人工智能項(xiàng)目需要注意避免什么問(wèn)題的出現(xiàn)

從建立孤立的概念證明到缺乏定義的成功標(biāo)準(zhǔn)，一系列的陷阱都會(huì)破壞你人工智能項(xiàng)目的商業(yè)前景。

近年來(lái)企業(yè)對(duì)人工智能的商業(yè)熱情一直有增無(wú)減。IDC的最新預(yù)測(cè)顯示，全球企業(yè)在認(rèn)知和人工智能系統(tǒng)（從聊天機(jī)器人到深度學(xué)習(xí)，再加上為這些系統(tǒng)提供動(dòng)力的基礎(chǔ)設(shè)施）上的支出將從今年的240億美元增至2022年的776億美元，增長(zhǎng)將達(dá)到兩倍以上。

更為明顯的是，人工智能已經(jīng)從早期的采用者變成了主流的商業(yè)用例，幾乎每個(gè)行業(yè)都有廣泛的組織在探索試點(diǎn)項(xiàng)目，并將人工智能投入生產(chǎn)。但這并不意味著在這過(guò)程中是萬(wàn)無(wú)一失，毫無(wú)風(fēng)險(xiǎn)的。如果你不想浪費(fèi)你將要花在人工智能上的資金，這里有一些常見(jiàn)的錯(cuò)誤需要避免。

貪多必失

“不要試圖在第一天就把海洋煮沸，”微軟云人工智能團(tuán)隊(duì)的負(fù)責(zé)人Lance Olsen告訴CIO.com。你不可能在一夜之間就能用人工智能來(lái)改變你的整個(gè)商業(yè)決策過(guò)程，所以最好從小處著手，在你獲得專(zhuān)業(yè)知識(shí)的同時(shí)采取漸進(jìn)的步驟。

尋找你容易摘到的果實(shí)。在處理最重要的系統(tǒng)之前，你需要開(kāi)發(fā)一個(gè)系統(tǒng)先用于實(shí)驗(yàn)和驗(yàn)證實(shí)驗(yàn)結(jié)果。他警告稱(chēng)：“不要一開(kāi)始就進(jìn)行最大的投資?！?/p>

建立獨(dú)立的概念驗(yàn)證系統(tǒng)

構(gòu)建一個(gè)一次性的人工智能系統(tǒng)并不能幫助你創(chuàng)建人工智能的整體流程，也不是你現(xiàn)有數(shù)據(jù)管道的一部分，無(wú)法讓你向前走得很遠(yuǎn)。你需要為每個(gè)項(xiàng)目創(chuàng)建一個(gè)可持續(xù)的AI資產(chǎn)。在這里，可持續(xù)性意味著一個(gè)能夠產(chǎn)生足夠投資回報(bào)率的系統(tǒng)，你可以持續(xù)投資該系統(tǒng)以實(shí)現(xiàn)進(jìn)一步的開(kāi)發(fā)和擴(kuò)展。每次你這樣做的時(shí)候，都將有助于為整個(gè)業(yè)務(wù)創(chuàng)建AI功能，而不僅僅是一個(gè)特定團(tuán)隊(duì)的新工具。

在你已經(jīng)在做的商業(yè)分析的基礎(chǔ)上，將這些歷史系統(tǒng)轉(zhuǎn)化為預(yù)測(cè)能力。Olsen說(shuō)：“從投資優(yōu)化開(kāi)始，利用你現(xiàn)有的管道，在你已經(jīng)做的事情上進(jìn)行優(yōu)化。”然后你就可以繼續(xù)進(jìn)行更革命性的項(xiàng)目，對(duì)你的流程工作方式做出更大的改變。

沒(méi)有合適的技術(shù)基礎(chǔ)設(shè)施

根據(jù)麥肯錫最近的一份報(bào)告，在開(kāi)始人工智能之前，你需要投資核心的和更先進(jìn)的數(shù)字技術(shù)。已經(jīng)在云計(jì)算、移動(dòng)和網(wǎng)絡(luò)開(kāi)發(fā)、大數(shù)據(jù)和分析領(lǐng)域擁有專(zhuān)業(yè)知識(shí)的公司采用人工智能工具的可能性是其他公司的三倍。四分之三采用人工智能的組織表示，他們依賴(lài)于從現(xiàn)有的數(shù)字能力中學(xué)到的東西。換句話說(shuō)：如果你的企業(yè)還沒(méi)有準(zhǔn)備好利用云計(jì)算和數(shù)據(jù)分析，那么你可能也還沒(méi)有準(zhǔn)備好接受人工智能。

缺乏數(shù)據(jù)

