APPEN LTD - Entwicklung künstlicher Intelligenz
Seite 5 von 11 Neuester Beitrag: 14.10.24 17:40 | ||||
Eröffnet am: | 11.07.19 14:13 | von: DigitalOne | Anzahl Beiträge: | 257 |
Neuester Beitrag: | 14.10.24 17:40 | von: aktienpower | Leser gesamt: | 137.792 |
Forum: | Börse | Leser heute: | 394 | |
Bewertet mit: | ||||
Seite: < 1 | 2 | 3 | 4 | | 6 | 7 | 8 | 9 | ... 11 > |
Nun hatte ich wieder Kapital frei und habe die in meinen Augen günstigen Kursen zum Einstieg genutzt.
Ich sehe Appen auch als langfristige Angelegenheit. Das ganze Thema KI steckt gefühlt noch in den
Kinderschuhen und bietet ein bis dato unvorstellbares Wachstumspotential.
Wer sich letztendlich in dem Bereich nachhaltig durchsetzen wird kann in meinen Augen noch nicht final beantwortet werden.
Fakt ist das es ein riesiger Umsatz-Kuchen ist und Appen wird Stand heute sein Stückchen davon abbekommen.
Zum Thema: Natürlich können FAANG ihre Lerndaten selbst produzieren, WENN sie das wollen. Wollen sie aktuell aber nicht, weil sie dadurch flexibler in ihrer Planung sind. Flexibilität ist bares Geld wert.
VW kann seine Sitzbezüge sicherlich auch selbst herstellen, WENN sie das wollen. Wollen sie aktuell aber nicht, und lagern es nach Bosnien aus :-)
Selbes Prinzip.
Wir haben es hier mit einer Zulieferer-Firma zu tun, die sich spezialisiert, immer besser wird und seit Jahren rasant wächst.
Wenn Appen ein bloßer "Zulieferer" ist, könnten mit dem verstärkten Einstieg von Konkurrenz der Umsatz und die Margen leiden.
Vergleichbar mit Zulieferern in der Autoindustrie. VW ist es ws auch egal wer die Sitzbezüge liefert solange sie günstig sind und die Qualität passt.
Ein 0815 Zulieferer hat in Zukunft sicher keine Bewertung wie sie Appen zurzeit aufweist.
Die "Global Crowd" von 1 Mio Menschen kann etwaige Konkurrenz meiner Meinung nach relativ schnell aufstellen.
Wichtig ist daher, dass die von Appen entwickelte AI Plattform einen Vorsprung gegenüber der Konkurrenz hat.
Darum sehe ich auch den Kauf von Figure Eight sehr positiv.
Nuance bietet fertige Kommunikationslösungen an, die eben auf AI basieren wie Virtual Assistants etc. Diese Lösungen können Firmen zukaufen. Allerdings müssen diese auf KI basierenden Virtual Assistants dann ja erst noch lernen was das jeweilige Unternehmen überhaupt macht und wie es da helfen kann. Er muss also erst "angelernt" werden. Und da kommt dann Appen ins Spiel, welches die haufenweise Daten die in den Unternehmen vorliegen so aufbereiten, dass die zugekaufte AI diese verstehen und interpretieren kann und Muster erkennen kann. Die Firma hat sich also von Nuance einen Assistenten gekauft und von Appen holt sie sich dann das Lehrmaterial um diese Assistenten auf die jeweilige Arbeit in dem Unternehmen vorzubereiten. Je besser dieses Lehrmaterial ist, desto besser wird der Assistent dann auch später arbeiten können. Und bisher liegt der Burggraben von Appen noch dadrin, dass sie dies eben sehr gut können mit der großen Crowd, da dieses erstellen des Lehrmaterial noch nicht vollständig automatisiert werden konnte. Natürlich besteht die Möglichkeit, dass andere Unternehmen dies später besser können oder schneller eine eigene AI zum "erstellen des Lehrmaterials" auf menschlichem Niveau erschaffen. Aber diese Risiken wird man wohl bei jedem Unternehmen haben, dass der aktuelle Marktführer irgendwann disruptiert werden könnte.
