07.08.20 13:54

Новости

Автор:

Администратор

10 способов, которыми искусственный интеллект совершенствует разработку новых продуктов

 Искусственный интеллект и машинное обучение вносят весомый вклад в ускорение разработки новых продуктов – от стартапов до предприятий, стремящихся запустить новые продукты.

Искусственный интеллект и машинное обучение вносят весомый вклад в ускорение разработки новых продуктов – от стартапов до предприятий, стремящихся запустить новые продукты.


Автор: Луис Коламбус

 

• Амбициозная разработка новых продуктов на основе искусственного интеллекта для стартапов стимулирует инвестиции в ИИ: в 2019 году было привлечено $16,5 млрд благодаря 695 сделкам, согласно отчету PwC/CB Insights MoneyTree Report за первый квартал 2020 года.

 

• AI Experience – это навык, который наращивают команды разработчиков продуктов в подборе персонала, чтобы найти более 7800 открытых позиций на Monster, более 3400 на LinkedIn и более 4200 на Indeed на сегодняшний день.

 

• Каждое десятое предприятие в настоящее время использует десять или более приложений искусственного интеллекта, расширяя общий доступный рынок для новых приложений и сопутствующих продуктов, включая чат-боты, оптимизацию процессов и анализ мошенничества, по данным MMC Ventures.

 

Искусственный интеллект и машинное обучение (ML) вносят весомый вклад в ускорение разработки новых продуктов – от стартапов до предприятий, стремящихся запустить новые продукты. Сегодня в Indeed, LinkedIn и Monster вместе взятых насчитывается 15 400 вакансий для разработчиков DevOps и инженеров по разработке продуктов с искусственным интеллектом и машинным обучением. Capgemini, одна из крупнейших консалтинговых компаний в сфере менеджмента и информационных технологий, прогнозирует, что размер рынка подключенных продуктов в этом году будет колебаться от $519 млрд до $685 млрд, а модели получения доходов от услуг на базе AI и ML станут обычным явлением.

 

Стремительное развитие приложений, продуктов и услуг на базе искусственного интеллекта также приведет к консолидации рынка IoT-платформ. Поставщики IoT, сосредоточенные на бизнес-задачах на вертикальных рынках, имеют наилучшие шансы пережить грядущую встряску IoT-платформ. По мере того как искусственный интеллект и машинное обучение все больше внедряются в разработку новых продуктов, платформы Интернета вещей и более интеллектуальные экосистемы, должны теперь планировать, как они будут идти в ногу со временем. Недостаточно полагаться только на технологии, как многие платформы Интернета вещей сегодня, чтобы успевать за грядущими переменами.  

 

Ниже приведены 10 способов, которыми ИИ сегодня совершенствует разработку новых продуктов.

 

14% наиболее продвинутых предприятий, использующих искусственный интеллект и машинное обучение для разработки новых продуктов, получают более 30% своих доходов от полностью цифровых продуктов или услуг и лидируют среди своих коллег, успешно используя девять ключевых технологий и инструментов.

 

PwC обнаружила, что «цифровые чемпионы» значительно опережают в получении доходов от новых продуктов и услуг, и 29% из них получают более 30% доходов от новых продуктов в течение двух лет. Лидеры цифровизации также возлагают надежды на получение больших выгод от персонализации. 

 

61% предприятий, наиболее продвинутых в использовании искусственного интеллекта и машинного обучения («цифровые чемпионы»), используют полностью интегрированные системы управления жизненным циклом продукта (PLM) по сравнению всего с 12% организаций, не использующих ИИ и машинное обучение («цифровые новички»).

 

Команды разработчиков продуктов, наиболее продвинутые в использовании этих технологий, достигают большей экономии за счет масштаба, эффективности и увеличения скорости в основных областях развития. «Цифровые чемпионы» концентрируются на получении временных и скоростных преимуществ в области цифрового прототипирования, PLM, совместного создания новых продуктов с клиентами, управления портфелем продуктов и анализа данных, а также внедрения искусственного интеллекта.

 

ИИ активно используется при планировании, внедрении и настройке взаимосвязанных производственных линий и систем железнодорожного централизованного оборудования.

 

Стратегии разработки продуктов на заказ приводят к росту в геометрической прогрессии вариантов продуктов, услуг и сетевых опций. Для оптимизации конфигураций продукта требуется логический решатель на основе искусственного интеллекта, который может учитывать все ограничения и создавать сеть знаний для руководства веедрением. Подход Siemens к использованию искусственного интеллекта для поиска оптимальной конфигурации из 1090 возможных комбинаций позволяет понять, как искусственный интеллект может помочь в разработке новых продуктов в больших масштабах. 

 

Устранение препятствий на пути к запуску новых продуктов начинается с использования искусственного интеллекта для повышения точности прогноза спроса

 

Американская компания Honeywell, производящая электронные системы управления и автоматизации, использует искусственный интеллект для снижения энергозатрат и отрицательного отклонения цен, отслеживая и анализируя ценовую эластичность и чувствительность. Honeywell интегрирует алгоритмы искусственного интеллекта и машинного обучения в процесс закупок, стратегического поиска и управления затратами, получая солидную отдачу в процессе разработки нового продукта. 

