首次應用人工智能——你需要思考五個問題
對于企業來說，不必總是在內部構建解決方案，這是常見的失敗原因。人工智能技術復雜且仍然不成熟，而且在大多數企業中缺乏人工智能人才和技能。對于多數企業來說，除非項目具有戰略重要性，否則應該更多關注由軟件供應商提供或在服務提供商定制的方案。人工智能項目面臨許多組織和技術的挑戰(見圖1)。
圖1 采用人工智能面臨的挑戰
雖然許多企業在組織、戰略和技術領域發現了一些問題，但他們忽視或低估了同樣重要、對最終成功有影響的其他挑戰。我們確定了五個可能阻礙人工智能計劃的共同挑戰領域，并建議企業在他們開始的***個人工智能項目之前就要向團隊提出以下問題(見圖2)：
圖2 在***個人工智能項目之前要問的五個問題
一、您是否清楚地定義了業務問題?
企業經常從競爭壓力中開始人工智能項目，擔心如果不投資人工智能，就會被甩在其他企業身后。不了解人工智能的***用途往往是企業失敗的首要原因。人工智能對于企業來講***的好處就是能夠處理大量多維數據，涉及非結構化數據和復雜系統，包括事件預測、趨勢分析、模式識別、機器人和決策/過程自動化、自然語言理解(NLU)、自然語言處理(NLP)和計算機視覺，這些是企業利用人工智能可能取得重大突破的領域，但這些方面的投入可能無法實現對企業來說最直接的利潤價值。
人工智能并不是解決每個問題的***方案，有些案例使用傳統技術會處理得更好。企業在開始人工智能項目之前，需要了解人工智能的局限性，教育高級管理人員和項目團隊沿著這些路線來設定正確的期望。
當應用于正確的問題類型和業務問題時，人工智能可以顯示出巨大的價值。通過解決這些問題，企業的高級管理層可以注入對人工智能技術的信心，并為未來的計劃獲得資金。
二、你能從實際的商業角度定義成功嗎?
定義業務成功需要前期對預期的成果設定一些量化指標，這可能很困難，因為與傳統IT項目相比，人工智能項目的結果通常不那么確定。因此，組織需要利用實驗性和啟發式方法來解決這個問題。Gartner的一項調查發現，提高效率、客戶體驗和降低成本是企業投資人工智能的三大原因(見圖3)：
圖3 人工智能對組織至關重要的主要原因
企業應使人工智能項目與價值指標保持一致(表1)：
表1人工智能業務價值指標
三、您是否包括業務領域、IT和分析專家?
項目經常因為團隊相關的問題而失敗。讓合適的人參與項目是成功的重要組成部分。這意味著要建立一個跨部門、多功能的群體，其中包括：
- 具有相關業務知識的業務領域專家;
- 具有提供開發和集成專業知識所需技術技能的IT人員;
- 能夠協助建模和數據管理需求的數據科學家。
這個團隊需要被授權做出決定，并在需要時采取行動。但這可能不是一個好主意，因為初學者組織還沒有合適的人工智能知識或技能，并且可能沒有能力確定企業的正確戰略和結構。組織應該采取實驗性的方法，首先啟動幾個項目，以了解驅動人工智能計劃所需的技能、治理模型和團隊結構。
圖4 組織和管理人工智能調查
四、您是否調查了所有采購選項并確保了持續維護?
企業應該探索各種選擇，以獲得一個可行且性能卓越的人工智能解決方案，在性能、成本和技術成熟度之間尋求平衡。在沒有調查每個采購選項，或者在沒有了解問題的正確技術之前，可能導致投資浪費或解決方案性能不佳。企業往往在選擇購買、外包還是建造方面進退兩難，像其他任何破壞性技術一樣，將引入人工智能的連鎖反應最小化是企業首要考慮的問題。從這個角度來看，按照以下順序，組織應該嘗試購買、外包和構建人工智能解決方案。企業應將這些選項混合用于各種人工智能計劃(見圖5)：
圖5 人工智能解決方案采購選項的考慮因素
- 購買：許多軟件供應商(包括Salesforce、Oracle和SAP)已將人工智能技術集成到其專業解決方案中。組織應該首先探索“預集成”的功能，因為它們提供的功能能夠以最小的努力來解決問題。
- 外包：人工智能技術往往供不應求，而且價格昂貴。對于一個試圖證明人工智能技術價值并受到預算限制的組織來說，外包路線是一個合理的選擇。
- 建造：需要組織具備適當的技術基礎和能力，同時要確認人工智能技術對于組織來說具有戰略重要性，組織要認識到拼湊各種應用程序并集成這些技術是一個復雜的過程，需要付出巨大的努力，必須在過程的早期加以謀劃周全。
根據Gartner最近的一項研究，許多使用人工智能的組織選擇建立他們自己的解決方案，而不是購買或外包。
圖6人工智能解決方案的企業技術路線調查
五、您是否已操作解決方案以充分利用該技術?
一個解決方案不僅是有效地分配適當的IT資源，還意味著以系統的方式預測人工智能元素的持續演變，在業務流程中引入人工智能的不連續性，并不斷調整決策模型。
人工智能技術的操作或控制比其技術發展更加容易被人們忽視。忽視操作化階段經常阻礙企業充分實現他們在人工智能方面的努力，同時也加劇了信心缺失。
有許多例子表明，人工智能技術應用于一個過程的一部分，已經大大改善了該部分相關的決策，而其余的過程卻出現了負面的影響，企業需要應對這些負面的影響。例如，一家大型共同基金公司推出了一種對話代理系統，旨在自動處理機構投資者的財務文件要求，系統識別出所有相關的文檔，甚至那些頁面非常多的文檔，并將它們發送給請求者。盡管這些文件是絕對相關的，但是人工智能會提出更具歧視性的要求，讓人們中斷且不知所措。
企業需要思考人工智能決策模型在日益復雜的組織環境中運行。我們傳統上對決策的思考方式通常是通過確定性過程，即通過預先確定的事件序列采取行動。不確定性和未預料到的元素在復雜的業務系統中很常見，并可能導致不確定性行為(即本質上不可預測的行為)。
文章轉載自微信公眾號“三思派”（ID: Science-Pie）
