来把把脉，为什么你不需要AI？

美国政府更是在今年2月启动了美国AI计划：“共同努力促进并保护国家AI技术和创新”，包括让美国劳动力为AI做好准备的教育和培训机会。

但关于增长和实施的所有这些讨论并没有解决每个企业应该提出的一个关键问题：AI是不是适合解决当前业务问题的解决方案?

冷眼旁观AI

虽然AI大行其道，但事实上绝大多数人根本不需要AI来解决他们面临的大部分难题。此外，投入于AI不像实施即插即用的软硬件那么简单。在做出任何具体决策之前，请考虑采用AI解决方案的以下缺点：

• 缺乏AI技能——在上面提到的Gartner研究中，近54%的调查对象称技能缺口是他们面临的***挑战。
• AI专家短缺——德勤报告中20%以上的调查对象称，AI软件开发人员、数据科学家、用户体验设计师、变革管理专家、项目经理、业务负责人和主题专家等岗位都缺人。
• 模糊的AI策略——想成功实施AI，你需要基于核心业务目标、优先事项和目标制定可靠的AI策略。你还应了解希望解决的核心问题，因为大多数自动化技术仅擅长某个领域。

不用AI照样解决问题

尽管AI大有潜力，但并非每个人都需要AI技术来解决他们的日常业务难题。就像购买好多功能用不着的新款设备一样，实施AI可能大材小用。应该采取一种更务实的方法，而不是盲目跟随AI潮流。冷静下来，从业务角度审视问题，看看需要完成什么任务。然后，确定解决问题或防范问题所需的度量指标和事件的类型。

仅仅堵住我们观察企业组织内软硬件堆栈、传感器和系统的方式所存在的漏洞，用现有工具和技术就可以大有作为——在某些情况下，传统方法实际上比现在的AI解决方案更适合。比如拿时间序列数据来说，这种数据绝大多数使用Holt-Winters算法就可以高效地分析——这种直截了当的方法可以预测结果。许多传统解决方案不需要构建AI解决方案所需的专业知识;鉴于AI工程师稀缺，加上许多公司难以吸引这方面的人才，这是个关键因素。

图1. Holt-Winters算法适用于使用时间序列数据来进行预测

如果没有可靠的业务策略或没有考虑AI对业务或客户的长期影响，采用AI存在极大的危险。就因为你拥有大量数据并不意味着需要采用AI。所有那些数据可能只是许多无用的度量指标。

毫无疑问，AI的承诺听起来很诱人，很可能在很多行业发挥作用。但眼下，这种新兴技术需要这样的专门人才：能够应对复杂的技术难题，并拥有足够的业务领域经验，以了解将AI运用在哪个方面最能获得积极的业务成果。与许多“新”技术一样，在成熟的道路上可能会出现许多失败的AI项目。企业组织因AI潮流所能利用的最重要、积极的近期好处就是，冷静下来，分析今天可以获取的度量指标和事件，还要考虑收集另外哪些度量指标和事件才能解答现有的问题。