Miejska Biblioteka

AI dla ludzi i firmy : potencjał sztucznej inteligencji w biznesie

"Potencjał sztucznej inteligencji w biznesie "
Tytuł oryginału: "AI for people and business ".
"Artificial intelligence dla ludzi i firmy "

Autor: Castrounis, Alex.

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.

Zobacz pełny opis

---

1. Spis treści
2. Przedmowa 11
3. CZĘŚĆ I. MODEL AI DLA LUDZI I FIRMY
4. 1. Sukces a sztuczna inteligencja 21
5. Wyścig po sukces biznesowy 21
6. Dlaczego projekty AI upadają? 24
7. Dlaczego projekty AI odnoszą sukces? 25
8. Wykorzystanie siły AI do zwycięstwa 27
9. 2. Wprowadzenie do modelu AIPB 29
10. Ogólny model innowacji 30
11. Pseudokomponent korzyści AIPB 31
12. Istniejące modele i brakujące elementy układanki 33
13. Korzyści z AIPB 34
14. Podsumowanie 40
15. 3. Podstawowe komponenty modelu AIPB 41
16. Analogia do agile 41
17. Eksperci 44
18. Kategorie procesów w modelu AIPB oraz zalecane metody 48
19. Kategoria oceny 49
20. Kategoria metodologii 52
21. Model odwróconej klasy 70
22. Podsumowanie 71
23. 4. AI i uczenie maszynowe - przegląd nietechniczny 73
24. Czym jest data science i czym zajmują się specjaliści data science? 73
25. Definicja uczenia maszynowego i jego charakterystyka 75
26. Sposoby uczenia się maszyn 77
27. Definicja i zagadnienia związane ze sztuczną inteligencją 80
28. Typy sztucznej inteligencji 81
29. Nauka jak u ludzi 84
30. Mordercze maszyny i gwiazdy jednego przeboju 85
31. Dane napędzające AI 89
32. Uwaga na temat przyczyny i skutku 100
33. Podsumowanie 101
34. 5. Rzeczywiste zastosowania i szanse 103
35. Szanse dla sztucznej inteligencji 103
36. Jak mogę wykorzystać AI w biznesowej rzeczywistości? 104
37. Realne zastosowania i przykłady 107
38. Podsumowanie 128
39. CZĘŚĆ II. TWORZENIE WIZJI SZTUCZNEJ INTELIGENCJI
40. 6. Waga właściwych powodów 131
41. Zacznij od dlaczego 131
42. Kierowanie produktem i perspektywa 133
43. Przywództwo i tworzenie wspólnej wizji oraz zrozumienia 133
44. Podsumowanie 135
45. 7. Wyznaczanie celów ludziom i firmie 137
46. Określenie interesariuszy i ich celów 137
47. Cele w podziale na interesariuszy 140
48. Podsumowanie 153
49. 8. Co sprawia, że produkty są dobre 155
50. Waga kontra satysfakcja 155
51. Cztery składniki dobrego produktu 157
52. Netflix i to, co liczy się najbardziej 169
53. Lean i metodologie zwinne 170
54. Podsumowanie 172
55. 9. Sztuczna inteligencja w służbie lepszych wrażeń 175
56. Definicja wrażeń 176
57. Wpływ sztucznej inteligencji na ludzkie wrażenia 176
58. Interfejsy wrażeń 186
59. Ekonomia doświadczeń 187
60. Myślenie projektowe 188
61. Podsumowanie 191
62. 10. Przykład wizji AI 193
63. Odczuwanie i postrzeganie czasoprzestrzenne 194
64. Smak kierowany sztuczną inteligencją 195
65. Deklaracja wizji w modelu AIPB 197
66. CZĘŚĆ III. TWORZENIE STRATEGII AI
67. 11. Innowacja naukowa a sukces z AI 201
68. Sztuczna inteligencja jako nauka 202
69. Model TCPR 205
70. Analogia do modelu TCPR 208
71. Analogia do zależności od danych 210
72. Podsumowanie 210
73. 12. Gotowość i dojrzałość do AI 213
74. Gotowość na AI 214
75. Dojrzałość do AI 228
76. Podsumowanie 234
77. 13. Kluczowe kwestie do rozważenia w kontekście AI 235
78. Szum wokół AI kontra rzeczywistość AI 236
79. Testowanie ryzykownych założeń 238
80. Ocena technicznej wykonalności 240
81. Zdobycie, utrzymanie i przygotowanie talentów 241
82. Zbuduj kontra zrób 244
83. Ograniczenie odpowiedzialności 246
84. Ograniczenie stronniczości i waga integracji 251
85. Zarządzanie oczekiwaniami pracowników 252
86. Zarządzanie oczekiwaniami klienta 253
87. Zapewnienie jakości (QA) 254
88. Miary sukcesu 256
89. Bycie na bieżąco 258
90. AI na produkcji 259
91. Podsumowanie 259
92. 14. Przykład strategii AI 261
93. Wstęp do przykładu z podcastem 261
94. Powtórka z fazy strategii modelu AIPB 262
95. Tworzenie strategii rozwiązania w modelu AIPB 263
96. Tworzenie planu w modelu AIPB 264
97. CZĘŚĆ IV. UWAGI KOŃCOWE
98. 15. Wpływ AI na rynek pracy 271
99. AI, przebranżowienie i luki w umiejętnościach 271
100. Luki w umiejętnościach i nowe stanowiska 273
101. Umiejętności jutra 276
102. Przyszłość automatyzacji, rynku pracy i gospodarki 277
103. Podsumowanie 278
104. 16. Przyszłość AI 279
105. AI i przywództwo 279
106. Czego oczekiwać i na co uważać 282
107. Podsumowanie 294
108. A. Algorytmy AI i uczenia maszynowego 297
109. Parametryzowane i nieparametryzowane uczenie maszynowe 298
110. Jak uczy się model uczenia maszynowego 299
111. Przegląd biologicznych sieci neuronowych 301
112. Wprowadzenie do sztucznych sieci neuronowych 303
113. Wprowadzenie do uczenia głębokiego 306
114. Zastosowania uczenia głębokiego 309
115. Podsumowanie 310
116. B. Proces AI 311
117. Model GABDO 311
118. Określenie celów 313
119. Gromadzenie 316
120. Budowanie 317
121. Dostarczanie 321
122. Optymalizowanie 322
123. Podsumowanie 325
124. C. AI na produkcji 327
125. Środowisko produkcyjne kontra środowisko deweloperskie 327
126. Wytwarzanie lokalne i zdalne 329
127. Skalowalność produkcji 330
128. Uczenie i utrzymanie rozwiązania 331
129. Bibliografia 333

Zobacz spis treści