AI dla ludzi i firmy. Potencjał sztucznej inteligencji w biznesie - ebook
AI dla ludzi i firmy. Potencjał sztucznej inteligencji w biznesie - ebook
Przedsiębiorstwa z branży technologicznej ciągle mierzą się z silną konkurencją. Nietrudno zrozumieć, co stanowi o przewadze firmy niezależnie od branży czy wielkości. Wygrywanie wymaga utrzymywania przewagi konkurencyjnej, jaką jest zdolność określania, wdrażania i osiągania poziomów wydajności nieosiągalnych dla konkurencji. Najczęściej przewaga konkurencyjna ma dwa źródła. Pierwszym jest dostarczanie funkcjonalnych rozwiązań, które dają radość użytkownikom. Drugim - wykorzystywanie właściwych danych do wdrażania odpowiedniej strategii, która wciąż podlega optymalizacji. Zastosowanie w tych działaniach rozwiązań z dziedziny sztucznej inteligencji znacznie przyczynia się do sukcesu firmy.
To praktyczny przewodnik dla osób zainteresowanych wykorzystaniem AI w przedsiębiorstwie. Wyjaśniono tu dokładnie, czym jest AI i jakie kluczowe koncepcje się z nią wiążą, pokazano, w jaki sposób należy identyfikować związane z nią szanse, a także przedstawiono innowacyjny model AIPB, prezentujący całościowe podejście do prowadzenia inicjatyw AI. Opisano zasady tworzenia udanych strategii AI, które przynoszą korzyści zarówno pojedynczym osobom, jak i firmie. Istotną częścią książki są wskazówki dotyczące ryzyka, kluczowych kwestii, kompromisów i ograniczeń związanych z projektami AI. Podkreślono również znaczenie kierownictwa wykonawczego w innowacyjnych przedsięwzięciach związanych ze sztuczną inteligencją.
W tej książce:
- koncepcje sztucznej inteligencji oraz potencjał AI dla biznesu
- wprowadzenie do modelu AIPB i przykłady zastosowań
- pogłębiona dyskusja na temat celów wdrażania rozwiązań AI
- koncepcja dojrzałości wobec sztucznej inteligencji i otwieranie się na innowacje
- budowa skutecznej strategii wdrażania AI
- przyszłość AI dla przedsiębiorstw: oczekiwania i zagrożenia
AI: zmaterializuj swoje marzenia i nadzieje!
Spis treści
Przedmowa 11
CZĘŚĆ I. MODEL AI DLA LUDZI I FIRMY
1. Sukces a sztuczna inteligencja 21
- Wyścig po sukces biznesowy 21
- Dlaczego projekty AI upadają? 24
- Dlaczego projekty AI odnoszą sukces? 25
- Wykorzystanie siły AI do zwycięstwa 27
2. Wprowadzenie do modelu AIPB 29
- Ogólny model innowacji 30
- Pseudokomponent korzyści AIPB 31
- Istniejące modele i brakujące elementy układanki 33
- Korzyści z AIPB 34
- Podsumowanie 40
3. Podstawowe komponenty modelu AIPB 41
- Analogia do agile 41
- Eksperci 44
- Kategorie procesów w modelu AIPB oraz zalecane metody 48
- Kategoria oceny 49
- Kategoria metodologii 52
- Model odwróconej klasy 70
- Podsumowanie 71
4. AI i uczenie maszynowe - przegląd nietechniczny 73
- Czym jest data science i czym zajmują się specjaliści data science? 73
- Definicja uczenia maszynowego i jego charakterystyka 75
- Sposoby uczenia się maszyn 77
- Definicja i zagadnienia związane ze sztuczną inteligencją 80
- Typy sztucznej inteligencji 81
- Nauka jak u ludzi 84
- Mordercze maszyny i gwiazdy jednego przeboju 85
- Dane napędzające AI 89
- Uwaga na temat przyczyny i skutku 100
- Podsumowanie 101
5. Rzeczywiste zastosowania i szanse 103
- Szanse dla sztucznej inteligencji 103
- Jak mogę wykorzystać AI w biznesowej rzeczywistości? 104
