位于美國弗吉尼亞州亞歷山大市的美國專利商標(biāo)局，正在利用人工智能（AI）項(xiàng)目加快專利分類過程，幫助檢測(cè)欺詐行為，擴(kuò)大審查員對(duì)類似專利的搜索范圍，使他們能夠在相同的時(shí)間內(nèi)搜索更多文件，而且他們的每個(gè)項(xiàng)目都從試點(diǎn)開始的。美國專利商標(biāo)局首席信息官Jamie Holcombe表示：“概念證明（PoC）是我們用來了解新技術(shù)、測(cè)試業(yè)務(wù)價(jià)值假設(shè)、降低規(guī)模項(xiàng)目交付風(fēng)險(xiǎn)、為全面生產(chǎn)實(shí)施決策提供信息的一個(gè)關(guān)鍵方法?！彼f，一旦試點(diǎn)項(xiàng)目被證明是成功的，那么下一步就是確定是否擴(kuò)大這些試點(diǎn)項(xiàng)目。然后，就是在實(shí)際環(huán)境中擴(kuò)展，以及全面投入生產(chǎn)。

印度電子商務(wù)供應(yīng)商Flipkart也在部署一個(gè)項(xiàng)目之前遵循了類似的流程，該項(xiàng)目幫助客戶用11種不同語言對(duì)數(shù)百萬件商品進(jìn)行文本搜索和視覺搜索?，F(xiàn)在，F(xiàn)lipkart正在測(cè)試對(duì)話式機(jī)器人，使用深度學(xué)習(xí)來構(gòu)建模型，模型中包含了用戶意圖檢測(cè)、語言翻譯、語音到文本和文本到語音的功能。Flipkart和美國專利商標(biāo)局都在快速地把計(jì)算機(jī)視覺、自然語言處理、機(jī)器學(xué)習(xí)和其他人工智能技術(shù)擴(kuò)展運(yùn)用于業(yè)務(wù)的其他方面。

盡管人工智能和機(jī)器學(xué)習(xí)令人興奮，但有很多最初的試點(diǎn)項(xiàng)目和PoC項(xiàng)目未能全面投入生產(chǎn)。那些已經(jīng)取得成功的項(xiàng)目，需要成為戰(zhàn)略計(jì)劃的一部分，獲得高管的支持，能夠使用合適的數(shù)據(jù)，有所需的團(tuán)隊(duì)，有合適的技術(shù)和業(yè)務(wù)指標(biāo)，以及項(xiàng)目里程碑，經(jīng)歷多次迭代，快速試錯(cuò)?！斑@個(gè)過程可能需要一兩年的時(shí)間才能達(dá)到高質(zhì)量的水平，期間需要你的耐心，”Flipkart公司工程副總裁Ganapathy Krishnan這樣說道。

為成功奠定基礎(chǔ)

企業(yè)正在快速采取行動(dòng)，開展成功的AI試點(diǎn)項(xiàng)目，投入生產(chǎn)并帶來成果。Forrester人工智能、機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)分析師Rowan Curran表示：“我們已經(jīng)看到AI項(xiàng)目正在步入主流，有57%的企業(yè)正在實(shí)施或者正在擴(kuò)展他們的AI項(xiàng)目，有70%到75%的企業(yè)正在從這些項(xiàng)目中看到明顯價(jià)值?！贝送?，根據(jù)安永最近的一項(xiàng)調(diào)查顯示，有53%的CIO和IT領(lǐng)導(dǎo)者稱，AI范疇內(nèi)的數(shù)據(jù)和分析將成為未來兩年的首要投資領(lǐng)域。

但其中很多試點(diǎn)項(xiàng)目在開始之前就注定要失敗，原因有很多，首先就是缺乏自上而下的支持。美國專利商標(biāo)局的Holcombe說：“你需要來自高管的認(rèn)可，還必須有所需的資金?！?/p>

有IT主管認(rèn)為，從組織中層或者自下而上的方式啟動(dòng)項(xiàng)目會(huì)降低項(xiàng)目成功的機(jī)會(huì)。最成功的項(xiàng)目，應(yīng)該獲得來自CIO的支持以及高管承諾為項(xiàng)目提供資金，并把AI融合到企業(yè)組織整體數(shù)字化轉(zhuǎn)型的戰(zhàn)略當(dāng)中。

