很多企業(yè)可能對采用人工智能還沒有做好準(zhǔn)備，因此從單個項目開始可能是一個很好的開始。

谷歌公司是使用人工智能的先驅(qū)之一，在短短的時間內(nèi)，該公司的凈收入同比翻了一番，投資回報豐厚。如今，許多公司都在采用人工智能。調(diào)研機構(gòu)Genesys公司預(yù)測，到2022年，60%的美國公司將使用人工智能技術(shù)，其原因很簡單：這些公司不僅看到了結(jié)果，而且擔(dān)心在市場競爭中輸給人工智能驅(qū)動的競爭對手。

然而，很多企業(yè)并不善于處理人工智能用例。正如提供自動化機器學(xué)習(xí)工具的Aible公司首席執(zhí)行官兼創(chuàng)始人、Salesforce Einstein公司創(chuàng)始人之一Arijit Sengupta所解釋說：“由于絕大多數(shù)人工智能項目都失敗了，因此很難提供統(tǒng)計數(shù)據(jù)來證明人工智能在商業(yè)中的有效性。2018年，研究機構(gòu)Gartner公司估計，85%的人工智能項目沒有成功。雖然人工智能技術(shù)具有著巨大的潛力，但如今大多數(shù)人工智能用例在商業(yè)運營方面都失敗了。”

以下將討論首席信息官應(yīng)該如何處理他們的人工智能使用案例和策略，以取得成功。行業(yè)媒體采訪了數(shù)十位人工智能專家，并分享了他們多年來的實踐經(jīng)驗。

1.主要依靠數(shù)據(jù)的人工智能

眾所周知，人工智能依靠數(shù)據(jù)為生，但是數(shù)據(jù)的重要性常常被低估了。

聊天機器人開發(fā)商Verint公司副總裁Jen Snell解釋說：“人工智能中的數(shù)據(jù)問題的范圍和規(guī)模遠遠超出了大多數(shù)人的認(rèn)識。由于數(shù)據(jù)的原因，很多企業(yè)的項目都會遇到問題——從數(shù)據(jù)質(zhì)量到管理和整理數(shù)據(jù)以獲得有意義的見解，再到標(biāo)記和模型構(gòu)建。一開始似乎很容易，但當(dāng)企業(yè)著眼于規(guī)模增長、改變模型、管理和確保對系統(tǒng)的控制時，就會變得棘手。”

Snell的統(tǒng)計數(shù)據(jù)令人痛苦：雖然59%的高管認(rèn)為人工智能可以改善對大數(shù)據(jù)的使用，但85%的大數(shù)據(jù)項目或人工智能項目卻失敗了。她說，“我們在15年前就已經(jīng)意識到了這一點，花費了幾年的時間與客戶和現(xiàn)實數(shù)據(jù)一起了解問題的廣泛性和系統(tǒng)性。”

因此，擁有可靠和干凈的數(shù)據(jù)對于人工智能轉(zhuǎn)換是必不可少的——甚至比人工智能算法還要重要。人工智能技術(shù)和解決方案提供商Veritone公司應(yīng)用人工智能主管Aaron Edell說，“我了解到，調(diào)整算法和給定模型的數(shù)學(xué)只會帶來很少的改進。對準(zhǔn)確性的最大提升來自良好、干凈的培訓(xùn)數(shù)據(jù)。盡早制定數(shù)據(jù)獲取策略是機器學(xué)習(xí)成功的關(guān)鍵——我希望從一開始就知道這一點。”

如何獲取數(shù)據(jù)對于人工智能用例也是至關(guān)重要的。雖然從外部來源購買數(shù)據(jù)可以讓企業(yè)脫離實際，但這還不足以讓其業(yè)務(wù)繼續(xù)運行，因為人工智能不了解它的功能，而且它只會像提供的數(shù)據(jù)一樣好。Edell在研究經(jīng)過一般訓(xùn)練的模型時發(fā)現(xiàn)了這一點。他說：“一個由100萬‘名人’訓(xùn)練的名人識別模型，在現(xiàn)實生活中的用例中表現(xiàn)很差，因為它沒有按照它要運行的數(shù)據(jù)進行訓(xùn)練。如果試圖了解詹妮弗·安妮斯頓在《老友記》每一集中出現(xiàn)的頻率和時間，那么采用她在奧斯卡頒獎典禮上的照片訓(xùn)練的模型，其表現(xiàn)將不如從《老友記》的片段中進行屏幕抓取圖片的模型。”

每一家公司都可能需要針對其業(yè)務(wù)的精心調(diào)整的人工智能。從長遠來看，這將導(dǎo)致更高效的算法，從而帶來更高的收入、更低的成本和更快樂的客戶。

2.選擇正確的起點

成功的人工智能轉(zhuǎn)型是無所不包的變革。這不僅與技術(shù)變革有關(guān)，還與文化變革和企業(yè)面對來自員工的阻力有關(guān)。因此，首席信息官必須從頭開始規(guī)劃成功。