zealinsider 14. Januar 2021
Der globale Marktforschungsbericht Data Annotation Tools bietet die Detailanalyse verschiedener Faktoren, die für das Wachstum des Marktes verwendet werden. Diese Faktoren liefern ein durchdachtes und tiefes Wissen über den Fluss und zukünftige Direktoren des Marktes. Zusammen damit tragen diese Faktoren auch dazu bei, den neuen Akteuren, die in den Markt für globale Datenanmerkungstoolseintreten, neue Marktchancen zu eröffnen. Die im Marktforschungsbericht bereitgestellten statistischen und numerischen Daten sind in das Tabellen-, Grafik- und Kreisdiagrammformat integriert, was es den Vermarktern leicht macht, die Fakten und Zahlen zu verstehen. Darüber hinaus behandelt der Marktforschungsbericht auch Informationen über Markttreiber, Einschränkungen, zukünftige Chancen und Herausforderungen, die zum Wachstum des globalen Marktes für Data Annotation Tools beitragen.
Die Berichtsstudie hat auch neue Vorschläge und Anwendungen verschiedener Organisationen entdeckt, die die Hersteller dazu gebracht haben, ihr Geschäft auf globaler Ebene zu verbessern. Der Forschungsbericht behandelt auch die aktuellen Auswirkungen von Covid-19 auf verschiedene Branchen und Kanäle und die künftigen Auswirkungen auf den globalen Markt für Data Annotation Tools.
Top-Unternehmen abgedeckt:
Alegion
Appen Limited
Amazon Web Services
Clickworker GmbH
CloudApp
CloudFactory Limited
Quelle: https://neighborwebsj.com/uncategorized/1248290/...ctory-limited-etc/
17.01.21, 10:52 Fool.de
Künstliche Intelligenz technologischer Fortschritt Technologieaktien
Grundsätzlich lernt künstliche Intelligenz (KI), indem man zunächst ein neuronales Netz an selbst lernenden Algorithmen aufsetzt. Diese werden mit Trainingsdaten gefüttert, bis der Algorithmus zur Lösung eines Problems geschult ist. Umso besser die zur Verfügung stehenden Daten aufbereitet sind, desto tadelloser sind in der Regel die Trainingserfolge. An dieser Stelle kommt das australische Unternehmen Appen ins Spiel.
Appen sammelt und beschriftet Bilder, Text, Sprache, Audio, Video und andere Daten, die zum Aufbau und zur kontinuierlichen Verbesserung von KI benötigt werden. Der Wettbewerbsvorteil ist dabei eine globale Crowd mit über einer Million Mitgliedern. Diese sprechen mehr als 180 Sprachen und Dialekte und liefern hochwertige Datenpakete für die Tech-Unternehmen.
Appen als KI-Lieferant gut dabei
Damit ist das Unternehmen eigentlich genau zur richtigen Zeit am richtigen Ort. Zwar schätzten die Marktforscher von Forrester den möglichen Umsatz im Umfeld von KI in 2025 nur noch auf 37 Mrd. US-Dollar, aber im Vergleich zu 2019 handelt es sich weiterhin um eine Verdreifachung des potenziellen Marktes. Optimistischere Prognosen sehen den Markt sogar auf 100 Mrd. oder selbst 200 Mrd. US-Dollar bis 2025 wachsen.
Appen erzielt 89 % seiner Umsätze mit seinen fünf größten Kunden. Zu diesen zählen Unternehmen wie Amazon oder Microsoft. Das Geschäft ist in den letzten Jahren stark gewachsen und konnte auch zuletzt in der Corona-Krise leicht wachsen. Auch wenn das Jahr 2020 aufgrund der Auswirkungen durch Corona ruppiger läuft, wird sich der Umsatz gegenüber 2017 fast vervierfachen. Das Ganze erfolgt ohne hohe Verschuldung und zweistellige operativen Margen. Im Gegensatz zu vielen anderen Tech-Unternehmen deuten die Bewertungen auch nicht auf irgendwelche Übertreibungen hin.