Flipkart公司的Krishnan表示，設(shè)定明確的期望值也很重要?！澳悴粦?yīng)該期望你部署的項(xiàng)目會(huì)從根本上改變業(yè)務(wù)，這是一個(gè)漫長的過程，需要時(shí)間。”

PoC也可以是在企業(yè)內(nèi)部磨煉能力的一種練習(xí)，也是這是制造公司禮來（Eli Lilly）采取的一種方法。禮來公司信息和數(shù)字解決方案副總裁、首席信息官Tim Coleman說：“通過PoC，我們?cè)囼?yàn)并了解了技術(shù)和項(xiàng)目交付的規(guī)模維度。”這支團(tuán)隊(duì)正在將自然語言處理功能應(yīng)用于業(yè)務(wù)領(lǐng)域的自然語言發(fā)現(xiàn)、生成和翻譯，范圍覆蓋很廣，從臨床和科學(xué)內(nèi)容創(chuàng)作到產(chǎn)品開發(fā)、高級(jí)搜索和一般管理功能。

但是不要把這種能力建設(shè)練習(xí)與需要產(chǎn)生廣泛轉(zhuǎn)型價(jià)值的試點(diǎn)項(xiàng)目混為一談，安永全球人工智能咨詢負(fù)責(zé)人Dan Diasio警告說，“你想培養(yǎng)自己的能力來實(shí)現(xiàn)目標(biāo)，但是未來當(dāng)你需要與顛覆者展開競爭、對(duì)投資者產(chǎn)生有意義的影響力時(shí)，你就必須采取自上而下的方法?！?/p>

這就是醫(yī)療企業(yè)Atlantic Health System對(duì)待人工智能和機(jī)器學(xué)習(xí)項(xiàng)目的方式。Atlantic Health System已經(jīng)在圖像評(píng)估方面成功地進(jìn)行了試點(diǎn)，以協(xié)助放射科醫(yī)師，并在預(yù)授權(quán)自動(dòng)化方面進(jìn)行了試點(diǎn)，這種自動(dòng)化技術(shù)可以接收成像訂單并將其通過幾個(gè)流程步驟進(jìn)行調(diào)度。該公司高級(jí)副總裁、首席信息官Sunil Dadlani說：“人工智能應(yīng)該是數(shù)字化轉(zhuǎn)型的一部分，而不是一項(xiàng)孤立的舉措。我們正式制定了一個(gè)關(guān)于人工智能和機(jī)器學(xué)習(xí)的治理結(jié)構(gòu)和投資計(jì)劃?！痹诙Y來公司，項(xiàng)目提案在推進(jìn)之前應(yīng)該要通過三個(gè)標(biāo)準(zhǔn)：在投資回報(bào)率方面提供商業(yè)價(jià)值，具有可接受的成功率，并且項(xiàng)目結(jié)果必須與業(yè)務(wù)戰(zhàn)略和優(yōu)先事項(xiàng)保持一致，Coleman介紹說。例如，Mosaic PV是禮來公司首批專注于藥物不良反應(yīng)報(bào)告的人工智能項(xiàng)目之一，主要驅(qū)動(dòng)力是“提高生產(chǎn)力并降低處理不良事件的成本，同時(shí)保持高標(biāo)準(zhǔn)的質(zhì)量和合規(guī)性”。

問題是什么？

成功的試點(diǎn)應(yīng)該從定義業(yè)務(wù)問題開始?！安灰兂闪送ㄟ^答案去尋找問題，”全球?qū)I(yè)服務(wù)公司Genpact的首席數(shù)字策略師Sanjay Srivastava這樣表示。Genpact主要面向大型企業(yè)提供關(guān)于AI項(xiàng)目的咨詢服務(wù)?！澳切Ｗ⒂跇I(yè)務(wù)成功，并且是從問題著手、而不是從答案著手的項(xiàng)目，往往會(huì)做得很好。”

然后要決定AI是否是最佳的答案。Krishnan表示：“這個(gè)項(xiàng)目是否適合復(fù)雜到值得使用AI的標(biāo)準(zhǔn)？如果你可以通過簡單的、基于規(guī)則的方法來做到這一點(diǎn)，那就去做吧。但是，如果你有數(shù)十萬甚至數(shù)百萬條規(guī)則的時(shí)候，使用基于軟件的方法是不可行的?！?/p>

