企业人工智能项目该如何起步,哪些问题需要解

(文章滥觞:交驰智能)

要在当今市场上具有竞争力,人工智能(AI)显然是必弗成少的。然则,纵然对付某些天下顶级公司来说,实施这项技巧也不停充溢着寻衅。数据存在问题,无法找到相宜的人才,无法创建可孕育发生足够投资回报率的模型。结果是许多AI项目都掉败了。根据IDC查询造访显示,只有大年夜约35%的组织成功地将模型投入到了临盆。

“虽然我们看到AI技巧履行了一系列令人难以置信的义务,例如Google Translate,AlphaGo等,但很难说出AI能够办理哪些详细的营业问题,”Akur Goyal首席履行官表示。“这引起了很大年夜的纷乱,并且一个供应商社区经由过程将事物标记为AI来使用它,但实际并不是AI。这让人想起了上个世纪初,云技巧开始兴起,我们进行了大年夜量的云谋略事情。当他们的产品照样雾件时,我们就让供应商将此营销为云播放器。同样,我们现在正在经历一场AI浸礼。”

那么,假如您的公司正在斟酌运用AI,那么最好的开始要领是什么?该若何赞助前进成功几率并避免陷阱?人工智能不是魔术。它不能办理您公司的所有问题。相反,您必要对技巧采取实际的措施。

“与传统的数据阐发不合,支持人工智能的机械进修(ML)模型不会老是供给明确的谜底,” Cloudera数据工程高档产品营销经理Santiago Giraldo说道。“将AI融入营业必要进行实验,并懂得并非每个实验都邑前进ROI。当一个AI项目成功时,它平日是建立在许多掉败的数据科学实验之上的。对ML和AI采纳投资组合措施可延长项目的寿命,并在未来更有效地基于成功履历来进行开拓。”

有趣的是,在很多环境下,该技巧实际上只是被过度使用了!Veritone产品治理高档总监Gus Walker说到:“企业平日在进行AI项目时没故意识得手动进行流程可能会便宜一些,而不是花费大年夜量光阴和金钱来建立一个不会节省公司光阴或金钱的系统。”谁都不想在同一个项目花费大年夜量光阴和金钱之后,才意识到它存在司法或合规性限定。这意味着必须放弃之前的努力。

ServiceNow平台AI工程高档总监Debu Chatterjee说道:“首先,未经容许,不得应用客户数据。第二,应该减轻数据私见。该当避免应用无法经由过程API进行误差测试的黑匣子模型。险些任何AI模型都存在误差的风险,纵然在算法决策中也是如斯,无论该算法是从数据中进修照样由人类编写的。

在AI项目的早期阶段,应该进行很多头脑风暴。这也应涉及组织中各个部门的职员,这将有助于应用功效。目的是确定要办理的营业问题。

“对付许多公司来说,问题是它们是从对技巧的需求开始的,而不是从实际的营业需求开始,” DataRobot的AI计谋副总裁Colin Priest说道,“这让我想起了史蒂夫·乔布斯(Steve Jobs)的一句名言:‘你必须从客户体验开始,然后回到技巧中来。而不能从这项技巧开始,然后试图找出你要卖掉落它的地方。’”

要办理的问题也应该是详细的(即可以衡量的问题),并且要狭窄,不能太宽。Aspen Technology公司APM咨询高档总监Mike Brooks表示:“这是一小步。不要去犯试图让AI适用于所有事物的差错。在阐发了每个AI计划的代价之后,真正的收益将在办理一个异常详细的目标时呈现。”

只管估算项目的投资回报率很紧张,但对方程式资源方面的关注每每很少。但这可能会令人失望。终究,在公司计划中越过预算永世不是一件有趣的事。

凯捷北美履行副总裁兼I&D主管杰里·库兹(Jerry Kurtz)表示:“盼望实施AI项目的公司应首先查看运营资源,并阐发资源布局与最佳实践的对照。存储和转换数据的资源平日占预算的70%,而仅带来代价的10%。能够使用AI办理营业问题的资源仅为资源的30%,并带来90%的代价。假如组织可以削减数据资源并改良数据质量,他们将有更多预算用于使用AI办理这些营业问题,例如前进临盆力和效率。”

运用AI可能会给企业带来麻烦。员工可能对此技巧持狐疑立场,并可能为事情认为畏怯。这便是为什么必要重点关注买入的缘故原由,这意味着要清楚地懂得收益。它还应涉及C-Suite的允诺。根据O’Reilly近来的一项查询造访,斟酌到AI的最大年夜瓶颈是短缺支持的文化。

普华永道举众人工智能认真人阿南德·饶(Anand Rao)表示:“企业要想成功运用人工智能,必须拥有一支强大年夜的步队,并拥有精确的员工技能提升计划。您不能简单地为员工供给AI培训课程;您必要走得更远,并供给直接的时机和勉励步伐,以利用他们所学的常识。此外,从任何项目开始就都必要营业利益相关者和终极用户,而不仅仅是技巧职员。”

(责任编辑:fqj)

您可能还会对下面的文章感兴趣: