Artificiell intelligens driver redan mycket av tekniken som hjälper till att driva den moderna ekonomin. AI är nu en viktig del av hur vi använder internet men kan också hittas på börser, avancerade fabriker och automatiserade lager. Det börjar köra våra bilar och till och med dammsuga våra golv. Och ändå är det bara en bråkdel av företag som har stor nytta av AI som utnyttjar detta tillvägagångssätt för att hjälpa till att leverera sina produkter och tjänster.

En viktig anledning till detta är brist på högkvalitativ data. Teknikjättar som Google, Microsoft och Amazon har kunnat göra stora framsteg inom AI-utveckla programvara för att svara på våra frågor och identifiera vad som finns i våra foton-på grund av deras omfattande insamling av data. Men många etablerade industrier som kan dra nytta av AI och avancerad robotik kämpar för att samla, hantera och använda data på ett användbart sätt.

Att ha högkvalitativa och pålitliga data är nyckeln till att hjälpa företag att bättre förstå sina marknader och kunder och möjliggöra automatiserat beslutsfattande. På infrastrukturnivå, data kan vägleda planerare och utvecklare och optimera användningen och underhållet av byggnader, vägar och järnvägar. Detta kan också bidra till att minska koldioxidutsläppen genom att vår infrastruktur håller längre och fungerar mer effektivt, hjälper till att minska bortkastad energi och onödig trafik.

Grunden för AI

Data är, helt enkelt, grunden för artificiell intelligens. För att träna AI för att utföra en specifik uppgift, du behöver vanligtvis köra provdata genom sina progressiva inlärningsalgoritmer så att den kan anpassa och förbättra sin förmåga att känna igen mönster och svara därefter. Vissa AI kan sedan automatisera den repetitiva processen att upptäcka användbar information från ny data och till och med bli bättre på att upptäcka mönster än människor eller identifiera saker som vi aldrig skulle kunna. I vissa fall, ju mer data som AI behandlar, desto bättre lär det sig att fungera.

Dock, trots de potentiella fördelarna, forskning visar att i vissa sektorer har så lite som 10% av företagen låst upp denna typ av avancerade analysmetoder. Branscher som telekom, fordons- och finansiella tjänster försöker komma ikapp tekniska jättarna. Men många sektorer, inklusive sjukvård, utbildning, regering och konstruktion, är fortfarande inte nära att nå den fulla potentialen att använda data och AI.

Till exempel, att påskynda medicinsk diagnos och göra den mer exakt kan spara 400 miljarder dollar enbart i den amerikanska sjukvårdssektorn. Men de rätta reglerna och incitamenten för att uppmuntra tillräckligt många människor att dela sina medicinska data med AI -utvecklare är ännu inte på plats och därför har sektorn ännu inte insett denna potential.

Så hur kan fler företag börja samla in data som hjälper dem att få ut det mesta av AI? Det finns vanligtvis flera viktiga problem som kan hålla företagen tillbaka. Uppgifterna som behövs kanske inte finns, det kan vara otillgängligt (till exempel för att det är privat), det kan finnas på för många platser, källor eller format för att vara användbara. Det kan också vara av begränsad kvalitet eller inte samlas in för användning med AI och har därför inte rätt information.

Det kan också bli för mycket av det. Vi hör ofta om värdet av "big data", mycket stora datamängder från vilka mönster och andra användbara insikter kan dras. Men att samla in mer data leder inte alltid till bättre analysresultat och kan ibland vara onödigt komplicerat och resurskrävande.

Dessa problem kan ofta uppstå eftersom företag inte har rätt strategi eller expertis. Forskning visar att många företag fortfarande saknar dedikerade datateam för att se till att rätt data samlas in, hanteras och används sedan korrekt. Dock, mina kollegor och jag har nyligen genomfört forskning som visar att teknikföretag med färre än 50 anställda ofta använder dataanalys kraftigt. Detta tyder på att innovativa nystartade företag kan vara mer medvetna om värdet av data och tillräckligt smidiga för att använda dem effektivt jämfört med traditionella stora företag.

Om de traditionella företagen och andra organisationer som kan dra mest nytta av data och AI vill kunna konkurrera, vinst och bygg en hållbar värld, de måste börja omfamna data. AI -lösningar kan bara vara lika bra som kvaliteten på data de bygger på. Detta innebär att anställa rätt personer och införa nödvändiga policyer för att samla in rätt data, göra det tillgängligt, bedöma kvaliteten och använd den sedan för att utveckla AI -lösningar. Endast på detta sätt kommer dessa organisationer att kunna dra nytta av nästa industriella revolution.

Denna artikel publiceras från The Conversation under en Creative Commons -licens. Läs originalartikeln.