首次应用人工智能——你需要思考五个问题

对于企业来说，不必总是在内部构建解决方案，这是常见的失败原因。人工智能技术复杂且仍然不成熟，而且在大多数企业中缺乏人工智能人才和技能。对于多数企业来说，除非项目具有战略重要性，否则应该更多关注由软件供应商提供或在服务提供商定制的方案。人工智能项目面临许多组织和技术的挑战(见图1)。

图1 采用人工智能面临的挑战

虽然许多企业在组织、战略和技术领域发现了一些问题，但他们忽视或低估了同样重要、对最终成功有影响的其他挑战。我们确定了五个可能阻碍人工智能计划的共同挑战领域，并建议企业在他们开始的***个人工智能项目之前就要向团队提出以下问题(见图2)：

图2 在***个人工智能项目之前要问的五个问题

一、您是否清楚地定义了业务问题?

企业经常从竞争压力中开始人工智能项目，担心如果不投资人工智能，就会被甩在其他企业身后。不了解人工智能的***用途往往是企业失败的首要原因。人工智能对于企业来讲***的好处就是能够处理大量多维数据，涉及非结构化数据和复杂系统，包括事件预测、趋势分析、模式识别、机器人和决策/过程自动化、自然语言理解(NLU)、自然语言处理(NLP)和计算机视觉，这些是企业利用人工智能可能取得重大突破的领域，但这些方面的投入可能无法实现对企业来说最直接的利润价值。

人工智能并不是解决每个问题的***方案，有些案例使用传统技术会处理得更好。企业在开始人工智能项目之前，需要了解人工智能的局限性，教育高级管理人员和项目团队沿着这些路线来设定正确的期望。

当应用于正确的问题类型和业务问题时，人工智能可以显示出巨大的价值。通过解决这些问题，企业的高级管理层可以注入对人工智能技术的信心，并为未来的计划获得资金。

二、你能从实际的商业角度定义成功吗?

定义业务成功需要前期对预期的成果设定一些量化指标，这可能很困难，因为与传统IT项目相比，人工智能项目的结果通常不那么确定。因此，组织需要利用实验性和启发式方法来解决这个问题。Gartner的一项调查发现，提高效率、客户体验和降低成本是企业投资人工智能的三大原因(见图3)：

图3 人工智能对组织至关重要的主要原因

企业应使人工智能项目与价值指标保持一致(表1)：

表1人工智能业务价值指标

三、您是否包括业务领域、IT和分析专家?

项目经常因为团队相关的问题而失败。让合适的人参与项目是成功的重要组成部分。这意味着要建立一个跨部门、多功能的群体，其中包括：

• 具有相关业务知识的业务领域专家;
• 具有提供开发和集成专业知识所需技术技能的IT人员;
• 能够协助建模和数据管理需求的数据科学家。

这个团队需要被授权做出决定，并在需要时采取行动。但这可能不是一个好主意，因为初学者组织还没有合适的人工智能知识或技能，并且可能没有能力确定企业的正确战略和结构。组织应该采取实验性的方法，首先启动几个项目，以了解驱动人工智能计划所需的技能、治理模型和团队结构。

图4 组织和管理人工智能调查

四、您是否调查了所有采购选项并确保了持续维护?

企业应该探索各种选择，以获得一个可行且性能卓越的人工智能解决方案，在性能、成本和技术成熟度之间寻求平衡。在没有调查每个采购选项，或者在没有了解问题的正确技术之前，可能导致投资浪费或解决方案性能不佳。企业往往在选择购买、外包还是建造方面进退两难，像其他任何破坏性技术一样，将引入人工智能的连锁反应最小化是企业首要考虑的问题。从这个角度来看，按照以下顺序，组织应该尝试购买、外包和构建人工智能解决方案。企业应将这些选项混合用于各种人工智能计划(见图5)：

图5 人工智能解决方案采购选项的考虑因素

• 购买：许多软件供应商(包括Salesforce、Oracle和SAP)已将人工智能技术集成到其专业解决方案中。组织应该首先探索“预集成”的功能，因为它们提供的功能能够以最小的努力来解决问题。
• 外包：人工智能技术往往供不应求，而且价格昂贵。对于一个试图证明人工智能技术价值并受到预算限制的组织来说，外包路线是一个合理的选择。
• 建造：需要组织具备适当的技术基础和能力，同时要确认人工智能技术对于组织来说具有战略重要性，组织要认识到拼凑各种应用程序并集成这些技术是一个复杂的过程，需要付出巨大的努力，必须在过程的早期加以谋划周全。

根据Gartner最近的一项研究，许多使用人工智能的组织选择建立他们自己的解决方案，而不是购买或外包。

图6人工智能解决方案的企业技术路线调查

五、您是否已操作解决方案以充分利用该技术?

一个解决方案不仅是有效地分配适当的IT资源，还意味着以系统的方式预测人工智能元素的持续演变，在业务流程中引入人工智能的不连续性，并不断调整决策模型。

人工智能技术的操作或控制比其技术发展更加容易被人们忽视。忽视操作化阶段经常阻碍企业充分实现他们在人工智能方面的努力，同时也加剧了信心缺失。

有许多例子表明，人工智能技术应用于一个过程的一部分，已经大大改善了该部分相关的决策，而其余的过程却出现了负面的影响，企业需要应对这些负面的影响。例如，一家大型共同基金公司推出了一种对话代理系统，旨在自动处理机构投资者的财务文件要求，系统识别出所有相关的文档，甚至那些页面非常多的文档，并将它们发送给请求者。尽管这些文件是绝对相关的，但是人工智能会提出更具歧视性的要求，让人们中断且不知所措。

企业需要思考人工智能决策模型在日益复杂的组织环境中运行。我们传统上对决策的思考方式通常是通过确定性过程，即通过预先确定的事件序列采取行动。不确定性和未预料到的元素在复杂的业务系统中很常见，并可能导致不确定性行为(即本质上不可预测的行为)。