在過去的幾年中，業務領導者已經投入了數百萬美元來建立AI /數據科學團隊，以獲得競爭優勢。一些AI計劃帶來了可衡量的收益，但許多都沒有。商業領袖們最初的興高采烈已被懷疑主義所取代。

在與TheMathCompany的《財富》 500強企業合作的經驗中，我們發現，盡管擁有完善的AI工具和星光熠熠的數據科學團隊，但戰略和運營方面的薄弱環節使組織無法從AI中獲得有意義的價值。

基于我們在跨行業垂直領域的工作，幫助組織進行分析轉型，我推薦了五種最佳實踐，以確保AI帶來切實和可持續的價值。

1.確保AI優先事項與業務優先事項緊密結合。

您的組織的一年和三年業務計劃是什么？您五到七年的愿景是什么？AI采用路線圖是否反映了這些優先事項？如果您想從AI中獲得真正的價值，則AI /分析功能應由在組織優先事項上有發言權并確保AI投資與之相稱的高級人員領導。

當您的公司正在經歷主要的供應鏈變革時，進行由AI驅動的營銷改革，就像您有腎臟問題時為心臟服藥。擁有心臟健康固然有益，但不應將其優先于腎臟藥。使AI項目成功的最重要方面是確定正確的問題。正確問題的最重要屬性是，它符合業務目標。

2.投資數據。

這是一個困難的事實：花費了數據科學家數月時間來開發的算法正在迅速成為一種商品。如今，只有具有數據科學基礎知識并且沒有編程技能的人才能通過單擊幾下構建非常好的模型。這意味著您的競爭對手也只需單擊幾下即可訪問您采用的復雜算法。

那么，差異化因素是什么？數據！擁有最好（最細粒度，最干凈，最及時）數據的人比其他人更具優勢。因此，您的組織必須找到一位能夠確定最有影響力的數據元素并確保對其進行采購的數據戰略家，以便您能獲得比競爭對手更好的見解。

3.優先考慮快速獲勝。

AI計劃必須與業務計劃緊密集成，以創造最大價值。為此，人工智能必須以業務發展的速度前進。僅投資于企業可以在四分之一左右的時間內開始使用的一口大小的最小可行產品（MVP）（即使復雜的應用程序也可以分成一系列MVP）。這樣，它就保持了相關性，展示了價值并向現實世界反饋了自己。

三個維度表明AI用例是否是捷徑：

估計在完全采用時會產生的價值（請注意，價值不一定是美元，但必須是可衡量的）。

實現輸出的技術復雜性，因此涉及的時間和精力。

由高級業務利益相關者提供的贊助，該利益相關者不僅為AI團隊提供預算，還為他們提供時間和指導，并與他們進行迭代。

4.投資翻譯員。

讓我們再破一個神話。踏上AI之路，您應該招募的第一類人才是什么？數據科學家？再想一想。

如今，許多數據科學可以通過可單擊的自動機器學習（AutoML）平臺來完成。或者，您可以聘請顧問來填補空白。對于您的組織而言，更重要的是一組分析翻譯人員-跨職能的專業人員，他們充當業務團隊和分析團隊之間的聯絡人。

譯員的工作是雙重的。一方面，他們與業務團隊合作，對他們進行了可能和不可能的教育，并幫助他們確定正確的用例。另一方面，他們與數據科學團隊合作，將業務問題轉換為分析問題，使用MVP方法運行項目，并解釋分析結果的業務含義。

解決方案MVP準備就緒后，他們將與企業再次合作，以適當的變更管理干預措施來驗證和內部化解決方案。因此，翻譯人員需要具備您的業務動手知識，與組織的深入關系，對分析的工作知識以及對分析團隊的文化共鳴。

譯者掌握著從AI投資中釋放價值的關鍵。投資他們，然后仔細選擇它們。

5.參加課程。

許多公司由于缺乏理解和信任而沒有意識到AI投資的價值。作為領導者，重要的是您（和您的直接下屬）了解AI的“為什么”和“什么”，以便您可以創建自上而下的AI文化。您不必是數據科學家，但您應該了解數據科學可以做什么和不能做什么。意識可以導致人員，流程和技術投資方面的更好選擇，并可以帶來更好的結果。

所以，如果您還沒有，現在是時候了。登錄Coursera（或任何其他MOOC）并參加AI入門課程，并為中層管理人員設置相同的權限。