企業(yè)在實施人工智能用例時，最好從易到難。正如工作區(qū)自動化Avii公司首席執(zhí)行官Lyle Ball所描述的那樣，找到涉及人員的重復(fù)性很高的任務(wù)，讓人工智能系統(tǒng)來完成這些功能。

人工智能驅(qū)動的聊天機器人解決方案提供商Senseforth公司首席執(zhí)行官Shridhar Marri解釋說，“不過從流程上講，最好首先從面向消費者的角度出發(fā)。客戶期望在他們選擇的渠道上獲得場景和個性化的服務(wù)。獲取、吸引和支持客戶的整個范圍是人工智能技術(shù)正在轉(zhuǎn)變的一個關(guān)鍵方面。”

通過改善客戶服務(wù)獲得的利潤和滿意度也有助于企業(yè)展示人工智能轉(zhuǎn)型的價值，尤其是在面臨同事和員工的抵制時。Ball總結(jié)說，“這有助于打開其他用途的大門。”

在獲得客戶體驗之后，Marri的建議是追求提高運營效率和降低成本。

必須注意不要將人工智能轉(zhuǎn)換與數(shù)字轉(zhuǎn)換混淆。有時，即使非基于人工智能的自動化工具也足以勝任這項工作。在企業(yè)采用人工智能技術(shù)之前，必須進行適當(dāng)?shù)难芯浚圆榭慈斯ぶ悄茼椖渴欠袷乔斑M的最佳方法。為富國銀行等公司構(gòu)建了基于人工智能的聊天機器人的廠商的首席執(zhí)行官Jonathan Duarte分享了他的經(jīng)驗。他說，“在我領(lǐng)導(dǎo)開發(fā)的一個項目中，項目計劃已經(jīng)制定，但是在項目啟動之前很少進行客戶研究。在這種情況下，當(dāng)設(shè)計聊天機器人時，用戶已經(jīng)找到了一種解決方法，該解決方法雖然沒有無限的可擴展性，但與人工智能工具一樣強大。”

3.為文化變革做準(zhǔn)備

僅僅關(guān)注人工智能改造的技術(shù)方面是不夠的。具有諷刺意味的是，雖然人工智能似乎是要取代人類，但近年來，人們才開始了解人類勞動力的價值。

Skymind公司首席執(zhí)行官兼聯(lián)合創(chuàng)始人Chris Nicholson提供了支持大規(guī)模機器學(xué)習(xí)的人工智能基礎(chǔ)設(shè)施，他強調(diào)了獲得同事支持和合作的重要性。他說，“企業(yè)的團隊可能會使用其計劃引入的人工智能解決方案，如果他們不接受，那將不會有什么好處。”

此外，企業(yè)團隊可能會參與產(chǎn)生或?qū)徍巳斯ぶ悄芙鉀Q方案所需的數(shù)據(jù)，如果他們不支持轉(zhuǎn)向自動化，將不會獲得良好的數(shù)據(jù)。Nicholson總結(jié)說：“人工智能項目很難起步，所以沒有理由再制造更多的困難。”

4.建立人工智能是一個旅程

首席信息官在選擇人工智能用例時犯的一個錯誤是忘記了人工智能的獨特功能。人工智能之所以偉大，是因為它可以學(xué)習(xí)，但只知道人類所教的知識。建立人工智能用例是一個旅程，而不是目的地。Marri解釋說，“必須不斷地重新訓(xùn)練人工智能，以保持它的最新和可用性。例如，聊天機器人需要了解企業(yè)的新產(chǎn)品或了解新的或意外的消費者請求，以證明自己的有用性。”

許多人工智能和勞動力相結(jié)合的企業(yè)都采用這種策略：人工智能遇到麻煩時，人們會處理各種情況，不僅提高用戶體驗，還會為人工智能創(chuàng)造新的數(shù)據(jù)供其學(xué)習(xí)。同時，人工智能有助于實施大量重復(fù)性工作以及替代人工工作。

5.了解極限

雖然在此討論了如何開始使用人工智能用例以及如何正確地使用它，但也需要注意一些陷阱，以確保項目成功并保持成功。由資深獨立分析師組成的分析組織的首席執(zhí)行官兼創(chuàng)始人Tom Austin指出了一個致命的例子。他說：“不要像波音737 Max 8上的MCAS(機動特性增強系統(tǒng))系統(tǒng)的設(shè)計者那樣，自動消除人類的判斷。人工智能并不是無所不能的，它是機器人，雖然能做人們做不到的事情，但卻無法思考。”

Austin說，“雖然這樣的例子看起來有些極端，但有一個重要的教訓(xùn)值得學(xué)習(xí)：不要將錯誤歸咎于技術(shù)，而人類在現(xiàn)在和將來都繼續(xù)處在責(zé)任鏈的末端。”