Die Disruption droht
Trotzdem werde ich bei der Aktie nicht zuschlagen. Kurzfristig traue ich der Firma durchaus eine positive Entwicklung zu. Langfristig sehe ich allerdings erhebliche Probleme auf das Unternehmen zukommen. Verursacht wird das durch die Partner und Kunden von Appen. So schaffen es die Forscher von Deepmind, einer Tochter von Alphabet, bisherige neuronale Netze zu schlagen. Möglich ist das ohne aufwendig per Hand aufbereitete Daten und mit 40 % weniger Trainingsumfang. Auch der Übersetzer DeepL oder die Sprach-KI GPT-3 zeigen, wohin die Reise geht. Zukünftig werden wohl eine immer geringere Datenmenge und weniger sprachliche Experten für die Aufbereitung benötigt.
Hier liegt allerdings heute der große Wettbewerbsvorteil von Appen. Man koordiniert ein riesiges Netzwerk aus Freiberuflern. Werden diese zur Bearbeitung und Bereitstellung der Daten nicht mehr benötigt, hat Appen ein ziemlich großes Problem. Zumal die KI zunehmend praktisch in tatsächlichen Anwendungsfällen eingesetzt wird. Die Crowd von Appen wird dabei in meinen Augen an ihre Grenzen stoßen. Schaut man sich AlphaFold 2.0 von Deepmind für die Voraussage von Proteinfaltungen an, werden nur noch absolute fachliche Experten die Testdaten auswählen und vorbereiten können.
Das Management von Appen scheint ähnlich zu denken. Daher hat man im Jahr 2019 die Firma Figure Eight übernommen. Dadurch verfügt man selbst über eine Technologie, welche automatisch unstrukturierte Daten in maschinenlesbare Form transformiert. Aktuell trägt der Bereich allerdings nur einen sehr kleinen Teil zum Umsatz von Appen bei. Ob das ausreicht, um im Wettbewerb mit den großen Spielern im Markt zu bestehen, kann ich nicht sicher beurteilen und würde ich auch eher bezweifeln.
Quelle: https://www.onvista.de/news/...-von-ki-und-ein-grosses-aber-427512581
Gute Firmen wandeln mit, so wie es die großen (FAANG) schon seit Jahrzenten machen.
Das Management hatte ja mit KI-Trainingdaten bisher einen guten Riecher. Die wissen schon was sie für die Zukunft tun müssen, um dieses grandiose Wachstum am Leben zu halten.
Heute +6% an der ASX. In 13 Tage kommen Zahlen. Die Frage ist was wir erwarten können.
Meinungen?
Appen liefert hochwertige Schulungsdaten für autonome Fahrzeughersteller
SYDNEY und SAN FRANCISCO, 11. Februar 2021 — Appen Limited (ASX:APX), ein Anbieter hochwertiger Schulungsdaten für Unternehmen, die effektive KI-Systeme in großem Maßstab entwickeln, hat heute erweiterte Funktionen angekündigt, um sicherzustellen, dass autonome Fahrzeughersteller Zugang zu hochwertigen Schulungsdaten haben und den größtmöglichen Nutzen aus ihren Schulungsdateninvestitionen erzielen können. Hochwertige Schulungsdaten sind unerlässlich, um sicherzustellen, dass autonome Fahrzeuge sicher und wie erwartet arbeiten, und Appen, das mit 7 der 10 größten globalen Automobilunternehmen und Tier-1-Lieferanten zusammenarbeitet, kann 99+ % Genauigkeit für hochkomplexe multimodale KI-Projekte liefern.