你有恰當(dāng)?shù)闹笜?biāo)和數(shù)據(jù)嗎？

說回到美國專利商標(biāo)局，AI項(xiàng)目需要兩組指標(biāo)：如何執(zhí)行模型的技術(shù)指標(biāo)，以及如何量化AI項(xiàng)目商業(yè)價(jià)值的指標(biāo)。

Atlantic Health System則是通過為一小部分業(yè)務(wù)實(shí)施具有明確業(yè)務(wù)KPI的試點(diǎn)項(xiàng)目來確保取得成功。例如，Atlantic Health System的影像評(píng)估系統(tǒng)就從在神經(jīng)內(nèi)科進(jìn)行小型試點(diǎn)開始部署，隨后快速擴(kuò)展到心臟病學(xué)和其他領(lǐng)域。這個(gè)團(tuán)隊(duì)在八周的時(shí)間內(nèi)創(chuàng)建了一個(gè)成功的神經(jīng)病學(xué)試點(diǎn)，展示了項(xiàng)目成果，獲得了心臟病學(xué)和所有其他服務(wù)線的支持。

Flipkart和美國專利商標(biāo)局一樣，首先把目光集中在技術(shù)模型指標(biāo)上，然后運(yùn)行A/B測(cè)試，看看對(duì)業(yè)務(wù)會(huì)產(chǎn)生怎樣的影響。目前，該團(tuán)隊(duì)正在開發(fā)和測(cè)試一個(gè)AI輔助的對(duì)話式機(jī)器人。他們從“可回答性”這一指標(biāo)開始，也就是機(jī)器人在回答問題方面的能力?，F(xiàn)在他們正在運(yùn)行A/B測(cè)試，確定這是否會(huì)對(duì)業(yè)務(wù)產(chǎn)生可衡量的影響。

AI項(xiàng)目嚴(yán)重依賴大數(shù)據(jù)，你需要所需的速度、數(shù)量和種類，Dadlani說。“如果你的數(shù)據(jù)質(zhì)量不佳，你就不會(huì)看到預(yù)期的結(jié)果。”

Genpact公司的Srivastava對(duì)此表示認(rèn)同?！皹?gòu)建AI系統(tǒng)的工作，有90%是圍繞數(shù)據(jù)攝取、協(xié)調(diào)、工程和治理的。如果你專注于10%而放棄這90%，從一開始就失敗了，所以你要構(gòu)建數(shù)據(jù)的基礎(chǔ)?！?/p>

你還要能夠在不同的A/B測(cè)試之間提供持續(xù)的反饋——實(shí)時(shí)獲取數(shù)據(jù)，以便調(diào)整模型。但是你所在的企業(yè)組織可能無法自動(dòng)地快速提供數(shù)據(jù)。例如，如果你正在研究預(yù)測(cè)模型，而團(tuán)隊(duì)沒有自動(dòng)獲取有關(guān)客戶購買商品的信息，那么你就無法完成這個(gè)循環(huán)。在完全部署后繼續(xù)反饋循環(huán)也很重要，因?yàn)榭蛻舻钠脮?huì)隨著時(shí)間推移而改變。如果你的模型沒有考慮到這一點(diǎn)，你就不會(huì)得到你期望的結(jié)果，這種結(jié)果被稱為“模型漂移”。

試點(diǎn)項(xiàng)目要擴(kuò)展嗎？

雖然在你的初步預(yù)期中，試點(diǎn)項(xiàng)目可能是可以全面部署的，但能否擴(kuò)展取決于這些試點(diǎn)項(xiàng)目。那么，你是否擁有適當(dāng)?shù)馁Y源可以把試點(diǎn)項(xiàng)目擴(kuò)展到全面部署。安永的Diasio說：“要進(jìn)行擴(kuò)展，你可能需要簡化代碼、引入新技術(shù)、將人工智能和機(jī)器學(xué)習(xí)推向邊緣，而不是擁有一個(gè)數(shù)據(jù)存儲(chǔ)庫、雇用新的團(tuán)隊(duì)、建立數(shù)據(jù)標(biāo)簽工廠。你需要的，是一整套工程技能?！?/p>

