技术革新不能停留于“原型”…

技术革新不能停留于“原型”…

当然对于任何企业任何人来说,新兴技术的应用绝不会一帆风顺,总会遇到这样或那样的挑战,更何况是在没有前人的经验借鉴和明确的政策指引的情况下。相比之下制定一份有效可行的路线图,还不如广告宣传更容易植入人心,然而这片热浪过后,接下来就不得不重新思考,技术革新不能停留于表面,也不能止于“原型”。

新技术是如何进入市场的?

新技术通常会有以下几种方式渗透到市场。比如公司一位高管了解到竞争对手在应用一项新技术上取得了成功;或者一位领导决策者参加了一个会议,看到了利用新技术创造竞争优势的机会;也或者是一篇文章或博客开始了这一切。

不过也有一些草根阶层在努力将新兴技术运用于他们的工作或者作为创业的突破口。还有一些公司内部的研发团队也在积极探索感兴趣的领域,他们会向领导们极力推荐新技术,甚至说服他们改变公司的游戏规则。

公司研发新技术新项目通常都从原型的构建开始,设计原型是为了演示一些新技术如何工作。这些快速易行的解决方案通常比较受限,没有长远的目标定位,一开始会忽略可扩展性和通用性问题。

毕竟原型很容易创建,而且价格低廉。在这个初始阶段,也不需要构建生产准备工作,可能也没有做长期的规划。这有利于公司迅速取得胜利,也为员工的成长、企业的发展带来深远的影响。短期内获得的显著成果固然令人兴奋,然而在原型阶段之后,项目就停滞不前了。

曾经席卷企业界的人工智能和机器学习等新技术,同样面临着挑战,它们的进一步研究也开始出现瓶颈,甚至“死于原型”。

这些新的技术在许多商业应用中像一个黑盒子。即使初期阶段产生了积极的效果,管理人员也不愿意越过原型阶段走向下一个阶段。

他们的担心不无道理,即使这些“原型”项目,在受控环境中很容易显示成功;但是如果人工智能和机器学习失败时,结果可能是毁灭性的。对企业领导者来说,在不能确保万无一失的情况下,大规模拓展新技术来经营业务是一个冒险的决定。

毋庸置疑,成功的人工智能或机器学习技术肯定会替代以前由人类进行的工作。这确实让很多行业特别是那些对未来自动化持乐观态度的人们感到兴奋。据爱德曼2019年的一项调查显示,只有30%的公众对工作场所的人工智能持正面看法。谁愿意承认未来他们的角色将会过时? 谁又愿意积极推动可能会丢掉饭碗的技术?

另外,人工智能也面临着编程方面的挑战。招聘和培训一大批具有编程技能的人员和相应的管理人员需要大量的资金。因此大多数企业还没有做好心理准备,只有与投资相匹配的回报才能坚定他们的信念。

然而,那些敢于冒险的人往往会得到丰厚的回报。麦肯锡公司(McKinsey & Company)的调查显示,78%的企业表示,它们从不同业务领域的人工智能应用中获得了显著或相匹配的价值。只有1%的人在实施后表示“没有或负值”。

尽管机器学习和人工智能等技术“很少有人能做到成功”,但在挑战的背后也给大胆的企业带来切实的竞争优势。如果您希望取得那样的成就,那么在原型开发之前,请考虑以下五个方面:

1. 考虑财政。把原型开发集中在有资金潜力的业务领域。如果资金还没有到位,那就制定一个全面的计划来确保资金的安全。如果在财务安全方面有困难,那就不要在原型的概念验证之外投入太多的时间和精力。

2. 识别问题。无论是部署人工智能、机器学习或是任何其他新技术方案时,都要清楚自己实现怎样的目标(解决什么问题)。要从业务领域的角度考虑原型开发的可扩展性,尽量寻找获益更多的业务领域。

注意,并不是所有的原型都能够带来收益。有的原型目的在于提供新的价值理念,而有的原型希望最终可实施,理解他们之间的区别。

3. 制定一个完整的计划。在开始构建原型之前,一定要进行顶层设计和长远计划——在原型阶段之后会发生什么。整个团队对原型阶段的目标有一个普遍的认同和共识,这会体现团队的责任感,加速项目的进展。

4. 投资不同原型。构建人工智能、机器学习或其他解决方案的不同原型,有助于企业将多项业务与新技术相结合,进而最大化投资回报。在将一种原型与另一原型进行比较的同时,提高了成功的把握。

5. 制定推广计划。原型的成功并不能保证生产的可行性。应当考虑处于生命周期不同阶段的多个级别的原型。建议您采用这种分层模型:第一层确认价值,第二层验证可扩展性,第三层测试可实施性,最后一层形成可作业化的整体解决方案。

良好的开端等于成功的一半。没有计划而开始任何技术实现都将以失败告终。

“原型”已经朝着正确的方向迈出了一大步,但是你的终极目标远远不止于简单地构建一个原型。