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!

Rozdziały:

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