執(zhí)行試點(diǎn)項(xiàng)目

Flipkart在試點(diǎn)項(xiàng)目中采用了云和MLOps相關(guān)功能?！皬囊婚_始，試點(diǎn)項(xiàng)目就需要大量的工程支持，必須經(jīng)常迭代，快速試錯(cuò)，而要做到這一點(diǎn)，你就需要大型云服務(wù)提供商提供的MLOps基礎(chǔ)設(shè)施。”他建議說，試點(diǎn)團(tuán)隊(duì)?wèi)?yīng)該定期報(bào)告他們距離目標(biāo)達(dá)成還有多遠(yuǎn)，并且要確保在試點(diǎn)期間正確設(shè)定預(yù)期值。

他說：“如果你在試點(diǎn)初期設(shè)定了3%，那么你做得很好?！辈灰谕⒓茨芸吹绞找?。復(fù)雜的試點(diǎn)項(xiàng)目往往很難在三個(gè)月內(nèi)看到影響。你要做的，就是部署，找到差距，再次部署，逐步改進(jìn)提升。

試點(diǎn)項(xiàng)目期間出現(xiàn)了失敗，并不一定意味著試點(diǎn)項(xiàng)目的終結(jié)。美國專利商標(biāo)局的增強(qiáng)分類系統(tǒng)最初就失敗了。Holcombe說：“從一開始，我們就遇到了數(shù)據(jù)集管理不當(dāng)?shù)膯栴}?！钡菆F(tuán)隊(duì)重新調(diào)整，繼續(xù)進(jìn)行試點(diǎn)，直到系統(tǒng)性能大大優(yōu)于手動(dòng)過程?！叭绻闶×?，不要放棄，找出失敗的原因。”

最終評(píng)估

以上幾位CIO、IT主管和顧問，會(huì)使用各種方法來評(píng)估他們的試點(diǎn)項(xiàng)目。在Atlantic Health System，一旦初步試點(diǎn)完成，就到了評(píng)估結(jié)果的時(shí)候，這決定了是否要延長試點(diǎn)、推進(jìn)生產(chǎn)、還是減少損失。Dadlani說：“試點(diǎn)項(xiàng)目必須提供可感知的成功衡量標(biāo)準(zhǔn)，只有當(dāng)我們看到有希望的結(jié)果時(shí)，我們才會(huì)說，擴(kuò)大規(guī)模需要什么，需要多少時(shí)間，實(shí)現(xiàn)價(jià)值需要多長時(shí)間，技術(shù)基礎(chǔ)設(shè)施資源需要哪些投資，以及我們?nèi)绾胃吨T實(shí)施?！?/p>

禮來公司的Coleman表示，試點(diǎn)項(xiàng)目失敗的原因有很多：AI技能不足、標(biāo)記數(shù)據(jù)不足、項(xiàng)目愿景或價(jià)值主張不明、缺乏敏捷性、缺乏快速試錯(cuò)的心態(tài)、缺乏來自高管的支持、以及缺乏組織變革管理來推動(dòng)業(yè)務(wù)采用。

你要向上匯報(bào)了對(duì)財(cái)報(bào)至關(guān)重要的指標(biāo)。例如，如果定價(jià)算法預(yù)計(jì)可以節(jié)省5000萬美元，那么迄今為止已經(jīng)實(shí)現(xiàn)的目標(biāo)與預(yù)期的目標(biāo)之間可能存在差距，Diasio：“當(dāng)你談?wù)摯笮秃馁Y項(xiàng)目的時(shí)候，試點(diǎn)項(xiàng)目往往缺乏創(chuàng)造如此大價(jià)值的可信度，所以要盡可能努力記錄那些已經(jīng)實(shí)現(xiàn)的價(jià)值?！?/p>

這也是重新評(píng)估試點(diǎn)是否需要擴(kuò)大規(guī)模的一個(gè)機(jī)會(huì)。Genpact公司的Srivastava說：“很多PoC在技術(shù)上非常成功，但在擴(kuò)展時(shí)并不具有經(jīng)濟(jì)效益，”其他考慮因素還包括擴(kuò)展項(xiàng)目需要多長時(shí)間，以及需要哪些資源。

但是，當(dāng)你放眼長遠(yuǎn)時(shí)，情況可能會(huì)發(fā)生變化。Coleman說：“即使在短期內(nèi)可能無法實(shí)現(xiàn)規(guī)?；那闆r下，具有高交付成功概率的較小項(xiàng)目范圍仍可能帶來短期業(yè)務(wù)價(jià)值，與此同時(shí)，技術(shù)能力和技能也會(huì)發(fā)展成熟到可以克服規(guī)?；系K的程度?！?/p>

