[[393200]]

【51CTO.com快譯】人工智能可以為企業(yè)帶來競爭優(yōu)勢，并釋放難以獲得的巨大商機(jī)。因此，人們需要了解制定有效的人工智能優(yōu)先策略的6個(gè)步驟。

人工智能對現(xiàn)代企業(yè)的影響令人難以置信。那么你是否知道Netflix公司的人工智能推薦引擎每年可以獲得10億美元的收入?Netflix公司并不是唯一意識(shí)到人工智能重要性的企業(yè)，調(diào)查表明84%的企業(yè)認(rèn)為人工智能可以給他們帶來競爭優(yōu)勢。

人工智能技術(shù)在過去幾年中取得了飛速的發(fā)展。自動(dòng)化和人工智能領(lǐng)域的許多發(fā)展和進(jìn)步都集中在提高員工生產(chǎn)力上。根據(jù)調(diào)研機(jī)構(gòu)埃森哲公司的預(yù)測，到2035年，人工智能將使企業(yè)的生產(chǎn)率提高40%。

人工智能技術(shù)最有影響力的應(yīng)用并不是生產(chǎn)力或運(yùn)營業(yè)務(wù)速度的提高，而是解決以前無法解決的問題的能力。

人工智能優(yōu)先戰(zhàn)略的主張是：人工智能提供以前由于技術(shù)限制而無法獲得的業(yè)務(wù)解決方案，這些解決方案可以使企業(yè)具有競爭優(yōu)勢。人工智能優(yōu)先的戰(zhàn)略將人工智能融入業(yè)務(wù)活動(dòng)的技術(shù)堆棧中，以至于它消失在基礎(chǔ)設(shè)施中?？蛻魺o需學(xué)習(xí)適應(yīng)，員工無需人工處理，其結(jié)果可以實(shí)時(shí)提供給各個(gè)用戶，無論是客戶還是員工。

與傳統(tǒng)的數(shù)據(jù)驅(qū)動(dòng)決策過程不同，企業(yè)獲得人工智能系統(tǒng)生成的見解，然后做出明智的決策，而人工智能優(yōu)先策略可自動(dòng)執(zhí)行決策，從而極大地提高了業(yè)務(wù)響應(yīng)能力。

創(chuàng)建人工智能優(yōu)先策略的步驟

有些組織創(chuàng)建了自己的人工智能戰(zhàn)略，其戰(zhàn)略只是對其業(yè)務(wù)運(yùn)營采用人工智能并進(jìn)行改進(jìn)。人工智能優(yōu)先策略與這種方法有所不同，因?yàn)樗ǔ?huì)徹底改變常規(guī)業(yè)務(wù)。

人工智能優(yōu)先戰(zhàn)略將釋放新的商機(jī)，創(chuàng)造更高的客戶價(jià)值，并使用顛覆性解決方案解決原有的業(yè)務(wù)問題。而潛在的顛覆性技術(shù)需要采用顛覆性的方法來實(shí)現(xiàn)。并非所有企業(yè)都意識(shí)到這一點(diǎn)，這就是所有人工智能項(xiàng)目中有50%最終失敗的原因!

以下是實(shí)施有效的人工智能優(yōu)先策略的6個(gè)步驟：

1.建立人工智能就緒文化

人工智能優(yōu)先戰(zhàn)略將人工智能嵌入到業(yè)務(wù)方法的基本結(jié)構(gòu)中。它使員工能夠利用人工智能開發(fā)創(chuàng)新的解決方案，從而為客戶增加價(jià)值，并提高企業(yè)的收入。因此，需要轉(zhuǎn)變企業(yè)文化的模式為這種策略騰出空間。而且與任何變革措施一樣，它也會(huì)充滿原有的慣性。

人工智能優(yōu)先戰(zhàn)略必須獲得企業(yè)內(nèi)部各個(gè)層面和各個(gè)部門的支持才能獲得成功。以下是一些在企業(yè)內(nèi)部為人工智能策略提供支持的想法：

• 獲得高層管理人員的支持

企業(yè)需要從上向下領(lǐng)導(dǎo)變革。在高層管理人員率先進(jìn)行人工智能轉(zhuǎn)型的過程中，可以向員工明確地傳達(dá)人工智能轉(zhuǎn)型是至關(guān)重要的這一信息。

