企業(yè)人工智能項(xiàng)目該如何起步，哪些問題需要解決

（文章來源：交馳智能）

要在當(dāng)今市場(chǎng)上具有競(jìng)爭(zhēng)力，人工智能（AI）顯然是必不可少的。但是，即使對(duì)于某些世界頂級(jí)公司來說，實(shí)施這項(xiàng)技術(shù)也一直充滿著挑戰(zhàn)。數(shù)據(jù)存在問題，無法找到合適的人才，無法創(chuàng)建可產(chǎn)生足夠投資回報(bào)率的模型。結(jié)果是許多AI項(xiàng)目都失敗了。根據(jù)IDC調(diào)查顯示，只有大約35％的組織成功地將模型投入到了生產(chǎn)。

“雖然我們看到AI技術(shù)執(zhí)行了一系列令人難以置信的任務(wù)，例如Google Translate，AlphaGo等，但很難說出AI能夠解決哪些具體的業(yè)務(wù)問題，”Akur Goyal首席執(zhí)行官表示?！斑@引起了很大的混亂，并且一個(gè)供應(yīng)商社區(qū)通過將事物標(biāo)記為AI來利用它，但實(shí)際并不是AI。這讓人想起了上個(gè)世紀(jì)初，云技術(shù)開始興起，我們進(jìn)行了大量的云計(jì)算工作。當(dāng)他們的產(chǎn)品還是霧件時(shí)，我們就讓供應(yīng)商將此營(yíng)銷為云播放器。同樣，我們現(xiàn)在正在經(jīng)歷一場(chǎng)AI洗禮?！?/p>

那么，如果您的公司正在考慮運(yùn)用AI，那么最好的開始方式是什么？該如何幫助提高成功幾率并避免陷阱？人工智能不是魔術(shù)。它不能解決您公司的所有問題。相反，您需要對(duì)技術(shù)采取實(shí)際的方法。

“與傳統(tǒng)的數(shù)據(jù)分析不同，支持人工智能的機(jī)器學(xué)習(xí)（ML）模型不會(huì)總是提供明確的答案，” Cloudera數(shù)據(jù)工程高級(jí)產(chǎn)品營(yíng)銷經(jīng)理Santiago Giraldo說道?！皩I融入業(yè)務(wù)需要進(jìn)行實(shí)驗(yàn)，并了解并非每個(gè)實(shí)驗(yàn)都會(huì)提高ROI。當(dāng)一個(gè)AI項(xiàng)目成功時(shí)，它通常是建立在許多失敗的數(shù)據(jù)科學(xué)實(shí)驗(yàn)之上的。對(duì)ML和AI采用投資組合方法可延長(zhǎng)項(xiàng)目的壽命，并在未來更有效地基于成功經(jīng)驗(yàn)來進(jìn)行開發(fā)?！?/p>

有趣的是，在很多情況下，該技術(shù)實(shí)際上只是被過度利用了！Veritone產(chǎn)品管理高級(jí)總監(jiān)Gus Walker說到：“企業(yè)通常在進(jìn)行AI項(xiàng)目時(shí)沒有意識(shí)到手動(dòng)進(jìn)行流程可能會(huì)便宜一些，而不是花費(fèi)大量時(shí)間和金錢來建立一個(gè)不會(huì)節(jié)省公司時(shí)間或金錢的系統(tǒng)?！闭l都不想在同一個(gè)項(xiàng)目花費(fèi)大量時(shí)間和金錢之后，才意識(shí)到它存在法律或合規(guī)性限制。這意味著必須放棄之前的努力。

ServiceNow平臺(tái)AI工程高級(jí)總監(jiān)Debu Chatterjee說道：“首先，未經(jīng)允許，不得使用客戶數(shù)據(jù)。第二，應(yīng)該減輕數(shù)據(jù)偏見。應(yīng)當(dāng)避免使用無法通過API進(jìn)行偏差測(cè)試的黑匣子模型。幾乎任何AI模型都存在偏差的風(fēng)險(xiǎn)，即使在算法決策中也是如此，無論該算法是從數(shù)據(jù)中學(xué)習(xí)還是由人類編寫的。

