Eingebettete KI: Trends für eingebettete Systeme im Jahr 2019

Mit dem starken Fokus auf die digitale Transformation suchen Softwarekäufer aktiv nach Produkten, die aus verschiedenen Gründen künstliche Intelligenz in den Anwendungen eingebettet haben.

Diejenigen Käufer, die die Realitäten der schnellen Modernisierung von Geschäftstechnologien verstehen, wissen, dass diese eingebettete KI dazu beitragen wird, Geschäftsprozesse und -aufgaben zu automatisieren, den Nutzern und Unternehmen umsetzbare Erkenntnisse durch fortschrittliche Analysen zu liefern, die Entscheidungsfindung zu unterstützen und das gesamte Kundenerlebnis zu verbessern.

Unweigerlich werden Käufer nicht mehr nach Produkten mit KI suchen müssen, die KI wird einfach da sein, und das wird der Fokus für Softwareunternehmen im Jahr 2019 sein.

Eingebettete KI-Systeme, die Unternehmen verändern

Ich bin sicher, dass Produktvermarkter die Vorstellung verbreiten werden, dass ihre Software über leistungsstarke KI-Fähigkeiten verfügt, aber dies könnte das einzige Mal sein, dass Sie davon hören. Die meisten KI-Anwendungen innerhalb der Software werden von den alltäglichen Nutzern der Tools unbemerkt bleiben, und das ist der Punkt.

Sie wird einfach alltägliche Aufgaben ergänzen oder den Nutzern Zugang zu Funktionen geben, die sie vorher nicht hatten, was letztendlich ihre Arbeit erleichtert. Diese Ergänzungen werden sowohl vorausschauend als auch reaktionär sein, aber beide werden einen großen Wert bieten.

Aufgrund der unmerklichen Funktionalität der eingebetteten KI müssen Softwareunternehmen in ihren Verkaufs- und Kundenerfolgsansätzen noch serviceorientierter werden.

Sie müssen die Bedürfnisse des Unternehmens verstehen und wie der Einsatz von KI in ihren Anwendungen dazu beitragen kann, das Unternehmen, an das sie verkaufen, digital zu transformieren. Beratungsunternehmen und Value-Added Reseller werden in diesem Bereich ebenfalls eine große Chance haben, insbesondere wenn sie den Einfluss der eingebetteten KI auf Unternehmen prägnant nachweisen können.

Die Entwicklung von eingebetteter KI wird mit den Fortschritten von Enterprise-AI-Microservices zunehmend einfacher. Softwareunternehmen müssen nicht mehr die wenigen Softwareingenieure suchen, die die Fähigkeiten haben, fortschrittliche maschinelle Lernmodelle zu erstellen; stattdessen können sie maschinelle Lernangebote von Anbietern wie AWS, Azure Machine Learning und Google Compute Engine nutzen, unter anderen. Dies wird ihnen Zeit, Mühe und viel Geld bei den jährlichen Gehältern sparen.

Darüber hinaus wird das Internet der Dinge (IoT) von der Nutzung eingebetteter Intelligenz profitieren. Durch die Schaffung intelligenter Dinge können Unternehmen in Bereichen wie Fertigung, Lieferkette und Außendienstmanagement vorausschauend und proaktiv agieren, um nur einige zu nennen. Die Menge an Sensordaten und die Nutzung von IoT-Analysen werden nur dazu beitragen, das maschinelle Lernen zu fördern und die Intelligenz physischer Dinge zu erhöhen. Während solche Durchbrüche möglicherweise noch einige Jahre von der Massenanwendung entfernt sind, werden sie bereits von Unternehmen wie GE genutzt.

Der Weg der KI ähnelt dem von mobilen Geräten oder Cloud-Computing. Vor einem Jahrzehnt (oder weniger) gab es einen großen Vorstoß, sich diesen Trends anzunähern, und jetzt bemerken wir sie kaum noch. Wir erwarten einfach, dass es eine mobile Anwendung für unsere Geschäftstools gibt und dass unsere Produkte in der Cloud betrieben werden. Eingebettete KI wird sich im kommenden Jahr diesem Grad an Normalität annähern.

