Building AI Explanation Capability for the AI-Powered Organization

MIT CISR

Το περιεχόμενο παρέχεται από το MIT CISR. Όλο το περιεχόμενο podcast, συμπεριλαμβανομένων των επεισοδίων, των γραφικών και των περιγραφών podcast, μεταφορτώνεται και παρέχεται απευθείας από τον MIT CISR ή τον συνεργάτη της πλατφόρμας podcast. Εάν πιστεύετε ότι κάποιος χρησιμοποιεί το έργο σας που προστατεύεται από πνευματικά δικαιώματα χωρίς την άδειά σας, μπορείτε να ακολουθήσετε τη διαδικασία που περιγράφεται εδώ https://el.player.fm/legal.

2+ y ago 14:34

MP3•Αρχική οθόνη επεισοδίου

Ida Someh reads MIT CISR's July 2022 research briefing, which she co-authored with Barb Wixom and Cynthia Beath. See the text version and related content at https://cisr.mit.edu/publication/2022_0701_AIX_SomehWixomBeath. Abstract: Four characteristics of AI—unproven value, model opacity, model drift, and mindless application—make it challenging to get stakeholders to trust AI solutions. As a result, organizations that strive to become AI-powered adopt practices to produce AI solutions that are trustworthy. Over time, these practices build AI Explanation (AIX) capability: an emerging enterprise capability that arises from practices AI teams use to build stakeholder confidence in AI solutions. In this briefing, we first describe AIX capability and four sets of practices used to build it. We then draw on a case study about the AI journey of Microsoft to illustrate examples of the practices that company has leveraged.

87 επεισόδια

#Business #MIT CISR