在AI項(xiàng)目的早期階段，應(yīng)該進(jìn)行很多頭腦風(fēng)暴。這也應(yīng)涉及組織中各個(gè)部門的人員，這將有助于使用功效。目的是確定要解決的業(yè)務(wù)問題。

“對(duì)于許多公司來說，問題是它們是從對(duì)技術(shù)的需求開始的，而不是從實(shí)際的業(yè)務(wù)需求開始，” DataRobot的AI戰(zhàn)略副總裁Colin Priest說道，“這讓我想起了史蒂夫·喬布斯（Steve Jobs）的一句名言：‘你必須從客戶體驗(yàn)開始，然后回到技術(shù)中來。而不能從這項(xiàng)技術(shù)開始，然后試圖找出你要賣掉它的地方。’”

要解決的問題也應(yīng)該是具體的（即可以衡量的問題），并且要狹窄，不能太寬。Aspen Technology公司APM咨詢高級(jí)總監(jiān)Mike Brooks表示：“這是一小步。不要去犯試圖讓AI適用于所有事物的錯(cuò)誤。在分析了每個(gè)AI計(jì)劃的價(jià)值之后，真正的收益將在解決一個(gè)非常具體的目標(biāo)時(shí)出現(xiàn)?！?/p>

盡管估算項(xiàng)目的投資回報(bào)率很重要，但對(duì)方程式成本方面的關(guān)注往往很少。但這可能會(huì)令人失望。畢竟，在公司計(jì)劃中超出預(yù)算永遠(yuǎn)不是一件有趣的事。

凱捷北美執(zhí)行副總裁兼I＆D主管杰里·庫茲（Jerry Kurtz）表示：“希望實(shí)施AI項(xiàng)目的公司應(yīng)首先查看運(yùn)營(yíng)成本，并分析成本結(jié)構(gòu)與最佳實(shí)踐的比較。存儲(chǔ)和轉(zhuǎn)換數(shù)據(jù)的成本通常占預(yù)算的70％，而僅帶來價(jià)值的10％。能夠利用AI解決業(yè)務(wù)問題的成本僅為成本的30％，并帶來90％的價(jià)值。如果組織可以減少數(shù)據(jù)成本并改善數(shù)據(jù)質(zhì)量，他們將有更多預(yù)算用于利用AI解決這些業(yè)務(wù)問題，例如提高生產(chǎn)力和效率?！?/p>

運(yùn)用AI可能會(huì)給企業(yè)帶來麻煩。員工可能對(duì)此技術(shù)持懷疑態(tài)度，并可能為工作感到恐懼。這就是為什么需要重點(diǎn)關(guān)注買入的原因，這意味著要清楚地了解收益。它還應(yīng)涉及C-Suite的承諾。根據(jù)O’Reilly最近的一項(xiàng)調(diào)查，考慮到AI的最大瓶頸是缺乏支持的文化。

普華永道全球人工智能負(fù)責(zé)人阿南德·饒（Anand Rao）表示：“企業(yè)要想成功運(yùn)用人工智能，必須擁有一支強(qiáng)大的隊(duì)伍，并擁有正確的員工技能提升計(jì)劃。您不能簡(jiǎn)單地為員工提供AI培訓(xùn)課程；您需要走得更遠(yuǎn)，并提供直接的機(jī)會(huì)和激勵(lì)措施，以應(yīng)用他們所學(xué)的知識(shí)。此外，從任何項(xiàng)目開始就都需要業(yè)務(wù)利益相關(guān)者和最終用戶，而不僅僅是技術(shù)人員。”
? ? ?（責(zé)任編輯：fqj）