند این قدرت را دارند که خودشان آن ایده را زنده کنند. این بدان معناست که فناوری قدرتمندی که تنها کسبوکارهای بزرگ و با منابع خوب قادر به پرداخت آن بودهاند، ناگهان حتی در دسترس شرکتهای کوچک قرار میگیرد.
شاید مهمتر از همه، این است که امکان استقرار هوش مصنوعی – یکی از متحولکنندهترین فناوریهای یک نسل – بدون استخدام ارتشی از توسعهدهندگان گران قیمت و دانشمندان داده را فراهم میکند. این بدان معناست که کسبوکارهای کوچکتر که اغلب دارای حجم عظیمی از دادهها هستند، میتوانند از مزایای هوش مصنوعی مانند ایجاد انواع جدیدی از تجربیات مشتری (مانند تسلای خودران)، رشد شرکتهای برتر (مانند هزینههای تبلیغاتی مبتنی بر هوش مصنوعی P&G) استفاده کنند. و بهینه سازی عملیات برای حداکثر کارایی (مانند زنجیره تامین Walmart).
برای کسب و کارهای کوچکتر، دانستن اینکه کجا و چگونه می توان این فناوری را به کار برد، می تواند دلهره آور باشد. مانند شرکتهای بزرگتر، که ممکن است قبلاً فرآیند فهمیدن اینکه علم داده چگونه میتواند برای آنها کار کند را طی کردهاند، منطقی است که با استقرار هوش مصنوعی بدون کد در کارهای کوچک در مقابل پروژههای بزرگ اقیانوسی شروع کنیم. در حالت ایده آل، شما می خواهید:
- با داده هایی که از قبل دارید کار کنید. اغلب ارزشی برای ثبت در آنجا بیشتر از آنچه در ابتدا فکر می کنید وجود دارد.
- وظایف با ارزشی را انتخاب کنید که در آن کارآمدی بیشتر باعث رشد می شود.
- برندههای سریع در مناطق مشترک، بهینهسازی قیف فروش یا کاهش ریزش به دست آورید، بنابراین تیم شما میتواند یاد بگیرد که چگونه هوش مصنوعی در طیف گستردهای از موارد استفاده میشود.
- اگر نمی توانید از هر پروژه هوش مصنوعی به ROI 10 برابری دست یابید، از حرکت سریع نترسید. برنامه های کاربردی با بازده زیادی برای به دست آوردن ارزش وجود دارد.
مثالی مانند امتیازدهی هوشمند سرب را در نظر بگیرید. تیمهای فروش سرنخها را از انواع مکانها جمعآوری میکنند – خراش دادن وب، تماس سرد، فرمهای آنلاین، کارتهای ویزیت در یک کاسه در یک نمایشگاه تجاری. اما زمانی که یک تیم هزاران سرنخ دارد، مشکل این است که کدام یک را تعقیب کنیم. برای مثال، با مشخص کردن الگوهایی در رفتار کاربر، جمعیتشناسی و فیرموگرافیک، یک مدل طبقهبندی ساده بدون کد میتواند سرنخها را بر اساس احتمال تبدیل شدن به فروش رتبهبندی کند – وظیفهای که بسیاری از شرکتهای بزرگ از هوش مصنوعی استفاده میکنند.
با استفاده از یک پلتفرم هوش مصنوعی بدون کد، کاربر میتواند صفحهگستردهای از دادههای مربوط به مشتریان بالقوه فروش را به رابط بکشد و رها کند، چند انتخاب را از یک منوی کشویی انجام دهد، روی چند دکمه کلیک کند و پلتفرمها یک مدل بسازند و صفحهگستردهای را با سرنخها طبقهبندی شده، از داغترین تا سردترین، برگردانید، که به فروشندگان این امکان را میدهد تا با تمرکز بر مشتریان بالقوهای که احتمال خرید دارند، درآمد را به حداکثر برسانند.
پتانسیل هوش مصنوعی در همه جای شرکت وجود دارد، و مزیت پلتفرمهای بدون کد این است که به هیچ مورد استفاده خاصی محدود نمیشوند. این ابزارها را می توان برای شناسایی الگوهای نگهداری ماشین و پیش بینی اینکه کدام ماشین ها قبل از شکست نیاز به توجه دارند، توسط تیم های بازاریابی برای تشخیص نارضایتی و کاهش ریزش، یا توسط تیم های عملیاتی برای کاهش فرسایش کارکنان استفاده می شود. آنها می توانند الگوها را در متن، نه فقط اعداد، تشخیص دهند و برای تجزیه و تحلیل یادداشت ها و رونوشت های فروش در کنار تاریخچه فروش و داده های بازاریابی مورد استفاده قرار گیرند و به شرکت ها اجازه می دهند فرآیندهای پیچیده را خودکار کنند.
برای بسیاری از شرکتها، کار با پلتفرمهای بدون کد صرفاً به یافتن پروژه مناسب و پلتفرم مناسب منجر میشود.
از کجا با No-Code شروع کنیم
اول، به یک رابط ساده نیاز دارد که دریافت داده ها را در فرآیند آموزش مدل آسان می کند. این به معنای ادغام با سیستمهای تجاری محبوب امروزی، مانند سیستمهای مدیریت ارتباط با مشتری مانند Salesforce، و نرمافزار صفحهگسترده، مانند Excel است. اگر دادههای مربوطه در چندین مکان زندگی میکنند، پلتفرم باید بتواند آنها را ادغام کند.
هنگامی که داده ها آپلود می شوند، پلت فرم باید بتواند به طور خودکار داده ها را برای فرآیند آموزش مدل طبقه بندی کرده و به درستی رمزگذاری کند – همه با حداقل ورودی از کاربر. برای مثال، پلتفرم ممکن است ستونها را در دادهها به عنوان دستهها، تاریخها یا اعداد شناسایی کند و کاربر باید بررسی کند که ستونها به درستی برچسبگذاری شدهاند.