 

Использование методов искусственного интеллекта для создания и настройки моделей предрасположенности, определяющих расширение продуктовой линейки и дополнительные продукты, которые обеспечивают наиболее прибыльные возможности повышения продаж по продуктовым линейкам и сегментам клиентов.

 

Обычно команды по разработке и управлению новых продуктов на основе данных используют модели предрасположенности для определения продуктов и услуг с наибольшей вероятностью покупки. Слишком часто модели предрасположенностей основаны на импортированных данных, встроенных в Microsoft Excel, что делает их постоянное использование трудоемким. Искусственный интеллект оптимизирует создание, настройку и увеличение доходов от стратегий дополнительных и перекрестных продаж, автоматизируя весь прогресс. 

 

Искусственный интеллект позволяет создать новое поколение фреймворков, которые сокращают время выхода продукта на рынок, одновременно повышая качество продукции и гибкость в удовлетворении уникальных требований для каждого заказа клиента.

 

Искусственный интеллект позволяет лучше синхронизировать поставщиков, разработку, DevOps, управление продуктами, маркетинг, ценообразование, продажи и обслуживание, чтобы обеспечить более высокую вероятность успеха нового продукта на рынке. Лидерами в этой области являются автономные цифровые предприятия BMC. Структура BMC Autonomous Digital Enterprise (ADE) демонстрирует потенциал для создания бизнес-моделей следующего поколения для ориентированных на рост организаций, стремящихся управлять и переосмысливать свой бизнес с помощью возможностей искусственного интеллекта и машинного обучения и создавать ценность с помощью конкурентной дифференциации, обеспечиваемой гибкостью, ориентированностью на клиента и действенными идеями.

 

Платформа ADE способна гибче и быстрее реагировать на требования клиентов, чем конкурентны, благодаря следующим пяти факторам: 

-        доказанная способность обеспечивать превосходное качество обслуживания клиентов;

-        автоматизированные взаимодействия с клиентами и операции в распределенных организациях; 

-        рассмотрение корпоративных DevOps как естественную эволюцию программных DevOps;

-        создание основы для управляемого данными бизнеса, который работает с использованием мышления данных и аналитических возможностей для обеспечения новых потоков доходов; 

-        платформа, хорошо подходящая для адаптивной кибербезопасности. 

 

В совокупности структура BMC ADE – это то, как выглядит будущее цифровых бизнес-структур, которые можно масштабировать для поддержки разработки новых продуктов на основе искусственного интеллекта. 

 

Использование искусственного интеллекта для анализа и предоставления рекомендаций, чтобы  постоянно улучшать удобство использования продукта

 

Обычно DevOps, инженеры и менеджеры продуктов проводят A/B-тесты и многомерные тесты для определения функций удобства использования и работы приложений и служб, которые предпочитают клиенты. Основываясь на личном опыте, одним из наиболее сложных аспектов внедрения нового продукта является разработка эффективного, привлекательного и интуитивно понятного пользовательского интерфейса, который превращает удобство использования в силу продукта. Когда методы искусственного интеллекта являются частью основного цикла разработки нового продукта, включая удобство использования, становится возможным предоставление клиентам приятного обслуживания. Чтобы новое приложение, сервис или устройство не стало рутиной, искусственный интеллект может предоставить информацию, чтобы сделать работу интуитивно понятной и даже увлекательной.

 

Прогнозирование спроса на новые продукты, включая причинно-следственные факторы, которые в большинстве случаев стимулируют новые продажи, - это область, в которой искусственный интеллект сегодня приносит очень хорошие результаты 

 

От прагматических подходов, когда мы опрашиваем партнеров по каналам сбыта и команды косвенных и прямых продаж, сколько нового продукта они будут продавать, до использования передовых статистических моделей, существует широкий разброс в том, как компании прогнозируют спрос на продукт следующего поколения. Искусственный интеллект и машинное обучение доказывают свою ценность в плане учета причинно-следственных факторов, влияющих на спрос, о которых раньше не было известно.

 

Проектирование автомобилей Nissan следующего поколения с использованием искусственного интеллекта упрощает внедрение новых продуктов, сокращая график разработки новых автомобилей на недели.

 

Пилотная программа Nissan по использованию искусственного интеллекта для ускорения проектирования новых автомобилей называется DriveSpark. Она был запущена в 2016 году в качестве экспериментальной программы и с тех пор доказала свою ценность для ускорения разработки новых транспортных средств при обеспечении соответствия и соблюдения нормативных требований. Они также использовали искусственный интеллект для продления жизненного цикла существующих моделей. 

 

Использование алгоритмов генеративного проектирования, основанных на методах машинного обучения, для учета проектных ограничений и обеспечения оптимального дизайна продукта.

 

Наличие логики оптимизации ограничения в системе автоматического проектирования дизайна помогает компании General Motors достигать быстрого создания прототипов. Дизайнеры дают определения функциональных требований, материалов, методов производства и других ограничений. В мае 2018 года General Motors внедрила программное обеспечение Autodesk generative design для оптимизации веса и других ключевых критериев продукта, необходимых для успешной разработки. Решение было недавно протестировано на прототипе части кронштейна ремня безопасности, в результате чего получилась цельная конструкция, которая на 40% легче и на 20% прочнее оригинальной восьмикомпонентной конструкции. 

 

Ссылка на источник