很多企業可能對采用人工智能還沒有做好準備，因此從單個項目開始可能是一個很好的開始。首席信息官在早期人工智能項目中應該有什么收獲?

[[281927]]

谷歌公司是使用人工智能的先驅之一，在短短的時間內，該公司的凈收入同比翻了一番，投資回報豐厚。如今，許多公司都在采用人工智能。調研機構Genesys公司預測，到2022年，60%的美國公司將使用人工智能技術，其原因很簡單：這些公司不僅看到了結果，而且擔心在市場競爭中輸給人工智能驅動的競爭對手。

然而，很多企業并不善于處理人工智能用例。正如提供自動化機器學習工具的Aible公司首席執行官兼創始人、Salesforce Einstein公司創始人之一Arijit Sengupta所解釋說：“由于絕大多數人工智能項目都失敗了，因此很難提供統計數據來證明人工智能在商業中的有效性。2018年，研究機構Gartner公司估計，85%的人工智能項目沒有成功。雖然人工智能技術具有著巨大的潛力，但如今大多數人工智能用例在商業運營方面都失敗了。”

以下將討論首席信息官應該如何處理他們的人工智能使用案例和策略，以取得成功。行業媒體采訪了數十位人工智能專家，并分享了他們多年來的實踐經驗。

1.主要依靠數據的人工智能

眾所周知，人工智能依靠數據為生，但是數據的重要性常常被低估了。

聊天機器人開發商Verint公司副總裁Jen Snell解釋說：“人工智能中的數據問題的范圍和規模遠遠超出了大多數人的認識。由于數據的原因，很多企業的項目都會遇到問題——從數據質量到管理和整理數據以獲得有意義的見解，再到標記和模型構建。一開始似乎很容易，但當企業著眼于規模增長、改變模型、管理和確保對系統的控制時，就會變得棘手。”

Snell的統計數據令人痛苦：雖然59%的高管認為人工智能可以改善對大數據的使用，但85%的大數據項目或人工智能項目卻失敗了。她說，“我們在15年前就已經意識到了這一點，花費了幾年的時間與客戶和現實數據一起了解問題的廣泛性和系統性。”

因此，擁有可靠和干凈的數據對于人工智能轉換是必不可少的——甚至比人工智能算法還要重要。人工智能技術和解決方案提供商Veritone公司應用人工智能主管Aaron Edell說，“我了解到，調整算法和給定模型的數學只會帶來很少的改進。對準確性的最大提升來自良好、干凈的培訓數據。盡早制定數據獲取策略是機器學習成功的關鍵——我希望從一開始就知道這一點。”

如何獲取數據對于人工智能用例也是至關重要的。雖然從外部來源購買數據可以讓企業脫離實際，但這還不足以讓其業務繼續運行，因為人工智能不了解它的功能，而且它只會像提供的數據一樣好。Edell在研究經過一般訓練的模型時發現了這一點。他說：“一個由100萬‘名人’訓練的名人識別模型，在現實生活中的用例中表現很差，因為它沒有按照它要運行的數據進行訓練。如果試圖了解詹妮弗·安妮斯頓在《老友記》每一集中出現的頻率和時間，那么采用她在奧斯卡頒獎典禮上的照片訓練的模型，其表現將不如從《老友記》的片段中進行屏幕抓取圖片的模型。”

每一家公司都可能需要針對其業務的精心調整的人工智能。從長遠來看，這將導致更高效的算法，從而帶來更高的收入、更低的成本和更快樂的客戶。

2.選擇正確的起點

成功的人工智能轉型是無所不包的變革。這不僅與技術變革有關，還與文化變革和企業面對來自員工的阻力有關。因此，首席信息官必須從頭開始規劃成功。

企業在實施人工智能用例時，最好從易到難。正如工作區自動化Avii公司首席執行官Lyle Ball所描述的那樣，找到涉及人員的重復性很高的任務，讓人工智能系統來完成這些功能。

人工智能驅動的聊天機器人解決方案提供商Senseforth公司首席執行官Shridhar Marri解釋說，“不過從流程上講，最好首先從面向消費者的角度出發。客戶期望在他們選擇的渠道上獲得場景和個性化的服務。獲取、吸引和支持客戶的整個范圍是人工智能技術正在轉變的一個關鍵方面。”

通過改善客戶服務獲得的利潤和滿意度也有助于企業展示人工智能轉型的價值，尤其是在面臨同事和員工的抵制時。Ball總結說，“這有助于打開其他用途的大門。”

在獲得客戶體驗之后，Marri的建議是追求提高運營效率和降低成本。

必須注意不要將人工智能轉換與數字轉換混淆。有時，即使非基于人工智能的自動化工具也足以勝任這項工作。在企業采用人工智能技術之前，必須進行適當的研究，以查看人工智能項目是否是前進的最佳方法。為富國銀行等公司構建了基于人工智能的聊天機器人的廠商的首席執行官Jonathan Duarte分享了他的經驗。他說，“在我領導開發的一個項目中，項目計劃已經制定，但是在項目啟動之前很少進行客戶研究。在這種情況下，當設計聊天機器人時，用戶已經找到了一種解決方法，該解決方法雖然沒有無限的可擴展性，但與人工智能工具一樣強大。”

3.為文化變革做準備

僅僅關注人工智能改造的技術方面是不夠的。具有諷刺意味的是，雖然人工智能似乎是要取代人類，但近年來，人們才開始了解人類勞動力的價值。

Skymind公司首席執行官兼聯合創始人Chris Nicholson提供了支持大規模機器學習的人工智能基礎設施，他強調了獲得同事支持和合作的重要性。他說，“企業的團隊可能會使用其計劃引入的人工智能解決方案，如果他們不接受，那將不會有什么好處。”

此外，企業團隊可能會參與產生或審核人工智能解決方案所需的數據，如果他們不支持轉向自動化，將不會獲得良好的數據。Nicholson總結說：“人工智能項目很難起步，所以沒有理由再制造更多的困難。”

4.建立人工智能是一個旅程

首席信息官在選擇人工智能用例時犯的一個錯誤是忘記了人工智能的獨特功能。人工智能之所以偉大，是因為它可以學習，但只知道人類所教的知識。建立人工智能用例是一個旅程，而不是目的地。Marri解釋說，“必須不斷地重新訓練人工智能，以保持它的最新和可用性。例如，聊天機器人需要了解企業的新產品或了解新的或意外的消費者請求，以證明自己的有用性。”

許多人工智能和勞動力相結合的企業都采用這種策略：人工智能遇到麻煩時，人們會處理各種情況，不僅提高用戶體驗，還會為人工智能創造新的數據供其學習。同時，人工智能有助于實施大量重復性工作以及替代人工工作。

5.了解極限

雖然在此討論了如何開始使用人工智能用例以及如何正確地使用它，但也需要注意一些陷阱，以確保項目成功并保持成功。由資深獨立分析師組成的分析組織的首席執行官兼創始人Tom Austin指出了一個致命的例子。他說：“不要像波音737 Max 8上的MCAS(機動特性增強系統)系統的設計者那樣，自動消除人類的判斷。人工智能并不是無所不能的，它是機器人，雖然能做人們做不到的事情，但卻無法思考。”

Austin說，“雖然這樣的例子看起來有些極端，但有一個重要的教訓值得學習：不要將錯誤歸咎于技術，而人類在現在和將來都繼續處在責任鏈的末端。”