Die Auswirkungen von eingebetteter KI auf die Modernisierung von Unternehmen

Die geschäftlichen Auswirkungen der digitalen Transformation sind weitreichend, aber Käufer sollten darauf achten, dass eingebettete KI den größten Einfluss in den folgenden Bereichen hat:

1. Die Automatisierung von Geschäftsprozessen und -aufgaben

Wenn Käufer nach Software suchen, die KI enthält, sollten sie darauf achten, wie die Lösung alltägliche Aufgaben für Mitarbeiter automatisiert. Eingebettete KI sollte den Mitarbeitern Zeit und Energie sparen, damit sie diese auf wichtigere Arbeiten umverteilen können.

CRM-Software hat in diesem Bereich von der Automatisierung von Prozessen mit KI profitiert. Lösungen in diesem Bereich beginnen, die Arbeit für Vertriebsmitarbeiter zu erleichtern, indem sie intelligente Lead-Bewertungen und optimierte E-Mail-Inhalte bereitstellen, sodass der Vertreter schnell entscheiden kann, welche Konten priorisiert werden sollen und wie er deren Aufmerksamkeit erregen kann.

Diese Tools können sogar die optimale Tageszeit zum Versenden von E-Mails basierend auf Öffnungs- und Klickraten empfehlen und den Vertreter über die richtige Nachfassmethode informieren. Jede dieser Aufgaben wird automatisiert, sodass der Vertreter mehr Meetings führen und letztendlich dazu beitragen kann, den Umsatz zu steigern.

2. Umsetzbare Erkenntnisse durch fortschrittliche und vorausschauende Analysen

Der Big-Data-Boom ist der eigentliche Katalysator für alle KI-Fortschritte, aber wenn maschinelles Lernen die Daten konsumiert und daraus lernt, kann es den Nutzern verdauliche Erkenntnisse liefern. Dies hilft, den Bedarf an hochqualifizierten Datenwissenschaftlern und Analysten zu verringern.

Fortschrittliche und vorausschauende Analysen können für diejenigen in traditionell analysenfreien Abteilungen wie Personalwesen nützlich sein. HR-Koordinatoren können datengetriebene Leistungsbewertungen nutzen oder Mitarbeiterengagement basierend auf internen Umfragen verfolgen, um vorausschauend Fluktuation zu bestimmen.

Dies würde einem Unternehmen helfen, seinen Einstellungsbedarf zu planen, bevor Mitarbeiter tatsächlich gehen, um sicherzustellen, dass die Nachbesetzung schnell und effizient erfolgt, proaktiv versuchen, Mitarbeiter zu halten, und Leistungslücken zu vermeiden.

3. Intelligente Entscheidungsfindung

Unternehmen werden in der Lage sein, Empfehlungen von eingebetteter KI zu nutzen, um fundiertere Entscheidungen zu treffen. Ein Großteil der Vermutungen kann mit vorausschauenden maschinellen Lernfunktionen beseitigt werden, sodass Entscheidungsträger wissen, dass sie die optimalsten Schritte unternehmen, um ihr Geschäft zu wachsen.

Ein großartiges Beispiel dafür ist im Bereich der ERP-Systeme, wo eingebettete KI bei traditionell manuellen Prozessen wie Budgetierung und Prognosen, Bestandsverwaltung und Preisgestaltung helfen kann.

Mit maschinellem Lernen werden ERP-Systeme in der Lage sein, genauere Budgetierungs- und Prognosezahlen zu ermitteln, damit Unternehmen Dinge wie Produktionszahlen oder wie viel Inventar optimal zu einem bestimmten Zeitpunkt aufbewahrt werden sollte, bestimmen können.

Eingebettete KI wird auch in der Lage sein, optimierte Preiszahlen basierend auf Marktdaten und Bestandszahlen zu unterstützen. Dies ist nur ein kleines Beispiel dafür, wie eingebettete KI bei der Entscheidungsfindung helfen wird, aber die Auswirkungen werden in jeder Abteilung spürbar sein.

