Datas betydelse

Data är ett av de viktigaste – om inte DET viktigaste – inslagen i en AI-lösning. Du behöver tillgång till en stor datamängd för att kunna identifiera mönster som en AI kan fatta välgrundade beslut utifrån. Data kan hämtas från många håll, både inom och utanför din verksamhet, beroende på användningsfallet.

Vilka av följande påståenden om data stämmer?

Den här övningen är en del av kursen

Implementera AI-lösningar i verksamheten

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Implementera AI-lösningar i verksamheten

SkillTag.level.beginnerSkillTag.label

4.8+

Starta kursen gratis

Lär dig vad AI är, hur det har utvecklats och hur det skiljer sig från andra datarelaterade lösningar som inte bygger på AI. I det här kapitlet börjar du bygga ett ramverk för hur du implementerar AI i din verksamhet – inklusive nyckelelement i en AI-strategi, implementeringsfaser och grundläggande teknisk design. Avslutningsvis får du lära dig varför ansvarsfull AI-styrning är viktig genom hela processen.

Exercise 1: Översikt över AI Exercise 2: Vad vet du om AI?Exercise 3: Faserna i en AI-lösning Exercise 4: Överblick på hög nivå: hur fungerar AI?Exercise 5: Kan du fortfarande AI?Exercise 6: Generativ AI vs. annan AI Exercise 7: Komponenter i en AI-lösning Exercise 8: Ansvarsfull AI Exercise 9: Varför är ansvarsfull AI viktigt?Exercise 10: Vanliga principer för ansvarsfull AI Exercise 11: Riskbedömning för en ny AI-lösning

Nu vet du vad AI är och hur du tänker kring det på ett ansvarsfullt sätt. Det är dags att fördjupa förståelsen för dess fördelar, begränsningar och användningsfall i affärssammanhang. Det är precis det du gör i det här kapitlet. Du får förståelse för vilket värde AI kan tillföra en organisation, men också var det brister. Du går igenom några övergripande användningsfall inom olika avdelningar i ett företag. Avslutningsvis lär du dig principer för att välja ett lämpligt användningsfall för en AI-lösning.

Exercise 1: Fördelarna med AI för ett företag Exercise 2: AI:s värdepelare Exercise 3: Affärsvärde eller trevligt att ha?Exercise 4: Begränsningar hos AI Exercise 5: Identifiera begränsningar hos AI Exercise 6: Begränsning eller fördel?Exercise 7: Människa i loopen Exercise 8: Användningsområden för AI Exercise 9: Vanliga affärsanvändningsfall Exercise 10: AI:s fördelar i ett scenario Exercise 11: Identifiera ett användningsfall för AI Exercise 12: Principer för ett bra användningsfall Exercise 13: Klassificera användningsfall Exercise 14: Att bryta ner en uppgift

Med användningsfall i åtanke är det dags att bygga ett proof of concept! Det är ett mindre projekt som avgör genomförbarheten och ger en uppskattning av det ytterligare affärsvärde som en fullständig implementering kan ge. I det här kapitlet lär du dig faserna i ett POC, vad som gör dem framgångsrika och viktiga aspekter att ta hänsyn till gällande teknisk infrastruktur och data. Avslutningsvis går du igenom vilka roller som behövs i ditt POC-projektteam.

Exercise 1: Kom igång med ett POC Exercise 2: Faserna i ett POC Exercise 3: Vad krävs för en lyckad POC?Exercise 4: Frågor för att klargöra mål Exercise 5: Data Exercise 6: Datas betydelse

Aktuell övning

Exercise 7: Profilera och utvärdera data Exercise 8: Partiska data Exercise 9: Infrastruktur Exercise 10: Frågor om POC-infrastrukturen Exercise 11: AI-utvecklingsmiljön Exercise 12: Köpa eller bygga?Exercise 13: Att sätta ihop projektteamet Exercise 14: Typer av roller Exercise 15: Ansvarsområden

I det här sista kapitlet lär du dig de avslutande stegen i en AI-implementering – att utvärdera POC:en, skala upp lösningen och anpassa kultur och kompetens. Du får förståelse för hur en POC kan utvärderas och vilka faktorer som tyder på att det är dags att gå vidare med att skala upp lösningen. Du går igenom de viktigaste komponenterna att fokusera på inför en fullständig implementering, inklusive krav på organisationskultur och kompetensutveckling inom verksamheten.

Exercise 1: Mäta proof of concept Exercise 2: Vad gör en POC framgångsrik?Exercise 3: Klassificera mått i ett e-handelsscenario Exercise 4: Utvärdera PoC:n Exercise 5: Komponenter för uppskalning Exercise 6: Att balansera värde och genomförbarhet Exercise 7: Ta ett beslut om skalning Exercise 8: Överväganden inför fullskalig implementering Exercise 9: Fokusområden för en fullskalig implementering Exercise 10: Övervakning och modeldrift Exercise 11: DevOps, MLOps eller efterlevnad?Exercise 12: Införande och kompetensutveckling Exercise 13: Orsaker till utebliven ekonomisk nytta Exercise 14: Motstånd mot AI Exercise 15: Fördelar med förändringsledning, kultur och kompetensutveckling Exercise 16: Avslutning