然后是基礎(chǔ)設(shè)施。你應(yīng)該確保在擴(kuò)展的時(shí)候檢查了所有假設(shè)條件，包括配置、網(wǎng)絡(luò)帶寬、存儲(chǔ)和計(jì)算。Krishnan表示：“你需要大量的工程支持來擴(kuò)展試點(diǎn)項(xiàng)目，而這時(shí)候基于云的MLOps基礎(chǔ)設(shè)施可以提供幫助?！?/p>

最后，你應(yīng)該確?？梢园袮I集成到上游和下游工作流程中。例如，如果你沒有把故障預(yù)測(cè)整合到上游供應(yīng)鏈系統(tǒng)中，確保你在所需的時(shí)間和地點(diǎn)有所需的備件，那么預(yù)測(cè)故障功能就無法派上用場。同樣地，這些信息也可以用于下游調(diào)整維護(hù)計(jì)劃。

慢慢著手、快速失敗、耐心等待

成功的人工智能/機(jī)器學(xué)習(xí)試點(diǎn)項(xiàng)目，關(guān)鍵在于初始規(guī)劃，你要在繼續(xù)推進(jìn)之前就獲得高管的支持和財(cái)務(wù)上的支持。Holcombe說：“你必須要有高管支持，”從一開始就讓所有利益相關(guān)者參與進(jìn)來。

人工智能/機(jī)器學(xué)習(xí)試點(diǎn)項(xiàng)目應(yīng)該作為整體數(shù)字化轉(zhuǎn)型戰(zhàn)略的一部分進(jìn)行，并具有令人信服的業(yè)務(wù)場景，Dadlani說，達(dá)到預(yù)期結(jié)果是需要耐心的。制定技術(shù)和業(yè)務(wù)影響力指標(biāo)，并且這些指標(biāo)可以定義成功與否。確保你擁有所需的資源，組建團(tuán)隊(duì)并且做好快速試錯(cuò)的準(zhǔn)備。因此，在團(tuán)隊(duì)中擁有具備所需的技能和領(lǐng)域?qū)I(yè)知識(shí)組合，是AI試點(diǎn)項(xiàng)目成功的關(guān)鍵。他說：“即使是在試點(diǎn)階段，你也需要一個(gè)跨職能的團(tuán)隊(duì)。我們要確保每個(gè)人都參與到試點(diǎn)項(xiàng)目中，因?yàn)檫@將成為實(shí)際工作流程的一部分，他們必須從一開始就參與進(jìn)來。”

那些不具備所有所需人才的組織，應(yīng)該考慮與外部合作伙伴建立一個(gè)混合團(tuán)隊(duì)，而中小型公司則可能需要把更多的職責(zé)角色進(jìn)行外包——如果他們能找到合適人才的話。Srivastava說：“如果你沒有合適的人工智能/機(jī)器學(xué)習(xí)工程師和數(shù)據(jù)工程師的話，外包是非常困難的。”更重要的是，你的團(tuán)隊(duì)中既需要有了解機(jī)器學(xué)習(xí)又了解所在行業(yè)（例如制造業(yè)）的人員。這不是一個(gè)容易找到的技能組合，因此交叉培訓(xùn)是至關(guān)重要的。

最后，你要考慮到一個(gè)可以產(chǎn)生實(shí)際業(yè)務(wù)成果的目標(biāo)項(xiàng)目，然后擴(kuò)展到業(yè)務(wù)的其他領(lǐng)域，就像Atlantic Health System做的基于機(jī)器學(xué)習(xí)的成像評(píng)估系統(tǒng)項(xiàng)目一樣。

一旦試點(diǎn)進(jìn)入全面生產(chǎn)階段，就在你已經(jīng)完成的工作基礎(chǔ)上再接再厲。讓業(yè)務(wù)部門及時(shí)了解試點(diǎn)進(jìn)展，展示項(xiàng)目在完全部署后具備哪些功能，并開發(fā)出一個(gè)平臺(tái)讓其他業(yè)務(wù)部門可在該平臺(tái)上使用他們自己的應(yīng)用。Srivastava說：“如今，變化速度是有史以來最慢的，那些想要實(shí)現(xiàn)顛覆和發(fā)展的企業(yè)，必須改變他們推動(dòng)價(jià)值的方式，如果沒有人工智能，你就無法做到這一點(diǎn)。如果你不投資人工智能的話，你就會(huì)顯得束手束腳?！?/p>