絕大多數(shù)人工智能系統(tǒng)——包括企業(yè)自行構(gòu)建的——都是機(jī)器學(xué)習(xí)系統(tǒng)，而機(jī)器學(xué)習(xí)需要數(shù)據(jù)。正如微軟公司副總裁Julia White在公司最近的商業(yè)AI活動(dòng)上所說(shuō)的，“我們新的機(jī)器人會(huì)在哪里？或者說(shuō)，新的機(jī)器人會(huì)從哪里學(xué)習(xí)呢？”事實(shí)上，如果沒(méi)有好的數(shù)據(jù)，AI會(huì)傷害你而不是幫助你，因?yàn)槟銓?shí)際上是在對(duì)一些沒(méi)有實(shí)際證據(jù)的事情充滿(mǎn)信心。

此外，如果你只有和你的競(jìng)爭(zhēng)對(duì)手一樣的公共數(shù)據(jù)，你只會(huì)得到和你的競(jìng)爭(zhēng)對(duì)手一樣的洞察力，所以你需要使用你組織自己的獨(dú)特?cái)?shù)據(jù)。假設(shè)你已經(jīng)收集了正確的數(shù)據(jù)，這些數(shù)據(jù)也還需要進(jìn)行清理和標(biāo)準(zhǔn)化。

不要低估在這方面所需的投資;收集和清理數(shù)據(jù)通常占了數(shù)據(jù)科學(xué)家工作的80%左右。從你已經(jīng)用于商業(yè)智能和分析的數(shù)據(jù)開(kāi)始，還可以更容易地確保你的人工智能系統(tǒng)將支持關(guān)鍵的業(yè)務(wù)流程，從而使其更有可能發(fā)揮作用。這也將有助于你定義數(shù)據(jù)準(zhǔn)備的工具和流程，你可以使用這些工具和流程來(lái)處理尚未使用的數(shù)據(jù)。

缺乏評(píng)估和衡量成功的標(biāo)準(zhǔn)

數(shù)據(jù)科學(xué)就是科學(xué)。你需要有一個(gè)關(guān)于如何改進(jìn)商業(yè)決策、銷(xiāo)售、客戶(hù)支持或其他任何你想用AI做的事情的假設(shè)，你必須在行動(dòng)中測(cè)試并評(píng)估結(jié)果。

這意味著你需要設(shè)計(jì)如何衡量一個(gè)項(xiàng)目是成功的——無(wú)論是在采用還是結(jié)果方面。這可以轉(zhuǎn)化為使項(xiàng)目與員工的業(yè)績(jī)截止日期保持一致，比如銷(xiāo)售和營(yíng)銷(xiāo)團(tuán)隊(duì)的90天前景，或者聯(lián)系中心的小時(shí)配額。這也意味著擁有一個(gè)不使用新系統(tǒng)的控制組，因?yàn)槿绻阍陂_(kāi)發(fā)新系統(tǒng)上投入了大量資金，可能會(huì)得到一個(gè)過(guò)于主觀的結(jié)論。你需要確保人們?cè)谧鰯?shù)據(jù)驅(qū)動(dòng)的決定，而不是依靠直覺(jué);如果他們習(xí)慣性地忽略數(shù)據(jù)，那么即使讓人工智能工具向他們展示數(shù)據(jù)也將無(wú)濟(jì)于事。你還需要提前決定成功是什么樣子的，因?yàn)檫@是你正在測(cè)試的假設(shè)。你想要更多的客戶(hù)訂單還是更大的訂單？你想減少客戶(hù)支持電話，還是需要更少的時(shí)間來(lái)解決打電話的客戶(hù)？

開(kāi)始時(shí)不知道人工智能能幫你解決什么問(wèn)題

“人工智能”這個(gè)詞的問(wèn)題在于，它能讓人覺(jué)得一切皆有可能。在過(guò)去的幾年里，人工智能行業(yè)已經(jīng)取得了巨大的進(jìn)步，但是你仍然需要知道人工智能可以實(shí)際提供什么，以及它將如何集成到你現(xiàn)有的系統(tǒng)和業(yè)務(wù)流程中。然后你需要知道你的組織有什么問(wèn)題，人工智能可以幫助你解決什么問(wèn)題。你不能因?yàn)槠渌径荚诓捎萌斯ぶ悄?，就采用它?/p>

“高管們?cè)谇笾谌斯ぶ悄苤靶枰紤]兩件事，”Cheetah Digital的分析服務(wù)高級(jí)總監(jiān)Jacob Davis告訴CIO.com?！暗谝?，我們真正想要解決的是什么？我們現(xiàn)在如何解決這個(gè)問(wèn)題并掌握手頭的數(shù)據(jù)？如果你不能想出一些東西，即使是理論上的，那么可能在你目前狀態(tài)的可能性范圍內(nèi)，AI也無(wú)法幫到你。第二：我考慮人工智能是因?yàn)槲衣?tīng)到了很多關(guān)于它的炒作嗎？你必須真正評(píng)估你對(duì)這類(lèi)解決方案的渴望，否則，你可能會(huì)在一些無(wú)法增加真正價(jià)值的東西上投入大量資金?！?/p>