• 建立人工智能變革團(tuán)隊(duì)

企業(yè)召集內(nèi)部各個(gè)部門的創(chuàng)新性人才，并任命他們?yōu)樽兏锿苿?dòng)者。從他們那里了解有關(guān)各自部門需求、人工智能應(yīng)用程序以及對人工智能轉(zhuǎn)型面臨障礙的反饋。授權(quán)這些變革推動(dòng)者領(lǐng)導(dǎo)各自部門的人工智能轉(zhuǎn)型，對個(gè)人的成就進(jìn)行獎(jiǎng)勵(lì)以提高團(tuán)隊(duì)成就。

• 教育利益相關(guān)者

企業(yè)的變革推動(dòng)者只是推動(dòng)人工智能轉(zhuǎn)型還不夠，還必須廣泛采用人工智能。而且只有當(dāng)認(rèn)識(shí)到人工智能的潛力時(shí)，這種情況才會(huì)發(fā)生。因此需要對他們進(jìn)行有關(guān)人工智能和應(yīng)用以及對企業(yè)具有潛在影響的教育。

2.投資人才

招募人工智能技能的人才是有效實(shí)施人工智能優(yōu)先策略的第二個(gè)重要的措施，僅次于數(shù)據(jù)質(zhì)量。企業(yè)在創(chuàng)建人工智能團(tuán)隊(duì)時(shí)，需要考慮以下幾點(diǎn)：

• 尋求合適的人才

招募合適的人才對于實(shí)現(xiàn)人工智能目標(biāo)至關(guān)重要。但是，找到具有機(jī)器學(xué)習(xí)專業(yè)技能的人才說起來容易做起來難。人工智能技術(shù)發(fā)展如今仍然處于萌芽狀態(tài)，因此，沒有合適的人才，實(shí)施人工智能項(xiàng)目的成本很高。

此外，人工智能項(xiàng)目需要各種資源，需要數(shù)據(jù)工程師或研究人員來組織企業(yè)的數(shù)據(jù)，需要數(shù)據(jù)科學(xué)家從中提取見解，還需要軟件工程師創(chuàng)建應(yīng)用程序。

• 人員招聘

現(xiàn)在，人工智能的潛在投資回報(bào)遠(yuǎn)遠(yuǎn)超過其成本。那并不意味著在人員招聘花費(fèi)更多的費(fèi)用。有時(shí)候，培養(yǎng)內(nèi)部人才比招聘外部人才更明智。通過傳授經(jīng)驗(yàn)和知識(shí)培訓(xùn)，企業(yè)的內(nèi)部員工通常能夠承擔(dān)開發(fā)人工智能項(xiàng)目的工作。

• 基于價(jià)值的戰(zhàn)略

確保人工智能團(tuán)隊(duì)了解企業(yè)的目標(biāo)和價(jià)值觀，并根據(jù)這些制定人工智能目標(biāo)。與此同時(shí)，新組建的人工智能團(tuán)隊(duì)必須具有明確的頭銜和團(tuán)隊(duì)結(jié)構(gòu)，才能像運(yùn)轉(zhuǎn)良好的機(jī)器那樣發(fā)揮作用，以實(shí)現(xiàn)共同的目標(biāo)。此外，還應(yīng)該根據(jù)業(yè)務(wù)現(xiàn)狀和企業(yè)價(jià)值確定優(yōu)先級。

3.實(shí)施計(jì)劃

人工智能項(xiàng)目不同于其他常規(guī)項(xiàng)目。它的成功將對企業(yè)的各個(gè)方面及其未來發(fā)展產(chǎn)生深遠(yuǎn)的影響。因此必須有一個(gè)明確的實(shí)施計(jì)劃。

• 從人工智能目標(biāo)入手

企業(yè)需要?jiǎng)?chuàng)建流程、任務(wù)和問題的全面列表，在這個(gè)列表中，人工智能可以提供最大或即時(shí)的影響。此外，根據(jù)它們對業(yè)務(wù)的重要性來確定這些人工智能目標(biāo)的優(yōu)先級，并按順序進(jìn)行處理。闡明企業(yè)中每個(gè)部門的人工智能目標(biāo)，并確定其范圍，其中包括技術(shù)先決條件和理想結(jié)果。