دوم، پلتفرم باید انتخاب و آموزش مدل را خودکار کند – وظایفی که معمولاً توسط دانشمندان داده انجام می شود. بسیاری از رویکردهای یادگیری ماشینی وجود دارد و هر کدام در نوع خاصی از مشکل بهترین عملکرد را دارند. پلتفرم باید مکانیزم جستجو برای یافتن بهترین مدل بر اساس داده ها و پیش بینی مورد نیاز داشته باشد. کاربر نباید راه خود را در مورد رگرسیون یا الگوریتمهای k نزدیکترین همسایه بداند. پلتفرم باید فقط آنچه را که بهترین کار می کند ارائه دهد.
در نهایت، باید ساده و آسان برای استقرار با فرآیندهای موجود باشد. یک پلت فرم باید بتواند عملکرد مدل را در طول زمان نظارت کند و با تغییر محیط کسب و کار و در دسترس قرار گرفتن داده های جدید، مجدداً آموزش ببیند.
نحوه انتخاب پلتفرم بدون کد مناسب
پیدا کردن مورد مناسب برای یک شرکت خاص ممکن است نیاز به آزمون و خطا داشته باشد. خبر خوب این است که بهترین پلتفرم ها باز هستند، به این معنی که هر کسی می تواند آنها را امتحان کند تا ببیند چگونه کار می کنند. به عبارت دیگر، کاربران میتوانند پلتفرم ها را برای تست درایوهای مربوط به وظایف مربوطه ببرند و عملکرد آنها را ببینند.
برای مثال، کاربران میتوانند دقت پلتفرم های مختلف را براساس عملکرد نسبی آنها در مجموعه دادههای عمومی، مانند مجموعه داده تأیید اعتبار استرالیا که هدف آن طبقهبندی واجد شرایط بودن کارت اعتباری است، مقایسه کنند. با کمترین تلاش، کاربران میتوانند ببینند که هر پلتفرم هوش مصنوعی بدون کد چند وقت یکبار درست است که نتیجهای را در مجموعه اعتبارسنجی پیشبینی میکند – انتخاب تصادفی دادههای آموزشی، معمولاً 20٪ که به عقب نگه داشته میشوند و در مقابل مدل اجرا میشوند تا عملکرد را اندازهگیری کنند. .
اما دقت گاهی اوقات می تواند گمراه کننده باشد. همچنین مهم است که تعداد مثبت کاذب و منفی کاذب را در نتایج پیشبینی در نظر بگیرید. این امر به ویژه برای مجموعه داده های “نامتوازن” مهم است، جایی که فقط تعداد کمی از موارد، مانند کلاهبرداری کارت اعتباری یا سرطان، باید در مقادیر زیادی از داده ها شناسایی شوند.
برای مثال، اگر مدلی برای پیشبینی کلاهبرداری از کارت اعتباری هر بار بگوید «بدون تقلب»، دقت بسیار بالایی دارد، اما بیفایده خواهد بود. یک پلتفرم بدون کد خوب امتیازهای مثبت کاذب و منفی کاذب را کسب می کند.
کاربران همچنین باید زمان استفاده از این پلتفرم های بدون کد را در نظر بگیرند. یکی از معیارهای کلیدی، مدت زمانی است که پلتفرم ها برای آموزش مدل های خود صرف می کنند. این می تواند از چند دقیقه تا ساعت متفاوت باشد، و اگر ساعت ها طول بکشد، به راحتی در روز یک فرد پرمشغله جا نمی شود.
آموزش تنها در نظر گرفتن زمان نیست. برای اینکه این پلتفرم ها واقعاً در یک سازمان متحول شوند، استفاده از آنها باید آنقدر ساده باشد که افراد غیر فنی آنها را در جریان کاری خود بکار گیرند. فرآیندهای ورود به سیستم عامل های مختلف را بررسی کنید. اگر از بخش IT کمک یا حتی تلاش قابل توجهی نیاز باشد، احتمالاً افراد در فروش یا حسابداری مزاحم نمی شوند.
برای اینکه شرکتهای بیشتری از قدرت هوش مصنوعی در برنامههای کاربردی بیشتری در سراسر تجارت خود استفاده کنند، پاسخ نمیتواند «ایجاد و استخدام دانشمندان دادهای بیشتر» باشد. تقریباً یک چهارم 1٪ از مردم جهان نحوه کدنویسی را می دانند. با این حال، همانطور که یک دهه پیش، مارک آندرسن، سرمایهگذار فناوری، نوشت، نرمافزار جهان را میخورد. شکی نیست که بدون کد آینده است.
روزی هر بخش از هر کسب و کار هوش مصنوعی بهینه می شود. داده ها امروز وجود دارد. سرعت پیشرفت و بلوغ پلتفرم هایی که به افراد بیشتری اجازه میدهد این دادهها را به ماشینهای پیشبینی و بهینهسازی مبتنی بر هوش مصنوعی تبدیل کنند، تعیینکننده سرعت وقوع آن است.
حذف اصطکاک از پذیرش به آزادسازی قدرت هوش مصنوعی در تمام صنایع کمک می کند و به افراد غیرمتخصص اجازه می دهد تا به معنای واقعی کلمه آینده را پیش بینی کنند. با گذشت زمان، پلتفرم های هوش مصنوعی بدون کد به اندازه نرمافزارهای واژهپرداز یا صفحهگسترده امروزی در همه جا حاضر خواهند شد.
هیچ دیدگاهی نوشته نشده است.