4. Optimierung des Kundenerlebnisses

Der Erfolg von Kunden in B2B- und B2C-Unternehmen ist in der heutigen Geschäftswelt so entscheidend, dass es scheinbar unverantwortlich wäre, wenn eingebettete KI es nicht in irgendeiner Weise verbessern könnte.

Chatbots haben sich bereits in Kundenserviceplattformen integriert und sind fast immer die erste Verteidigungslinie für B2C-Unternehmen, aber B2B-Unternehmen finden Wege, intelligente Wissensdatenbanken als Methode für ein optimiertes Kundenerlebnis zu nutzen.

Indem sie Natural Language Processing (NLP) nutzen, müssen Unternehmen nicht immer einen bezahlten Mitarbeiter in Bereitschaft haben, um mit einem Kunden zu sprechen; stattdessen können sie diese Aufgaben mit einem Bot ergänzen.

Eingebettete KI-Trends und Vorhersagen

Einige Trends bei eingebetteten Systemen, die Unternehmen beeinflussen, sind:

1. Vorausschauende vs. reaktionäre KI

Etwas Wichtiges zu erkennen ist, dass jeder dieser durch digitale Transformation optimierten und gestrafften Geschäftsprozesse entweder einen vorausschauenden oder reaktionären Ansatz für eingebettete KI verfolgt. Während vorausschauend für ein Unternehmen vorteilhafter ist, ist es nahezu unmöglich, immer einen Schritt voraus zu sein. Die besten Beispiele dafür könnten die Nutzung von eingebetteter KI in der Cybersicherheit und intelligenten Sicherheitssystemen sein.

Unternehmen hoffen, so vorausschauend wie möglich zu sein, wenn es darum geht, ihre Geräte und Daten vor Malware und Cyberangriffen zu schützen. Die Hoffnung ist, dass KI Cyberbedrohungen vorhersagen kann, bevor sie einem Unternehmen Schaden zufügen; jedoch gibt es so viele neue Formen von bösartigen Cyberangriffen, dass es unmöglich ist, sie alle vorherzusagen. Daher müssen Sicherheitsanwendungen auch reaktionär sein.

Wenn ein Stück Malware durch eine Bedrohungsintelligenzlösung gelangt, muss die eingebettete KI in der Lage sein, sofort die geeigneten Schritte zu unternehmen, um Schäden oder potenziellen Datenverlust zu mindern. Es wäre eine ideale Welt, wenn wir die Lösungen für all unsere Geschäftsprobleme hätten, bevor wir wussten, was sie waren, aber das ist einfach keine realistische Erwartung, daher ist reaktionäre KI immer noch notwendig.

Bereiche wie ERP, in denen die eingebettete KI Einblicke basierend auf historischen Daten bietet, bieten einen vorausschauenden Service basierend auf der Reaktion früherer Leistungen, ungenauen menschlichen Projektionen und unbekannten oder externen Katalysatoren. Dasselbe gilt für die von KI bereitgestellten People Analytics in HR-Lösungen sowie für eine Vielzahl anderer Geschäftsanwendungen.

2. Softwareanbieter müssen sich anpassen oder Dritte werden dominieren

Es wird bereits zur Standardpraxis, einen serviceorientierten Ansatz beim Verkauf zu verfolgen, aber mit eingebetteter KI, die zur Grundlage von Produkten wird, müssen Anbieter ihre Interessenten wirklich verstehen, um zu liefern. Es wird ein größerer Schwerpunkt darauf gelegt werden müssen, wie die Lösung die Daten eines Unternehmens nutzen kann und wie diese Daten genutzt werden können, um die KI-basierte Software zu fördern und zu stärken.

Oft wird dies bedeuten, herauszufinden, wie die Lösung die unstrukturierten und ungeklärten Daten eines Unternehmens konsumieren kann, was eine große Herausforderung für Softwareanbieter sein wird. Verkaufsteams müssen in der Lage sein, die Möglichkeiten ihres Tools zu definieren und nicht zu viel zu versprechen, da das Nichterfüllen von Erwartungen kostspieliger sein kann als ein verlorener Verkauf.