"Es reicht nicht aus, dass Fahrzeuge bei simulierten oder guten Wetterbedingungen in einer Art Topographie gut abschneiden", sagt Wilson Pang, CTO von Appen. "Sie müssen bei allen Wetterbedingungen in jedem erdenklichen Straßenszenario, dem sie bei Einsätzen in der realen Welt begegnen werden, einwandfrei funktionieren. Das bedeutet, dass Teams, die am Machine Learning (ML)-Modell für die KI des Fahrzeugs arbeiten, sich darauf konzentrieren müssen, Trainingsdaten mit der höchstmöglichen Genauigkeit zu erhalten, bevor sie auf der Straße eingesetzt werden können. Unsere Kunden vertrauen uns mit ihren komplexesten Annotationsszenarien für Trainingsdaten, da unsere branchenführende Annotationsplattform und -services es uns ermöglichen, die hohe Qualität zu liefern, die notwendig ist, um multimodale selbstfahrende Autoalgorithmen zu entwickeln."
Um die Straßen-, Wetter- und Sicherheitsbedingungen richtig zu verstehen und darauf zu reagieren, benötigen autonome Fahrzeuge komplexe, mehrdimensionale Datensätze von zahlreichen und mehreren Arten von Sensoren. Dies stellt nicht nur eine Herausforderung aufgrund der Spezialisierung der Anbieter dar, sondern stellt auch eine enorme Qualitätssicherungsherausforderung für den Datenanmerkungsprozess dar, da Teams, die die Modelle trainieren, minderwertige Schulungsdaten erhalten, viel Zeit und Ressourcen verschwenden müssen, um zu ermitteln, welche Teile der Datensätze verbessert werden müssen, um einen Nettonutzen für ihre Machine Learning-Modelle zu erzielen.
Mit mehr als 15 Jahren Erfahrung in der Automobilindustrie arbeiten die Datenanmerkungsteams von Appen regelmäßig mit autonomen Fahrzeugherstellern zusammen, um ihre vorhandenen anmerkungsgebundenen Daten zu überprüfen und ihnen dabei zu helfen, sich 100 % der Qualität anzunähern, damit sie den größtmöglichen Nutzen aus ihren Schulungsdaten ziehen können. Um beispielsweise ihre multimodalen autonomen Fahrzeuge ML-Algorithmen zu ermöglichen, müssen einige Hersteller zwei unterschiedliche Datensätze unterschiedlicher Abmessungen binden. Dies ist äußerst schwierig, aber entscheidend für die Entwicklung autonomer Fahrzeugmodelle. Mit Appens hochmoderner Technologieplattform, die 3D-Punktwolkenanmerkungen mit Objektverfolgung um 99+ % auf Quaderebene liefert, können Kunden nun ein Dataset mit 2D-Bildern kommentieren, die an eins mit 3D-Punkt-Cloud-Anmerkungen für die Zuordnung über mehrere Dimensionen gebunden sind, während eine konsistente Objekt-ID-Anforderung auf 50+ Frames ausgerichtet wird.
"Unser Projekt befindet sich noch in der Pilotphase, und wir mussten den Zyklus beschleunigen, um die Produktion zu erreichen, was Schulungsdaten erfordert, die schnell unseren Algorithmusanforderungen entsprechen. Das Anmerkungstool, einschließlich 3D-LiDAR, hochwertigen Kontrollfunktionen und Workflows, ist bereits in die Appen-Plattform integriert. Dies hilft uns, sicherzustellen, dass der Prozess basierend auf unseren Projektanforderungen optimiert wird, was eine reibungslose Zusammenarbeit zwischen unserem Team und dem Appen-Team ermöglicht. Wir freuen uns darauf, dieses interne Pilotprojekt in die Produktion zu bringen", sagte ein leitender Projektleiter bei Ecarx, einem Automobiltechnologieunternehmen, das eine intelligente, vernetzte Plattform für mehrere Fahrzeugmodelle baut.
