Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Democratizing artificial intelligence: how no-code AI can leverage machine learning operations
Umeå universitet, Samhällsvetenskapliga fakulteten, Institutionen för informatik.
Umeå universitet, Samhällsvetenskapliga fakulteten, Institutionen för informatik.
2023 (Engelska)Ingår i: Business Horizons, ISSN 0007-6813, E-ISSN 1873-6068, Vol. 66, nr 6, s. 777-788Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Organizations are increasingly seeking to generate value and insights from their data by integrating advances in artificial intelligence (AI) such as machine learning (ML) systems into their operations. However, there are several managerial challenges associated with ML operations (MLOps). In this article we outline three key challenges and discuss how an emerging form of AI platforms – ‘no-code AI’ – may help organizations to address and overcome them. We outline how no-code AI can leverage MLOps by closing the gap between business and technology experts, enabling faster iterations between problems and solutions, and aiding infrastructure management. After outlining important remaining challenges associated with no-code AI and MLOps we propose three managerial recommendations. By doing so, we provide insights into an important novel, emerging phenomenon in AI software and set the stage for further research in the area.

Ort, förlag, år, upplaga, sidor
Elsevier, 2023. Vol. 66, nr 6, s. 777-788
Nyckelord [en]
Artificial intelligence, Machine learning, No-code AI, MLOps, Operational AI
Nationell ämneskategori
Systemvetenskap, informationssystem och informatik med samhällsvetenskaplig inriktning
Identifikatorer
URN: urn:nbn:se:umu:diva-206856DOI: 10.1016/j.bushor.2023.04.003ISI: 001093008100001Scopus ID: 2-s2.0-85170233128OAI: oai:DiVA.org:umu-206856DiVA, id: diva2:1751678
Tillgänglig från: 2023-04-19 Skapad: 2023-04-19 Senast uppdaterad: 2024-08-23Bibliografiskt granskad

Open Access i DiVA

fulltext(727 kB)439 nedladdningar
Filinformation
Filnamn FULLTEXT02.pdfFilstorlek 727 kBChecksumma SHA-512
b2ef89f82b0924fd11f7ea310156298f213e2280a09ca8849fa54695a3565d8a29597191e1f850dfd80c8830785fc01cfa491465ec2dcd1a2ba417b3ecc88479
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Person

Sundberg, LeifHolmström, Jonny

Sök vidare i DiVA

Av författaren/redaktören
Sundberg, LeifHolmström, Jonny
Av organisationen
Institutionen för informatik
I samma tidskrift
Business Horizons
Systemvetenskap, informationssystem och informatik med samhällsvetenskaplig inriktning

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 759 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 615 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf