第一個(gè)人工智能項(xiàng)目之前要問的五個(gè)問題

對(duì)于企業(yè)來說，不必總是在內(nèi)部構(gòu)建解決方案，這是常見的失敗原因。人工智能技術(shù)復(fù)雜且仍然不成熟，而且在大多數(shù)企業(yè)中缺乏人工智能人才和技能。對(duì)于多數(shù)企業(yè)來說，除非項(xiàng)目具有戰(zhàn)略重要性，否則應(yīng)該更多關(guān)注由軟件供應(yīng)商提供或在服務(wù)提供商定制的方案。人工智能項(xiàng)目面臨許多組織和技術(shù)的挑戰(zhàn)（見圖1）。

圖1 采用人工智能面臨的挑戰(zhàn)

雖然許多企業(yè)在組織、戰(zhàn)略和技術(shù)領(lǐng)域發(fā)現(xiàn)了一些問題，但他們忽視或低估了同樣重要、對(duì)最終成功有影響的其他挑戰(zhàn)。我們確定了五個(gè)可能阻礙人工智能計(jì)劃的共同挑戰(zhàn)領(lǐng)域，并建議企業(yè)在他們開始的第一個(gè)人工智能項(xiàng)目之前就要向團(tuán)隊(duì)提出以下問題（見圖2）：

圖2 在第一個(gè)人工智能項(xiàng)目之前要問的五個(gè)問題

一、您是否清楚地定義了業(yè)務(wù)問題？

企業(yè)經(jīng)常從競(jìng)爭(zhēng)壓力中開始人工智能項(xiàng)目，擔(dān)心如果不投資人工智能，就會(huì)被甩在其他企業(yè)身后。不了解人工智能的最佳用途往往是企業(yè)失敗的首要原因。人工智能對(duì)于企業(yè)來講最大的好處就是能夠處理大量多維數(shù)據(jù)，涉及非結(jié)構(gòu)化數(shù)據(jù)和復(fù)雜系統(tǒng)，包括事件預(yù)測(cè)、趨勢(shì)分析、模式識(shí)別、機(jī)器人和決策/過程自動(dòng)化、自然語言理解（NLU）、自然語言處理（NLP）和計(jì)算機(jī)視覺，這些是企業(yè)利用人工智能可能取得重大突破的領(lǐng)域，但這些方面的投入可能無法實(shí)現(xiàn)對(duì)企業(yè)來說最直接的利潤(rùn)價(jià)值。

人工智能并不是解決每個(gè)問題的最佳方案，有些案例使用傳統(tǒng)技術(shù)會(huì)處理得更好。企業(yè)在開始人工智能項(xiàng)目之前，需要了解人工智能的局限性，教育高級(jí)管理人員和項(xiàng)目團(tuán)隊(duì)沿著這些路線來設(shè)定正確的期望。

當(dāng)應(yīng)用于正確的問題類型和業(yè)務(wù)問題時(shí)，人工智能可以顯示出巨大的價(jià)值。通過解決這些問題，企業(yè)的高級(jí)管理層可以注入對(duì)人工智能技術(shù)的信心，并為未來的計(jì)劃獲得資金。

二、你能從實(shí)際的商業(yè)角度定義成功嗎？

定義業(yè)務(wù)成功需要前期對(duì)預(yù)期的成果設(shè)定一些量化指標(biāo)，這可能很困難，因?yàn)榕c傳統(tǒng)IT項(xiàng)目相比，人工智能項(xiàng)目的結(jié)果通常不那么確定。因此，組織需要利用實(shí)驗(yàn)性和啟發(fā)式方法來解決這個(gè)問題。Gartner的一項(xiàng)調(diào)查發(fā)現(xiàn)，提高效率、客戶體驗(yàn)和降低成本是企業(yè)投資人工智能的三大原因（見圖3）：

圖3 人工智能對(duì)組織至關(guān)重要的主要原因

企業(yè)應(yīng)使人工智能項(xiàng)目與價(jià)值指標(biāo)保持一致（表1）：

表1人工智能業(yè)務(wù)價(jià)值指標(biāo)

三、您是否包括業(yè)務(wù)領(lǐng)域、IT和分析專家？

項(xiàng)目經(jīng)常因?yàn)閳F(tuán)隊(duì)相關(guān)的問題而失敗。讓合適的人參與項(xiàng)目是成功的重要組成部分。這意味著要建立一個(gè)跨部門、多功能的群體，其中包括：

具有相關(guān)業(yè)務(wù)知識(shí)的業(yè)務(wù)領(lǐng)域?qū)＜?

