論文の概要: Building AI Innovation Labs together with Companies
- arxiv url: http://arxiv.org/abs/2203.08465v1
- Date: Wed, 16 Mar 2022 08:45:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-17 15:25:45.052894
- Title: Building AI Innovation Labs together with Companies
- Title（参考訳）: AI Innovation Labsを企業と共同で構築
- Authors: Jens Heidrich, Andreas Jedlitschka, Adam Trendowicz, Anna Maria
Vollmer
- Abstract要約: 将来的には、ほとんどの企業が人工知能(AI)のトピックに直面することになり、その戦略を決定する必要があります。
最大の課題の1つは、明確なビジネス価値を持つ革新的なソリューションのアイデアを思いつくことです。
これは一方のビジネス能力と他方のAIとデータ分析の技術的能力を必要とする。
- 参考スコア（独自算出の注目度）: 5.316377874936118
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the future, most companies will be confronted with the topic of Artificial
Intelligence (AI) and will have to decide on their strategy in this regards.
Currently, a lot of companies are thinking about whether and how AI and the
usage of data will impact their business model and what potential use cases
could look like. One of the biggest challenges lies in coming up with
innovative solution ideas with a clear business value. This requires business
competencies on the one hand and technical competencies in AI and data
analytics on the other hand. In this article, we present the concept of AI
innovation labs and demonstrate a comprehensive framework, from coming up with
the right ideas to incrementally implementing and evaluating them regarding
their business value and their feasibility based on a company's capabilities.
The concept is the result of nine years of working on data-driven innovations
with companies from various domains. Furthermore, we share some lessons learned
from its practical applications. Even though a lot of technical publications
can be found in the literature regarding the development of AI models and many
consultancy companies provide corresponding services for building AI
innovations, we found very few publications sharing details about what an
end-to-end framework could look like.
- Abstract（参考訳）: 将来的には、ほとんどの企業は人工知能(AI)のトピックに直面することになり、この点に関して彼らの戦略を決定する必要がある。
現在、多くの企業が、aiとデータの利用がビジネスモデルにどのように影響するか、潜在的なユースケースがどのようなものになるのかを考えている。
最大の課題の1つは、明確なビジネス価値を持つ革新的なソリューションアイデアを思いつくことです。
これは一方のビジネス能力と他方のAIとデータ分析の技術的能力を必要とする。
本稿では、AIイノベーションラボの概念を提示し、適切なアイデアを思いつき、企業能力に基づいたビジネス価値とその実現可能性に関するインクリメンタルな実装と評価に至るまで、包括的なフレームワークを実証する。
このコンセプトは、さまざまなドメインの企業との9年間にわたるデータ駆動イノベーションの成果である。
さらに、実践的な応用から学んだ教訓を共有します。
AIモデルの開発に関する文献には、多くの技術出版物があり、多くのコンサルタント企業がAIイノベーションを構築するためのサービスを提供しているが、エンドツーエンドフレームワークがどのようなものかの詳細を共有する出版物はほとんどない。
関連論文リスト
- Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Comprehensive Overview of Artificial Intelligence Applications in Modern Industries [0.3374875022248866]
本稿では、医療、金融、製造業、小売の4つの主要な分野にわたるAIの適用について検討する。
我々は、倫理的考察、AI開発の将来的な軌跡、そして経済成長を促進する可能性など、AI統合がもたらす意味について論じる。
論文 参考訳（メタデータ） (2024-09-19T19:22:52Z) - Now, Later, and Lasting: Ten Priorities for AI Research, Policy, and Practice [63.20307830884542]
今後数十年は、産業革命に匹敵する人類の転換点になるかもしれない。
10年前に立ち上げられたこのプロジェクトは、複数の専門分野の専門家による永続的な研究にコミットしている。
AI技術の短期的および長期的影響の両方に対処する、アクションのための10のレコメンデーションを提供します。
論文 参考訳（メタデータ） (2024-04-06T22:18:31Z) - Domain-Specific Evaluation Strategies for AI in Journalism [3.2566808526538873]
ドメイン固有の調整の恩恵を受けることができるAI評価のさまざまな側面について検討する。
そうすることで、ジャーナリズムにおけるAI評価をガイドする潜在的なフレームワークを構築できる。
論文 参考訳（メタデータ） (2024-03-26T17:47:25Z) - Choosing the Right Path for AI Integration in Engineering Companies: A
Strategic Guide [4.327763441385369]
論文では、ビジネス理解からデプロイメント、さらなる進化に至るまで、AIソリューション構築のライフサイクル全体について取り上げている。
このフレームワークは、エンジニアリング企業がビジネス価値を生み出すための最適なAIアプローチを選択するのに役立つかもしれない。
論文 参考訳（メタデータ） (2023-12-25T11:58:37Z) - AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。
本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。
実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
論文 参考訳（メタデータ） (2023-10-03T06:55:19Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - Do We Need Explainable AI in Companies? Investigation of Challenges,
Expectations, and Chances from Employees' Perspective [0.8057006406834467]
AIの使用は、企業とその従業員に対して、AIシステムの透明性と理解性を含む、新たな要件を提供する。
説明可能なAI(XAI)の分野は、これらの問題に対処することを目指している。
本報告では,(X)AIに対する従業員のニーズと態度について考察する。
論文 参考訳（メタデータ） (2022-10-07T13:11:28Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - Enterprise AI Canvas -- Integrating Artificial Intelligence into
Business [0.0]
Enterprise AIキャンバスは、データサイエンティストとビジネスエキスパートをまとめて、関連するすべての側面を議論し、定義するように設計されている。
第1部はビジネスビューと組織的な側面にフォーカスするが、第2部は基盤となる機械学習モデルとそれが使用するデータにフォーカスする。
論文 参考訳（メタデータ） (2020-09-18T07:30:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。