Wahrheitsgemäß ist es einfach herausfordernd für Vertriebsmitarbeiter, mit jedem ihrer Konten Schritt zu halten und intensive Sorgfalt walten zu lassen, daher wird es eine große Chance für Beratungsfirmen, Anbieterpartner und Value-Added Reseller geben, vom Verkauf von Lösungen mit KI zu profitieren. Diese Unternehmen haben möglicherweise mehr Möglichkeiten, zu lernen, was ein Unternehmen braucht, bevor der Verkaufsprozess beginnt, sodass sie eher in der Lage sind, ihnen das genaue KI-basierte Tool zu bieten, das sie benötigen, um ihre Probleme zu lösen.

Wenn jedoch ein Vertriebsmitarbeiter die Bedürfnisse des Unternehmens und die Nuancen, wie ihr Produkt dieses Problem mit KI löst, versteht, haben sie die Chance, ihre Quoten weit zu übertreffen. Käufer werden wissen wollen, wie die eingebettete KI zur digitalen Transformation ihres Unternehmens beiträgt, daher ist es alles, den Geschäftseinfluss zu beweisen und zu verkaufen.

3. Maschinelles Lernen als Dienstleistung wird das Wachstum von eingebetteter KI unterstützen

Es gibt nur so viele Softwareentwickler mit dem Wissen und den Fähigkeiten, die maschinellen Lernmodelle zu erstellen, die für eingebettete KI-Produkte erforderlich sind, aber der Bedarf an diesen Mitarbeitern wird durch die Cloud-Enterprise-Anbieter verringert. Amazon Web Services (AWS), Microsofts Azure und Google Cloud Platform sind die drei führenden digitalen Plattformanbieter, die von Microservices profitieren, einschließlich maschinellem Lernen als Dienstleistung.

In den letzten zehn Jahren haben diese Giganten ihre enormen Infrastrukturen in die Cloud verlagert, aus diesen Prozessen gelernt und externen Unternehmen Rechenzentrumsplatz mit Infrastructure as a Service bereitgestellt. Diese öffentliche Cloud-Speicherung ist ein wesentlicher Grund für die schnelle Migration von Legacy-Produkten in die Cloud: Es ist einfach so einfach. Die Einrichtungszeit wird mit diesen Microservices erheblich verkürzt, und Unternehmen zahlen nur für das, was sie nutzen. Es ist einfach, scheinbar kosteneffektiv und bequem.

Ähnliche Dinge passieren im Bereich des maschinellen Lernens. Aufgrund der Daten, die den Enterprise-Anbietern zugänglich sind, sind sie in der Lage, eigene maschinelle Lernmodelle zu erstellen und zu trainieren und sind verantwortlich für einige der schnellsten Fortschritte in der KI.

Solche Fortschritte reichen von Google DeepMinds AlphaGo, das in der Lage ist, Weltmeister im „Go“-Spiel zu schlagen, bis hin zu Amazons Fähigkeit, Alexa in seine Produkte zu integrieren, um eine konversationelle Benutzeroberfläche bereitzustellen. Unternehmen nehmen diese maschinellen Lernwerkzeuge und bieten sie anderen Unternehmen gegen eine monatliche Gebühr an, aber sie sind schnell und einfach zu implementieren und können einen sofortigen Einfluss auf die digitale Transformation eines Unternehmens haben.

Zum Beispiel kann ein Unternehmen, indem es seine Bilddaten an Produkte wie Amazon Rekognition, Google Cloud Vision API, IBM Watson Visual Recognition oder Microsoft Computer Vision API übermittelt, seine Lösungen trainieren, um Bilder zu erkennen und zu klassifizieren. Die Einfachheit und Geschwindigkeit, mit der diese maschinellen Lernalgorithmen in Softwareprodukte integriert werden können, wird die Anzahl der Lösungen mit eingebetteter KI im kommenden Jahr erhöhen, und „Maschinelles Lernen als Dienstleistung“ wird zu einem gängigen Begriff, da immer mehr Softwareentwickler die Dienste nutzen.

