A mesterségesintelligencia-technológiák elég újak és elég gyorsan fejlődnek ahhoz, hogy szinte ahány cég, annyi gyakorlat. A gépi tanulás pozitív hatásai ugyanúgy kimutathatók egyes területeken, mint ahogy az alkalmazhatósági problémák is.

2019-ben nagyon sok cég próbálkozott MI-vel, 2020-ban pedig a modellek termékké alakításával. 2021-ben folytatódnak ezek a tendenciák, és várhatóan újabb startupok hasznosítják a szakterület eredményeit.

Az utóbbi időben több felmérés vizsgálta az MI szerepét az üzleti, vállalati szektorban. Az MIT Technology Review globális régiókat, a McKinsey különböző piaci szektorokat (gyártás, marketing, ellátási lánc-menedzsment) tanulmányozva állapította meg, hogy a technológia profitot termel.

A modellek telepítéséhez és működtetéséhez eszközöket szolgáltató Algorithmia 750 cégvezetővel készült interjún alapuló friss tanulmánya szerint, ha az implementálási gondok megoldódnak, a vállalati világban „MI-robbanás” várható. Párfős cégektől multinacionális mamutokig, egyre többen használják a gépi tanulást, több szakembert alkalmaznak. A telepítés, méretezés/skálázás és más problémák viszont hátráltathatják az MI széleskörű adaptálását.

A felmérésben a pénzügyektől az egészségügyig, az oktatástól az IT-ig, változatos szektorok képviselői nyilatkoztak. Kétharmaduk növeli, és mindössze 2 százalékuk csökkenti cége MI-költségvetését. (Az ábrán látható ML a machine learning, gépi tanulás rövidítése.)

Az érintett vállalatok 40 százaléka tíznél több adattudóst alkalmaz, azaz az Algorithmia előző, 2018-as felméréséhez képest megduplázódott a számuk. 3 százalékuk pedig ezernél többel dolgozik.

Többen elmondták, hogy az MI-implementálás korai fázisában járnak, jelenleg felhasználási esettanulmányokat értékelnek ki, modelleket fejlesztenek. Maga az implementáció sokuknak okoz fejtörést. A megkérdezettek felénél nyolc nap és három hónap közötti ideig, 5 százalékuknál egy évig vagy tovább tartott egy modell munkába állítása. Minél nagyobb egy cég, annál hosszabb a folyamat, viszont minél több a szakértő, annál gyorsabbá válik.

A modellek méretezését a cégvezetők 43 százaléka tartja a legnagyobb kihívásnak. Nagyobb szervezeteknél különféle részlegeken is találunk gépitanulás-csoportokat. A szerzők szerint azonban az MI-próbálkozások innovációs csomópontban (hub) történő centralizálása a megoldás. Az Ericsson, az IBM és a Pfizer a példáik.