Die Appen-Trainingsdatenplattform kombiniert menschliche Intelligenz von über 1 Million Menschen auf der ganzen Welt mit modernsten Modellen, um die qualitativ hochwertigsten Trainingsdaten für ML-Projekte zu erstellen. Appen engagiert sich auch dafür, seinen Kunden zu helfen, eine verantwortungsvolle KI – vom Piloten bis zur Produktion – auf der Grundlage ethischer Praktiken und Datenvielfalt in allen wichtigen Anwendungsfällen sicherzustellen. Weitere Informationen zur Appen-Plattform finden Sie unter appen.com.
Über Appen Limited
Appen sammelt und beschriftet Bilder, Text, Sprache, Audio und Video, die verwendet werden, um die innovativsten Systeme der künstlichen Intelligenz der Welt zu bauen und kontinuierlich zu verbessern. Mit Know-how in mehr als 180 Sprachen, einer weltweiten Masse von über 1 Million qualifizierten Auftragnehmern und der branchenweit fortschrittlichsten KI-gestützten Datenanmerkungsplattform bieten Appen-Lösungen die Qualität, Sicherheit und Geschwindigkeit, die von führenden Technologie-, Automobil-, Finanzdienstleistern, Einzelhandel, Fertigung und Regierungen weltweit gefordert werden. Appen wurde 1996 gegründet und hat Kunden und Niederlassungen auf der ganzen Welt.
Quelle: https://appen.com/company/press-room/
https://www.raskmedia.com.au/2020/12/10/...px-share-price-is-sinking/
Der Bedarf an AIOps hat sich aufgrund der wachsenden Komplexität der IT-Systeme, des explosionsartigen Datenwachstums und des plötzlichen Anstiegs von Remote-Arbeitsabläufen beschleunigt. Gartner geht davon aus, dass die ausschließliche Nutzung von Tools für diese Kategorie von 5 % der großen Unternehmen im Jahr 2018 auf 30 % bis 2023 steigen wird.
Wenn Sich Ihre Organisation also AIOps anschaut, wie können Sie loslegen und welche Strategien sollten Sie beachten? Nun, um zu sehen, habe ich mich an verschiedene Tech-Experten gewandt, um ihren Rat zu erhalten:
Gefördert
Grads of Life BRANDVOICE | Bezahltes Programm
Wie Unternehmen mit systemischem Rassismus umgehen sollten
Civic Nation BRANDVOICE | Bezahltes Programm
Jedes Kind verdient es, gesehen, sicher und erfolgreich zu sein
UNICEF USA BRANDVOICE | Bezahltes Programm
Nach dem Zyklon Eloise brauchen 90.000 Kinder in Mosambik Katastrophenhilfe
Wilson Pang, Chief Technology Officer bei Appen:
Definieren Sie eindeutig das Problem, das AIOps lösen soll. Ist das Ziel, Anomalien zu erkennen, die von einem Menschen schwer zu finden sind? Oder möchten Sie ein Tool, mit dem Ihr OPS-Team die Ursachen schnell identifizieren kann, wenn ein Problem auftritt? Oder möchten Sie einen automatischen Wiederherstellungsmechanismus über KI bereitstellen? AIOps kann in vielen verschiedenen Bereichen helfen. Dies bedeutet, dass Sie ein klares Ziel definieren müssen, das Ihnen hilft, den potenziellen ROI (Return On Investment) zu verstehen.