沒(méi)有合適的人才也沒(méi)有合適的項(xiàng)目

你將需要數(shù)據(jù)科學(xué)專(zhuān)業(yè)的知識(shí)，如果您沒(méi)有專(zhuān)門(mén)的數(shù)據(jù)科學(xué)團(tuán)隊(duì)，那么這些專(zhuān)業(yè)知識(shí)通常會(huì)在IT團(tuán)隊(duì)中建立起來(lái)。無(wú)論它在哪里，重要的是不要把它孤立在一個(gè)卓越的中心。Ovum最近為數(shù)據(jù)科學(xué)軟件供應(yīng)商Dataiku所做的一項(xiàng)針對(duì)全球2000個(gè)生產(chǎn)人工智能項(xiàng)目的組織的研究表明，要使項(xiàng)目成功，這些專(zhuān)家需要參與他們正在解決的問(wèn)題所在的業(yè)務(wù)團(tuán)隊(duì)，以及項(xiàng)目管理和開(kāi)發(fā)團(tuán)隊(duì)中去。因?yàn)橹醒雸F(tuán)隊(duì)可能會(huì)錯(cuò)過(guò)當(dāng)?shù)貥I(yè)務(wù)部門(mén)的一些文化差異。

“一次又一次，我們看到世界各地的公司和跨行業(yè)的團(tuán)隊(duì)無(wú)法開(kāi)始他們的數(shù)據(jù)工作，因?yàn)樗麄儫o(wú)法幫助不同地區(qū)的這些人共同合作——更不用說(shuō)擁有不同技能以及不同類(lèi)型的人了，“Dataiku的首席執(zhí)行官Florian Douetteau說(shuō)。如果你不能讓數(shù)據(jù)科學(xué)專(zhuān)家永久駐扎在關(guān)鍵位置，可以利用中央專(zhuān)家的協(xié)作和知識(shí)轉(zhuǎn)移來(lái)幫助培養(yǎng)當(dāng)?shù)氐臄?shù)據(jù)科學(xué)技能。

建立你自己的人工智能能力

雖然IBM Watson廣為人知，但即使是預(yù)先構(gòu)建的人工智能服務(wù)也需要時(shí)間和專(zhuān)業(yè)知識(shí)來(lái)與你自己的系統(tǒng)和流程集成，并且必須仔細(xì)評(píng)估，但是很少有企業(yè)具備從頭開(kāi)始構(gòu)建一切的專(zhuān)業(yè)知識(shí)。如今，AI工具越來(lái)越多地內(nèi)置于SaaS產(chǎn)品中，例如Salesforce、Dynamics和Adobe的營(yíng)銷(xiāo)云，盡管它們很可能是你需要額外付費(fèi)的插件。Azure、AWS和Google也提供了云計(jì)算機(jī)器學(xué)習(xí)服務(wù)，這些服務(wù)可以提供特定的“認(rèn)知服務(wù)”，例如機(jī)器視覺(jué)和語(yǔ)音識(shí)別，你可以定制并構(gòu)建到自己的工具和服務(wù)中，你也可以提供你自己需要和可以適應(yīng)的通用解決方案庫(kù)。利用這些工具快速起步，然后考慮需要從頭構(gòu)建哪些其他模型和工具，因?yàn)閱T工對(duì)人工智能所能帶來(lái)的生產(chǎn)率優(yōu)勢(shì)會(huì)更加適應(yīng)。

期待人工智能徹底取代人力

像自動(dòng)化一樣，人工智能將在人類(lèi)和人工智能系統(tǒng)協(xié)同工作時(shí)給你帶來(lái)最大的性能和生產(chǎn)力提升。《哈佛商業(yè)評(píng)論》最近的一項(xiàng)研究顯示，隨著企業(yè)采用越來(lái)越多的人機(jī)協(xié)作，績(jī)效提高了4到7倍。為了獲得這種協(xié)作，業(yè)務(wù)團(tuán)隊(duì)需要參與評(píng)估人工智能系統(tǒng)究竟能夠?yàn)樗麄儗?shí)際做些什么。能夠?yàn)閷?zhuān)家提供建議、多種選擇、決策支持和升級(jí)的人工智能工具，顯然比那些在沒(méi)有任何人工參與的情況下僅僅給出簡(jiǎn)單的yes/no答案的工具來(lái)說(shuō)更加有用。

責(zé)任編輯：ct