• 通過人工智能框架實(shí)現(xiàn)標(biāo)準(zhǔn)化

企業(yè)開發(fā)一套具有標(biāo)準(zhǔn)的人工智能框架，以評估人工智能在預(yù)定目標(biāo)方面的成功與否。這些標(biāo)準(zhǔn)應(yīng)該引導(dǎo)企業(yè)找到合適的指標(biāo)，以幫助評估人工智能計(jì)劃在每個(gè)層面上的成功。

• 考慮構(gòu)建與購買

企業(yè)需要權(quán)衡構(gòu)建人工智能系統(tǒng)與購買人工智能的利弊。通常情況下，購買或租用人工智能系統(tǒng)是一種更加經(jīng)濟(jì)可行的選擇，可以立即開始使用。但是，第三方人工智能并不是專門為企業(yè)的業(yè)務(wù)和應(yīng)用程序設(shè)計(jì)的，因此并未針對它們進(jìn)行優(yōu)化。因此，需要降低對第三方人工智能解決方案的期望。

另一方面，從頭開始構(gòu)建人工智能既昂貴又費(fèi)時(shí)。但是，由于針對獨(dú)特應(yīng)用程序進(jìn)行全面優(yōu)化，因此其結(jié)果將會(huì)更好。

4.數(shù)據(jù)收集與準(zhǔn)備

強(qiáng)大的數(shù)據(jù)策略是成功的人工智能策略的核心。開發(fā)其策略將涉及三個(gè)步驟：

• 識(shí)別數(shù)據(jù)集

對于從人工智能中獲得的收益具有清晰的認(rèn)識(shí)，并確定獲得這些收益所必需的數(shù)據(jù)源。人工智能的一些用例可以是：

(1)開發(fā)改進(jìn)或全新的產(chǎn)品或服務(wù)。

(2)自動(dòng)化操作和流程。

(3)提供個(gè)性化的客戶體驗(yàn)。

(4)價(jià)格優(yōu)化。

在正式確定了人工智能用例之后，就可以指定用于這些目的所需的數(shù)據(jù)。

• 創(chuàng)建數(shù)據(jù)處理指南

下一步是確定數(shù)據(jù)源、數(shù)據(jù)治理以及收集、存儲(chǔ)、處理和操作數(shù)據(jù)所需的技術(shù)。此外，考慮到與數(shù)據(jù)采集、處理和利用有關(guān)的隱私問題也是至關(guān)重要的。企業(yè)還要制定明確的數(shù)據(jù)處理指南，以確保解決隱私合規(guī)性問題。

• 定義錯(cuò)誤和數(shù)據(jù)質(zhì)量

有些數(shù)據(jù)可能需要在使用前進(jìn)行清理，因此需要定義數(shù)據(jù)錯(cuò)誤并根據(jù)需要設(shè)置數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)。

5.建立模型

目前一些可以實(shí)施的機(jī)器學(xué)習(xí)模型并不是能夠解決每個(gè)業(yè)務(wù)問題的全面解決方案。為了從人工智能中獲取最大價(jià)值，企業(yè)必須采用一種為其獨(dú)特應(yīng)用場景提供最佳結(jié)果的機(jī)器學(xué)習(xí)模型。

• 選擇合適的機(jī)器學(xué)習(xí)模型

從選擇合適的機(jī)器學(xué)習(xí)模型開始實(shí)施項(xiàng)目。通過回答以下問題，企業(yè)可以找到適合自己的機(jī)器學(xué)習(xí)模型：

(1)如何交付人工智能項(xiàng)目?

(2)誰擁有人工智能項(xiàng)目——是分析小組，自動(dòng)化小組，還人工智能卓越中心?

(3)下一步是什么?

(4)誰負(fù)責(zé)交付每個(gè)行動(dòng)、任務(wù)和里程碑?

(5)應(yīng)該遵循哪些工作流程?