- Realne zastosowania i przykłady 107
- Podsumowanie 128
CZĘŚĆ II. TWORZENIE WIZJI SZTUCZNEJ INTELIGENCJI
6. Waga właściwych powodów 131
- Zacznij od dlaczego 131
- Kierowanie produktem i perspektywa 133
- Przywództwo i tworzenie wspólnej wizji oraz zrozumienia 133
- Podsumowanie 135
7. Wyznaczanie celów ludziom i firmie 137
- Określenie interesariuszy i ich celów 137
- Cele w podziale na interesariuszy 140
- Podsumowanie 153
8. Co sprawia, że produkty są dobre 155
- Waga kontra satysfakcja 155
- Cztery składniki dobrego produktu 157
- Netflix i to, co liczy się najbardziej 169
- Lean i metodologie zwinne 170
- Podsumowanie 172
9. Sztuczna inteligencja w służbie lepszych wrażeń 175
- Definicja wrażeń 176
- Wpływ sztucznej inteligencji na ludzkie wrażenia 176
- Interfejsy wrażeń 186
- Ekonomia doświadczeń 187
- Myślenie projektowe 188
- Podsumowanie 191
10. Przykład wizji AI 193
- Odczuwanie i postrzeganie czasoprzestrzenne 194
- Smak kierowany sztuczną inteligencją 195
- Deklaracja wizji w modelu AIPB 197
CZĘŚĆ III. TWORZENIE STRATEGII AI
11. Innowacja naukowa a sukces z AI 201
- Sztuczna inteligencja jako nauka 202
- Model TCPR 205
- Analogia do modelu TCPR 208
- Analogia do zależności od danych 210
- Podsumowanie 210
12. Gotowość i dojrzałość do AI 213
- Gotowość na AI 214
- Dojrzałość do AI 228
- Podsumowanie 234
13. Kluczowe kwestie do rozważenia w kontekście AI 235
- Szum wokół AI kontra rzeczywistość AI 236
- Testowanie ryzykownych założeń 238
- Ocena technicznej wykonalności 240
- Zdobycie, utrzymanie i przygotowanie talentów 241
- Zbuduj kontra zrób 244
- Ograniczenie odpowiedzialności 246
- Ograniczenie stronniczości i waga integracji 251
- Zarządzanie oczekiwaniami pracowników 252
- Zarządzanie oczekiwaniami klienta 253
- Zapewnienie jakości (QA) 254
- Miary sukcesu 256
- Bycie na bieżąco 258
- AI na produkcji 259
- Podsumowanie 259
14. Przykład strategii AI 261
- Wstęp do przykładu z podcastem 261
- Powtórka z fazy strategii modelu AIPB 262
- Tworzenie strategii rozwiązania w modelu AIPB 263
- Tworzenie planu w modelu AIPB 264
CZĘŚĆ IV. UWAGI KOŃCOWE
15. Wpływ AI na rynek pracy 271
- AI, przebranżowienie i luki w umiejętnościach 271
- Luki w umiejętnościach i nowe stanowiska 273
- Umiejętności jutra 276
- Przyszłość automatyzacji, rynku pracy i gospodarki 277
- Podsumowanie 278
16. Przyszłość AI 279
- AI i przywództwo 279
- Czego oczekiwać i na co uważać 282
- Podsumowanie 294
A. Algorytmy AI i uczenia maszynowego 297
- Parametryzowane i nieparametryzowane uczenie maszynowe 298
- Jak uczy się model uczenia maszynowego 299
- Przegląd biologicznych sieci neuronowych 301
- Wprowadzenie do sztucznych sieci neuronowych 303
- Wprowadzenie do uczenia głębokiego 306
- Zastosowania uczenia głębokiego 309
- Podsumowanie 310
B. Proces AI 311
- Model GABDO 311
- Określenie celów 313
- Gromadzenie 316
- Budowanie 317
- Dostarczanie 321
- Optymalizowanie 322
- Podsumowanie 325
C. AI na produkcji 327
- Środowisko produkcyjne kontra środowisko deweloperskie 327
- Wytwarzanie lokalne i zdalne 329
- Skalowalność produkcji 330
- Uczenie i utrzymanie rozwiązania 331
Bibliografia 333
| Kategoria: | Zarządzanie i marketing |
| Zabezpieczenie: |
Watermark
|
| ISBN: | 978-83-283-6482-0 |
| Rozmiar pliku: | 7,9 MB |
