Opportunités de cloud et d’IA pour les entreprises

L’adoption du cloud par les entreprises s’accélère depuis des années, car de plus en plus d’entreprises utilisent des modèles de logiciel en tant que service pour traiter des ensembles de données de plus en plus volumineux.

Aujourd’hui, les grandes entreprises apprennent que le cloud peut faire plus que traiter les données ; il peut stimuler la croissance des affaires et des revenus.

En particulier, les progrès continus de l’intelligence artificielle et de l’apprentissage automatique créent de nouvelles opportunités pour les entreprises d’exploiter la puissance de leurs données, le cloud fournissant les outils nécessaires pour les saisir.

Surmonter les premières luttes

Dès 2015, de nombreuses entreprises ont créé de grands lacs de données sur site dans leur tentative initiale de concrétiser la promesse du « big data ». Ces référentiels d’informations centralisés, stockés sous divers formats, sont souvent devenus des cimetières de données, car de nombreuses entreprises ne disposaient pas des ressources informatiques dont les premières technologies d’IA avaient besoin pour obtenir des informations significatives. Par exemple, le traitement graphique des images seules était d’un coût prohibitif.

À cette époque, les plates-formes d’IA dans le cloud n’avaient pas encore suffisamment mûri pour motiver les entreprises à déplacer les projets de ML à forte intensité de données vers un environnement cloud. Le potentiel bien documenté des mégadonnées semblait figé dans le temps. Heureusement, ce n’était que temporaire.

Élargir ce qui est possible

Plus récemment, l’avènement des entrepôts de données natifs du cloud tels que les flocons de neige, les graphiques de connaissances et d’autres technologies ont permis aux entreprises de modéliser des structures de données évolutives en termes de stockage et de performances.

Les principaux fournisseurs de cloud computing proposent désormais des suites de produits qui incluent le développement de modèles, l’hébergement et l’opérationnalisation de l’apprentissage automatique (MLOps), comme celui d’Amazon. AWS SageMaker, sorti en 2017.

De plus, les fournisseurs de cloud ont également fourni des API pour le NLP (par exemple, Extrait), prédiction (Prévisions Amazon) et la vision par ordinateur (Reconnaissance) qui sont pré-formés et peuvent être facilement intégrés dans des applications modernes.

Suivez le guide

Recherche de Wipro FullStride Cloud Services montre que Les leaders du cloud continueront d’étendre leur puissance de calcul au cours des prochaines années, en mettant l’accent sur les technologies 5G, Edge computing et Grid Computing. Au milieu de ces investissements, les dirigeants associent des technologies clés au cloud, notamment l’IA. Les raisons de cette décision stratégique sont multiples.

L’univers en constante expansion des outils d’IA dans le cloud a permis aux équipes produit de réduire considérablement les coûts de développement et les délais de mise sur le marché, créant de nouvelles possibilités pour les entreprises innovantes.

L’adoption de ces technologies ne doit pas être entreprise au hasard.

Chez Wipro, nous avons constaté que les entreprises cherchant à migrer des projets d’IA vers des environnements cloud peuvent adhérer à plusieurs bonnes pratiques pour améliorer leurs chances d’obtenir des résultats optimaux.

Apporter l’IA au Cloud

Entre autres approches, Wipro s’appuie sur E-IQ (quotient d’intelligence d’entreprise), un cadre qui attribue un quotient d’intelligence à un processus métier donné, révélant les cas d’utilisation possibles de l’IA dans le contexte de cinq piliers : détecter, décider, agir, interagir et adapter.

Cet exercice d’analyse comparative peut également aider les entreprises à établir une feuille de route pour préparer des projets pour le cloud à l’aide d’un modèle de livraison d’IA agile et d’une architecture de référence.

Une fois les cas d’utilisation et les artefacts techniques pris en charge identifiés, une approche d’apport de votre propre modèle peut accélérer la migration du modèle vers le calcul optimal pour les points de terminaison sur AWS SageMaker et d’autres API associées.

Deux fois plus sympa

Pour s’assurer que les modèles ne présentent pas d’« obsolescence » ou de « dérive », un cadre MLOps robuste guide l’intégration et la gouvernance, permettant l’optimisation du calcul et le réétalonnage périodique des modèles lors de l’étiquetage lors de l’utilisation d’AWS Ground Truth.

L’IA peut être particulièrement utile dans les secteurs hautement réglementés comme les services financiers, qui s’appuient de plus en plus sur des modèles complexes pour éclairer leur prise de décision alors que les régulateurs imposent des exigences de validation de plus en plus strictes.

L’utilisation d’une approche intelligente des tests et de la validation des modèles peut garantir que les équipes internes de validation des modèles peuvent inventorier efficacement leurs modèles, ce qui permet de gagner du temps et d’assurer la conformité réglementaire dans le processus.

Un aperçu de l’avenir

Ces investissements dans le cloud mettent en lumière de nombreux cas d’utilisation percutants pour combiner l’IA avec le cloud. En s’appuyant sur un duo dynamique d’IA et de cloud, les entreprises s’équipent pour atteindre une multitude d’objectifs, notamment :

Nouvelles sources de revenus : Un établissement de santé qui a déplacé les données associées aux modèles de ML vers le cloud a pu non seulement optimiser les coûts, mais également monétiser les prédictions des modèles. Dans ce cas, les clients comprenaient des instituts de recherche qui ont pu contourner les processus de collecte et d’agrégation de données nécessaires pour créer leurs propres modèles et à la place acheter les résultats directement à partir de la source de données pour accélérer leur recherche. Les honoraires qu’ils ont payés couvraient les coûts de développement du modèle encourus par l’établissement de santé.
Expériences client améliorées : Les technologies d’IA basées sur le cloud peuvent améliorer l’expérience client pour toutes sortes d’entreprises, des services de taxi aux magasins de commerce électronique. Dans le premier cas, un écran de voiture de taxi équipé d’un moteur de recommandation alimenté par l’IA peut montrer aux passagers des offres personnalisées en fonction de leurs destinations ou des recommandations de films construites via des graphiques de connaissances en nuage.
Façonner les résultats stratégiques : Avec l’aide de l’IA dans le cloud, un directeur financier peut insuffler des informations provenant de données internes et externes dans le processus de planification financière afin de recommander des initiatives pour augmenter les revenus. De même, un directeur marketing peut identifier des stratégies pour optimiser les dépenses marketing dans une gamme de catégories de produits afin de maximiser le retour sur investissement.
Pour les cadres qui s’appuient uniquement sur des données provenant des systèmes de planification des ressources du grand livre/de l’entreprise, ce niveau d’information n’est tout simplement pas possible.
Hyperautomatisation : Les plates-formes Cloud AI peuvent permettre une automatisation intelligente pour améliorer considérablement l’efficacité liée à un certain nombre de processus métier internes. Par exemple, une application mobile qui effectue des appels d’API à Textract peut extraire des informations de la documentation stockée dans le cloud pour transformer l’intégration des RH et réduire le temps nécessaire pour effectuer les tâches administratives de quelques jours à quelques minutes.

Les entreprises qui déploient l’IA dans le cloud ont déjà réalisé tous les résultats ci-dessus et bien d’autres.

À mesure que les progrès du cloud computing et de l’IA/ML se poursuivent, la combinaison synergique de ces deux technologies continuera de procurer des avantages concurrentiels importants aux entreprises innovantes.

Ces avantages concurrentiels sépareront de plus en plus les leaders de catégorie du reste du domaine.