• 評估機(jī)器學(xué)習(xí)模型

可以根據(jù)企業(yè)的場景和業(yè)務(wù)應(yīng)用比較不同的機(jī)器學(xué)習(xí)模型。例如，準(zhǔn)確性是必須考慮的因素之一。對于無人駕駛汽車來說，達(dá)到99%的精度還是不能滿足要求。而在另一方面，對于電影推薦引擎來說，60%的準(zhǔn)確性綽綽有余。無論選擇哪種機(jī)器學(xué)習(xí)模型，都具有一系列的權(quán)衡。因此在做出選擇之前，需要先了解它們。

• 定義機(jī)器學(xué)習(xí)模型的工作流程

典型的機(jī)器學(xué)習(xí)模型工作流程分為三個(gè)步驟。第一步是數(shù)據(jù)工程，其中包括數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理和構(gòu)建數(shù)據(jù)集。第二步是機(jī)器學(xué)習(xí)模型工程，其中包括模型培訓(xùn)和優(yōu)化、評估和部署到生產(chǎn)。最后一步是代碼工程，它將機(jī)器學(xué)習(xí)模型集成到產(chǎn)品中，并包括部署到生產(chǎn)中。

• 持續(xù)迭代模型

一旦采用了機(jī)器學(xué)習(xí)模型，需要對其進(jìn)行更新迭代，直到獲得所需的結(jié)果。完善機(jī)器學(xué)習(xí)模型需要大量的高質(zhì)量數(shù)據(jù)集。同樣，還要對機(jī)器學(xué)習(xí)算法進(jìn)行調(diào)整，以優(yōu)化它們并提高其準(zhǔn)確性。因此，需要花費(fèi)大量的時(shí)間從機(jī)器學(xué)習(xí)模型中獲得所需的結(jié)果，而不是匆忙地完成。

6.交付模型和結(jié)果

成功的人工智能優(yōu)先策略可以帶來長期收益。但是，如果人工智能計(jì)劃花費(fèi)太長時(shí)間才能取得成果，則可能會(huì)失去實(shí)施動(dòng)力。有一些方法可以克服這一障礙，而又不影響人工智能性能的質(zhì)量：

• 利用敏捷來迭代交付

企業(yè)的首要任務(wù)必須是快速獲得人工智能的好處，并得到更多人的支持。當(dāng)然，敏捷交付模型對于人工智能優(yōu)先策略的成功至關(guān)重要。迭代交付結(jié)果將會(huì)超出企業(yè)的期望，并消除了采用人工智能的內(nèi)在慣性。

• 建立DevOps思維方式

DevOps的思維方式可以顯著提高人工智能交付業(yè)務(wù)成果的速度。通過盡快取得一些勝利或提供高影響力的結(jié)果，人工智能團(tuán)隊(duì)可以消除企業(yè)內(nèi)部人員對人工智能的懷疑態(tài)度。

DevOps的思維方式使人工智能團(tuán)隊(duì)對企業(yè)的需求和市場的反應(yīng)更加迅速。

• 采取機(jī)器學(xué)習(xí)即服務(wù)(MLaaS)方法

在將來，人工智能技術(shù)應(yīng)該在企業(yè)內(nèi)部員工隊(duì)伍中都能夠訪問且易于使用。在理想情況下，機(jī)器學(xué)習(xí)即服務(wù)(MLaaS)模型消除了與人工智能團(tuán)隊(duì)進(jìn)行協(xié)調(diào)的需求，并授權(quán)其他員工使用人工智能來適應(yīng)其業(yè)務(wù)用例。

• 度量和測量

人工智能轉(zhuǎn)型項(xiàng)目的成功不應(yīng)該通過對其績效的主觀分析來衡量。這樣做會(huì)使它受到抵制變革的內(nèi)部人員的批評。因此，必須根據(jù)上述三個(gè)步驟中討論的預(yù)定指標(biāo)來衡量人工智能的成功。如果人工智能無法滿足預(yù)期的結(jié)果，需要對其進(jìn)行迭代，直到達(dá)到預(yù)期的水平。

結(jié)論

人工智能優(yōu)先戰(zhàn)略是一項(xiàng)持續(xù)改進(jìn)的項(xiàng)目。無論企業(yè)的人工智能計(jì)劃提供多少價(jià)值以及解決了多少問題，總有改進(jìn)的空間。通過教育所有利益相關(guān)者并激發(fā)他們思考使用人工智能解決業(yè)務(wù)問題的方法，企業(yè)將能夠在廣泛的流程和環(huán)境中更好地利用人工智能，從而最終在業(yè)務(wù)活動(dòng)的各個(gè)方面獲得競爭優(yōu)勢。

原文標(biāo)題：AI-First Strategy: Where To Start?，作者：Mir Ali

【51CTO譯稿，合作站點(diǎn)轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】