4. Das Internet der Dinge wird eingebettete KI nutzen, um intelligente Dinge zu schaffen

IoT und KI stehen seit mehr als einigen Jahren auf den Technologietrendlisten, aber durch die Einbettung von KI in internetverbundene Geräte erhält man etwas noch Mächtigeres und Nützlicheres, intelligente Dinge.

Dieses Konzept stand auf der G2-Trendliste für 2017, aber es wird im kommenden Jahr weiterhin diskutiert werden, da Unternehmen weiterhin die digitale Transformation annehmen. Eingebettete KI wird in der Lage sein, IoT-Daten zu analysieren, die in Zukunft eine enorme Menge an konsumierbaren Daten darstellen werden, um bessere umsetzbare Erkenntnisse zu gewinnen. Dies wird es den Maschinen ermöglichen, vorausschauend statt reaktionär zu sein.

Die Branchen, die dies am meisten beeinflussen könnte, sind scheinbar traditionellere, wie Fertigung, Landwirtschaft, Luftfahrt, Gesundheitswesen und Versand. B2B-Unternehmen in diesen Bereichen können von eingebetteter Intelligenz profitieren, indem sie Produkte und Maschinen bereitstellen, die von Natur aus vorausschauend sind, indem sie maschinelles Lernen nutzen.

Die KI, die in das physische Produkt eingebettet ist, sagen wir ein Traktor, kann Besitzer oder Unternehmen vor Wartungsproblemen warnen, bevor sie tatsächlich auftreten. Dies würde dem Landwirt Zeit und Ressourcen sparen und gleichzeitig maximale Betriebszeit gewährleisten, damit er seine Ernte bestmöglich pflegen kann.

Ich komme immer wieder widerwillig auf diesen IBM Watson-Werbespot zurück (weil wer will schon ein YouTube-Video mitten in einem Technologietrendstück?), aber es ist ein wirklich gutes Beispiel für die Einbettung von KI in Maschinen.

Abschließende Vorhersagen

Eingebettete KI wird 2019 weiterhin ihren Weg in Softwareanwendungen finden, ob die Nutzer es wissen oder nicht.

Marketingteams werden die maschinellen Lernfähigkeiten ihrer Lösungen zum zentralen Bestandteil ihrer Materialien machen, während Verkaufsteams ihre Verkaufsmethoden anpassen müssen, indem sie tiefer in die Daten eines Unternehmens eintauchen und wie sie von der eingebetteten KI profitieren können. Wenn sich die Vertriebsabteilungen nicht anpassen, werden Drittberater eine massive Gelegenheit haben, Unternehmen durch die Implementierung intelligenter Anwendungen zu modernisieren.

Die Entwicklung des maschinellen Lernens wird 2019 aufgrund der Nutzung von maschinellem Lernen als Dienstleistung durch Enterprise-Cloud-Computing-Anbieter florieren. Nahezu alle Aspekte des Geschäfts werden von der Implementierung von Anwendungen mit eingebetteter KI betroffen sein, einschließlich nicht-softwarebezogener Bereiche, wenn die eingebettete Intelligenz mit dem Internet der Dinge kombiniert wird.

Eine weitere wichtige Anwendung von eingebetteter KI, die unter dem Radar geflogen ist? Lassen Sie uns darüber sprechen, wie sie durch Blockchain-Technologie gestärkt wird. Diese Infografik von LiveTiles zeigt einige der Top-AI-Blockchain-Projekte im Jahr 2019.

Keine dieser Vorhersagen mag revolutionär sein oder im nächsten Jahr wahr werden. Wenn Softwarekäufer und Unternehmen jedoch ernsthaft an digitaler Transformation interessiert sind, werden sie sicherstellen, dass sie sich vor dem Kauf über die KI-Fähigkeiten eines Produkts informieren.

Erfahren Sie mehr über maschinelle Lernmodelle und bleiben Sie an der Spitze der KI-Innovation.