https://www.toutiao.com/a6637266246809158158/
2018-12-21 10:22:52
<强> 从建立孤立的概念证明到缺乏定义的成功标准,一系列的陷阱都会破坏你人工智能项目的商业前景。
近年来企业对人工智能的商业热情一直有增无减.IDC的最新预测显示,全球企业在认知和人工智能系统(从聊天机器人到深度学习,再加上为这些系统提供动力的基础设施)上的支出将从今年的240多亿美元增至2022年的776多亿美元,增长将达到两倍以上。
更为明显的是,人工智能已经从早期的采用者变成了主流的商业用例,几乎每个行业都有广泛的组织在探索试点项目,并将人工智能投入生产。但这并不意味着在这过程中是万无一失,毫无风险的。如果你不想浪费你将要花在人工智能上的资金,这里有一些常见的错误需要避免。
<强> 贪多必失
“不要试图在第一天就把海洋煮沸,“微软云人工智能团队的负责人兰斯奥尔森告诉CIO.com。你不可能在一夜之间就能用人工智能来改变你的整个商业决策过程,所以最好从小处着的手,在你获得专业知识的同时采取渐进的步骤。
寻找你容易摘到的果实。在处理最重要的系统之前,你需要开发一个系统先用于实验和验证实验结果。他警告称:“不要一开始就进行最大的投资。”
<强> 建立独立的概念验证系统
构建一个一次性的人工智能系统并不能帮助你创建人工智能的整体流程,也不是你现有数据管道的一部分,无法让你向前走得很远。你需要为每个项目创建一个可持续的AI资产。在这里,可持续性意味着一个能够产生足够投资回报率的系统,你可以持续投资该系统以实现进一步的开发和扩展。每次你这样做的时候,都将有助于为整个业务创建AI功能,而不仅仅是一个特定团队的新工具。
在你已经在做的商业分析的基础上,将这些历史系统转化为预测能力.Olsen说:“从投资优化开始,利用你现有的管道,在你已经做的事情上进行优化”。然后你就可以继续进行更革命性的项目,对你的流程工作方式做出更大的改变。
<强> 没有合适的技术基础设施
根据麦肯锡最近的一份报告,在开始人工智能之前,你需要投资核心的和更先进的数字技术。已经在云计算,移动和网络开发,大数据和分析领域拥有专业知识的公司采用人工智能工具的可能性是其他公司的三倍。四分之三采用人工智能的组织表示,他们依赖于从现有的数字能力中学到的东西。换句话说:如果你的企业还没有准备好利用云计算和数据分析,那么你可能也还没有准备好接受人工智能。
<强> 缺乏数据
绝大多数人工智能系统,包括企业自行构建的——都是机器学习系统,而机器学习需要数据。正如微软公司副总裁茱莉亚白在公司最近的商业AI活动上所说的,“我们新的机器人会在哪里?或者说,新的机器人会从哪里学习呢?”事实上,如果没有好的数据,AI会伤害你而不是帮助你,因为你实际上是在对一些没有实际证据的事情充满信心。
此外,如果你只有和你的竞争对手一样的公共数据,你只会得到和你的竞争对手一样的洞察力,所以你需要使用你组织自己的独特数据。假设你已经收集了正确的数据,这些数据也还需要进行清理和标准化。
不要低估在这方面所需的投资,收集和清理数据通常占了数据科学家工作的80%左右。从你已经用于商业智能和分析的数据开始,还可以更容易地确保你的人工智能系统将支持关键的业务流程,从而使其更有可能发挥作用。这也将有助于你定义数据准备的工具和流程,你可以使用这些工具和流程来处理尚未使用的数据。
<强> 缺乏评估和衡量成功的标准
数据科学就是科学。你需要有一个关于如何改进商业决策,销售,客户支持或其他任何你想用电脑做的事情的假设,你必须在行动中测试并评估结果。