具有提供開發(fā)和集成專業(yè)知識(shí)所需技術(shù)技能的IT人員;

能夠協(xié)助建模和數(shù)據(jù)管理需求的數(shù)據(jù)科學(xué)家。

這個(gè)團(tuán)隊(duì)需要被授權(quán)做出決定，并在需要時(shí)采取行動(dòng)。但這可能不是一個(gè)好主意，因?yàn)槌鯇W(xué)者組織還沒有合適的人工智能知識(shí)或技能，并且可能沒有能力確定企業(yè)的正確戰(zhàn)略和結(jié)構(gòu)。組織應(yīng)該采取實(shí)驗(yàn)性的方法，首先啟動(dòng)幾個(gè)項(xiàng)目，以了解驅(qū)動(dòng)人工智能計(jì)劃所需的技能、治理模型和團(tuán)隊(duì)結(jié)構(gòu)。

圖4 組織和管理人工智能調(diào)查

四、您是否調(diào)查了所有采購(gòu)選項(xiàng)并確保了持續(xù)維護(hù)？

企業(yè)應(yīng)該探索各種選擇，以獲得一個(gè)可行且性能卓越的人工智能解決方案，在性能、成本和技術(shù)成熟度之間尋求平衡。在沒有調(diào)查每個(gè)采購(gòu)選項(xiàng)，或者在沒有了解問題的正確技術(shù)之前，可能導(dǎo)致投資浪費(fèi)或解決方案性能不佳。企業(yè)往往在選擇購(gòu)買、外包還是建造方面進(jìn)退兩難，像其他任何破壞性技術(shù)一樣，將引入人工智能的連鎖反應(yīng)最小化是企業(yè)首要考慮的問題。從這個(gè)角度來看，按照以下順序，組織應(yīng)該嘗試購(gòu)買、外包和構(gòu)建人工智能解決方案。企業(yè)應(yīng)將這些選項(xiàng)混合用于各種人工智能計(jì)劃（見圖5）：

圖5 人工智能解決方案采購(gòu)選項(xiàng)的考慮因素

購(gòu)買：許多軟件供應(yīng)商（包括Salesforce、Oracle和SAP）已將人工智能技術(shù)集成到其專業(yè)解決方案中。組織應(yīng)該首先探索“預(yù)集成”的功能，因?yàn)樗鼈兲峁┑墓δ苣軌蛞宰钚〉呐斫鉀Q問題。

外包：人工智能技術(shù)往往供不應(yīng)求，而且價(jià)格昂貴。對(duì)于一個(gè)試圖證明人工智能技術(shù)價(jià)值并受到預(yù)算限制的組織來說，外包路線是一個(gè)合理的選擇。

建造：需要組織具備適當(dāng)?shù)募夹g(shù)基礎(chǔ)和能力，同時(shí)要確認(rèn)人工智能技術(shù)對(duì)于組織來說具有戰(zhàn)略重要性，組織要認(rèn)識(shí)到拼湊各種應(yīng)用程序并集成這些技術(shù)是一個(gè)復(fù)雜的過程，需要付出巨大的努力，必須在過程的早期加以謀劃周全。

根據(jù)Gartner最近的一項(xiàng)研究，許多使用人工智能的組織選擇建立他們自己的解決方案，而不是購(gòu)買或外包。

圖6人工智能解決方案的企業(yè)技術(shù)路線調(diào)查

五、您是否已操作解決方案以充分利用該技術(shù)？

一個(gè)解決方案不僅是有效地分配適當(dāng)?shù)腎T資源，還意味著以系統(tǒng)的方式預(yù)測(cè)人工智能元素的持續(xù)演變，在業(yè)務(wù)流程中引入人工智能的不連續(xù)性，并不斷調(diào)整決策模型。

人工智能技術(shù)的操作或控制比其技術(shù)發(fā)展更加容易被人們忽視。忽視操作化階段經(jīng)常阻礙企業(yè)充分實(shí)現(xiàn)他們?cè)谌斯ぶ悄芊矫娴呐Γ瑫r(shí)也加劇了信心缺失。

有許多例子表明，人工智能技術(shù)應(yīng)用于一個(gè)過程的一部分，已經(jīng)大大改善了該部分相關(guān)的決策，而其余的過程卻出現(xiàn)了負(fù)面的影響，企業(yè)需要應(yīng)對(duì)這些負(fù)面的影響。例如，一家大型共同基金公司推出了一種對(duì)話代理系統(tǒng)，旨在自動(dòng)處理機(jī)構(gòu)投資者的財(cái)務(wù)文件要求，系統(tǒng)識(shí)別出所有相關(guān)的文檔，甚至那些頁面非常多的文檔，并將它們發(fā)送給請(qǐng)求者。盡管這些文件是絕對(duì)相關(guān)的，但是人工智能會(huì)提出更具歧視性的要求，讓人們中斷且不知所措。

企業(yè)需要思考人工智能決策模型在日益復(fù)雜的組織環(huán)境中運(yùn)行。我們傳統(tǒng)上對(duì)決策的思考方式通常是通過確定性過程，即通過預(yù)先確定的事件序列采取行動(dòng)。不確定性和未預(yù)料到的元素在復(fù)雜的業(yè)務(wù)系統(tǒng)中很常見，并可能導(dǎo)致不確定性行為（即本質(zhì)上不可預(yù)測(cè)的行為）。