MEHR FÜR SIE
Fintech Startup, das 100 Millionen Dollar von Investoren Bessemer und Coatue sammelt, wird abrupt heruntergefahren
So erstellen Sie einen Geschäftsplan, der in der Praxis nützlich ist
Warum Käufer auf der Jagd nach Ein-Personen-E-Commerce-Unternehmen sind
Rosaria Silipo, Ph.D., die wichtigste Datenwissenschaftlerin bei KNIME:
Sie benötigen ein gutes Verständnis dessen, was zum Überwachen und Speichern notwendig ist. Je mehr KI-Modelle, desto komplexer die Überwachungsstrategie. Anschließend müssen Sie die Kriterien für akzeptable Leistungen durch ein Modell oder eine Gruppe von Modellen definieren. Schließlich ist eine Strategie erforderlich, um das Training neu auszustoßen, wenn die Leistung unter einen Akzeptanzschwellenwert fällt.
Ali Siddiqui, Chief Product Officer bei BMC:
Der Wert eines AIOps-Tools steigt mit dem breiten Datenspektrum, das Sie beobachten und analysieren können. Es ist auch wichtig, dass es einen offenen Ansatz gibt, der in Ihre vorhandenen IT-Tools und Datenquellen integriert werden kann. Sobald Sie über Ihre Tools verfügen, identifizieren Sie die richtigen Prozesse, die Agilität und Zusammenarbeit über Funktionen hinweg unterstützen, die in Dev, Ops und Sicherheit integriert werden können. Schließlich müssen Organisationen über die Menschen nachdenken – Stellen Sie Ihre wertvollste Ressource neu aus, um sicherzustellen, dass die richtigen Tools und Prozesse vorhanden sind, und Sie können auf Erkenntnisse reagieren.
Muddu Sudhakar, Gründer und CEO von Aisera:
Der Schlüssel ist, ein gutes Vorfallmanagementsystem zu haben. Sie müssen auch ein sehr gutes Protokollierungssystem haben. Außerdem sollte es ein proaktives und vorausschauendes Management von Vorfällen und Ausfällen geben. Sie wollen nicht, dass Menschen dies tun.
Annette Sheppard, Senior Product Marketing Manager bei New Relic:
Wenn es um etwas so transformatives wie AIOps geht, fangen Sie klein an. Wählen Sie einen Testfall mit geringem Maßstab, lernen, passen Sie sich an, optimieren Sie ihn und wachsen Sie von dort aus. Auf diese Weise, wenn die Dinge schief gehen, werden die Folgen nicht ganz so katastrophal sein.
Tej Redkar, Chief Product Officer bei LogicMonitor:
Suchen Sie nach einer AIOps-Plattform, die automatisierte Verfahren basierend auf Analysen aus Ihren Datenpools durchführen kann. Häufig sind diese Daten bereits in den Überwachungslösungen Ihrer Organisation untergebracht. Fragen Sie dann, ob die Plattform über dynamische Schwellenwerte, Ursachenanalyse, Prognose und Erkennung von Anomalien verfügt.
Eric Tyree, Leiter Ki Und Forschung bei Blue Prism:
KI ist einfach, Ops ist hart: AIOps dreht sich alles um Automatisierung, also stellen Sie sicher, dass Sie über die gesamte Automatisierungs-Toolbox nachdenken. Ausgereifte Automatisierungsprogramme sollten darauf achten, eine Formel nach dem Vorbild von 1/3-Systemen (AI, BPM, straight through processing), 1/3 Human und 1/3 Digital Workers zu erreichen.
Chris Burchett, Group Vice President of Product Development bei Blue Yonder:
AIOps benötigt viele Protokolldateidaten, um das Machine Learning zu trainieren, um zu erkennen, was eine Ausnahme und was ein normaler Vorgang ist. In der Regel werden viele Wochen normaler Daten zusätzlich zu bestimmten Daten benötigt, wenn Anomalien auftreten. Daher sollte eine gute Protokollaggregations- und -verwaltungspraxis vorhanden sein, um AIOps angemessen nutzen zu können.
Jim Richberg, Chief Information Security Officer von Fortinet:
Damit AIOps erfolgreich ist, beginnt es mit Konsolidierung und Integration. Anstelle von isolierten Systemen ist eine einheitliche Plattform wichtig, um eine schnelle Reaktion und eine breitere Netzwerktransparenz zu gewährleisten.
Michael Procopio,Product Manager bei Micro Focus:
Vor der Implementierung von AIOps ist es wichtig, Buy-In und Support von C-Suite-Führungskräften zu haben. Entwickeln Sie dazu ein kleines Testprojekt, um einen einzelnen Schmerzpunkt zu lösen und die greifbaren Vorteile von AIOps in der C-Suite aufzuzeigen. Von dort aus können IT-Experten diesen Erfolg nutzen, um die Unterstützung und Ausrichtung des Führungsteams zu rekrutieren, um AIOps weiter in das Unternehmen zu integrieren. Sobald Sie Executive Buy-in haben, beobachten und integrieren Sie alle zugänglichen Daten aus allen Netzwerken, Servern, Anwendungen usw. KI arbeitet effizienter mit mehr Daten, und je mehr Daten Sie sammeln, desto wahrscheinlicher ist es, dass Sie die Ursache des Problems schneller finden. Nachdem Unternehmen eine ganzheitliche Integration von Geschäftsdaten durchgeführt haben, stellen Sie sicher, dass Sie einen domänen-agnostischen Ansatz für KI verfolgen– d. h., stellen Sie sicher, dass Sie KI verwenden können, um Probleme domänenübergreifend zu diagnostizieren. Wenn Sie auf ein Problem in einer Domäne aufmerksam gemacht werden, die Ursache des Problems jedoch in einer anderen Domäne liegt, müssen Sie diese Korrelation sehen – die stritt nur, wenn KI nicht in Silos funktioniert.
Bob Friday, Vice President und Chief Technology Officer für das KI-getriebene Unternehmen bei Juniper Networks:
Großer Wein beginnt mit großen Trauben; in ähnlicher Weise beginnt große AIOps mit großartigen Daten. Der erste Schritt auf der AIOps-Reise sind Daten, und der erste Schritt eines Unternehmens sollte darin bestehen, die Netzwerkausrüstung zu überprüfen und sicherzustellen, dass es die Unterstützung für Telemetrie daten- und Streaming-Daten zurück an eine AIOps-Plattform bietet. Der zweite Schritt besteht darin, zwischen einer domänenagnostischen oder domänenspezifischen AIOps-Plattform zu wählen. Während domänenunabhängige Plattformen flexibler sind, finden die meisten Unternehmen eine domänenspezifische Plattform als schnelleren Weg zum ROI.
Jeff Hausman, Vice President und General Manager Operations Management bei ServiceNow:
Der beste Weg für eine Organisation, sich auf ihre AIOps-Reise zu begeben, besteht darin, mit einem fokussierten Ansatz zu beginnen und dann nach Bedarf zu skalieren. Unternehmen sollten einen Blick auf ihre IT-Vorfälle werfen und regelmäßig auftretende Probleme identifizieren, um zu bestimmen, wo eine anfängliche AIOps-Bereitstellung den größten ROI liefern würde. Beispielsweise haben wir Erfolg mit Kunden, die virtuelle AI-basierte Agenten bereitstellen, um den Zustrom von Vorfallberichten inmitten von Remote-Arbeiten zu beheben und zu reduzieren. Wir bieten unseren Kunden auch ein Framework, das ihnen hilft, die wirkungsvollsten Anwendungsfälle für ihr Produkt zu identifizieren, um sicherzustellen, dass Kunden positive geschäftliche Auswirkungen sehen und mit diesen neuen Lösungen für den langfristigen Erfolg eingerichtet sind.
Indem sie fokussiert beginnen, können IT-Führungskräfte ihre erste AIOps-Bereitstellung präsentieren und damit beginnen, die datengesteuerte kulturelle Denkweise zu etablieren, die bei der ersten Bereitstellung von Lösungen wie dieser erforderlich ist.
Quelle: https://appen.com/company/press-room/