企业的人工智能计划获得成功必须做的10件事
发布时间：2021-06-05 17:39:37 所属栏目：大数据 来源：互联网
导读：在获得市场竞争优势的过程中，很多企业急于采用新兴技术。然而在匆忙实施的情况下，一些企业由于缺乏扎实的基础而在应用中陷入困境。 分析决策平台提供商FICO公司首席分析官Scott Zoldi说：很多企业想采用人工智能技术解决问题，只是因为它是人工智能，而不
|
在获得市场竞争优势的过程中，很多企业急于采用新兴技术。然而在匆忙实施的情况下，一些企业由于缺乏扎实的基础而在应用中陷入困境。
分析决策平台提供商FICO公司首席分析官Scott Zoldi说：“很多企业想采用人工智能技术解决问题，只是因为它是人工智能，而不是因为它是一种更好的解决方案。因此，这些企业必须从治理的角度开发人工智能，也就是从项目角度和道德角度讨论数据、成功标准和风险的治理过程。”
一些企业的人工智能计划之所以失败，是因为他们的想法不够充分和明智。例如：
人工智能计划是与业务战略分开创建的，因此不会产生战略影响。
成功的标准过于宽泛，因为它们没有包含具体的成功指标(例如，“希望更具竞争力”，而不是“希望将欺诈减少15%，同时减少30%的误报率”)。
未考虑变更管理方面，因此其计划面临阻力。
哈佛商学院工商管理学教授Marco Iansiti说：“跨业务部门的共享功能或共享数据变得比单个部门的自治更为重要。这给传统企业带来了各种困难。”
人工智能的使用已成为一个战略问题，以至于首席执行官需要参与定义其公司的人工智能战略。
咨询机构埃森哲公司北美地区应用智能业务主管Arnab Chakraborty说：“早些时候，我们看到的是首席信息官、首席技术官和一些首席执行官参与制定公司的人工智能战略，但现在首席执行官们意识到，这将重新定义他们所在行业和所在公司的未来。他们认为这是在人工智能走向未来的背景下对他们业务的重塑。”
通过以整体方式对计划进行思考，并让价值流中的人员能够从各个方面进行思考，这样可以避免或减少一些常见的失误，这些方面包括机会、风险、潜在影响、成功因素、数据要求、合规性问题、治理等。其他成功因素也会随之而来。
1.了解为什么需要人工智能
许多企业面临采用人工智能的竞争压力。但是，更好的方法是退后一步，详细了解企业要完成的工作，然后考虑实际需要做些什么。
关注数据智能和自动化的全球IT咨询机构NTT DATA Services公司高级总裁Theresa Kushner说：“企业需要了解为什么需要采用人工智能技术。在没有计划如何使用它或没有期望目标的情况下创建人工智能或机器学习算法将会浪费资金和人才。采用人工智能解决问题才是第一步。事实表明，大约有六分之一的项目能够带来投资回报。”
Kushner表示，需要记住的是，人工智能用于不同目的，例如降低成本、增加收入、预测结果或优化流程。即使断定人工智能技术可以解决此类问题，但可能仍缺少解决这些问题所需的数据。
2.训练优质数据
永远不要低估数据的力量。如果它很杂乱，那么这是一种自然状态，企业收集的数据通常是不一致、不准确、不完整或重复的。当使用没有清理过的数据作为训练数据时，可能会导致不良结果，例如较差的建议和错误的结论。
移动和网络应用平台提供商ISBX公司总裁Arthur Iinuma说，“人工智能具有强大的能力，但任何人工智能解决方案都只能与其源数据一样好。在任何人工智能实施之前，必须采取措施确保数据质量和可用性，并定义清晰和可衡量的关键绩效指标。全面清洁的数据集对于确保最佳结果至关重要。”
3.认识到实验室结果和现实世界的结果可能不同
一些人工智能试点项目在实验室中工作良好，但在现实世界中却表现不佳，因为现实世界要复杂得多且随机得多。同样，一个成功的用例并不能保证人工智能应用于另一种用例时也会表现良好。
人工智能开发商BeyondMinds公司首席执行官Rotem Alaluf说：“现实世界中的人工智能与实验室中的人工智能并不完全相同，其解决方案应该更加完整、稳定以及适应性强。这就像专业选手和业余选手的区别一样。虽然采用的是相同的游戏规则，但是反应和适应意外的技能和能力不同。我们需要了解实验室人工智能技术的局限性，了解在现实世界中如何从中创造价值，并在企业中以可扩展的方式使用。”
4.人工智能获得成功需要团队的努力
人工智能技术总是离不开数据科学家的参与。人工智能项目实际上是一项团队活动，它需要获得企业管理人员的支持和跨职能业务部门的协作。
Betsy说：“让相关的业务和产品决策者、数据所有者和经理、工程团队和数据科学家协同工作是至关重要的。如果缺少一些利益相关者的支持，成功的可能性就很小。在大型企业中，尤其是那些业务职能分工分明的企业，建立所需的跨职能团队可能很困难。企业需要确保在每个区域的报告链中都得到支持。”
例如，如果数据科学团队与领导人工智能计划的产品团队位于企业的不同部门，那么明智的做法是获得管理数据科学家的管理者的支持，以避免优先排序或资源冲突。
 （编辑：宜春站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
