近半數(shù)CIO正在計(jì)劃部署人工智能

佚名

根據(jù)Gartner的調(diào)查結(jié)果，有意義的人工智能部署才剛剛開始。Gartner的“2018年CIO議程調(diào)查”顯示，4%的CIO實(shí)施了人工智能，另有46%的人制定了相關(guān)計(jì)劃。

Gartner研究副總裁、杰出分析師Whit Andrews表示：“盡管企業(yè)對人工智能技術(shù)有著巨大的興趣，但目前的實(shí)施仍處于相當(dāng)?shù)偷乃?。隨著CIO們開始通過購買、構(gòu)建和外包等方式來試水人工智能項(xiàng)目，人工智能可能會有強(qiáng)勁的增長?！?/p>

早期采用者在其企業(yè)組織中部署人工智能仍然面臨許多障礙。 Gartner分析師明確了這些早期人工智能項(xiàng)目中出現(xiàn)的以下四個(gè)教訓(xùn)：

從小范圍小目標(biāo)開始

Andrews表示：“在人工智能項(xiàng)目方面，不要陷入主要尋求硬性結(jié)果的陷阱，如直接財(cái)務(wù)收益?？偟膩碚f，最好是啟動(dòng)一個(gè)小范圍的人工智能項(xiàng)目，并以‘軟結(jié)果為目標(biāo)，如流程改進(jìn)、客戶滿意度或財(cái)務(wù)基準(zhǔn)?！?/p>

預(yù)計(jì)人工智能項(xiàng)目會產(chǎn)生一些經(jīng)驗(yàn)教訓(xùn)，這些經(jīng)驗(yàn)教訓(xùn)將有助于后續(xù)更大規(guī)模的實(shí)驗(yàn)、試點(diǎn)和實(shí)施。在一些企業(yè)組織中，啟動(dòng)人工智能項(xiàng)目是以財(cái)務(wù)目標(biāo)為要求的?！霸谶@種情況下盡可能降低目標(biāo)。想想成千上萬美元的目標(biāo)，了解你在小范圍內(nèi)要完成的事情，然后才能獲得更大的收益?！?/p>

關(guān)注于增加人力而不是替代人力

重大的技術(shù)進(jìn)步通常與減少員工人數(shù)有關(guān)。雖然降低勞動(dòng)力成本對企業(yè)管理人員具有吸引力，但那些工作面臨風(fēng)險(xiǎn)的人會產(chǎn)生抵觸情緒。在追求這種思維方式的時(shí)候，企業(yè)組織可能錯(cuò)失真正有效利用技術(shù)的機(jī)會。Andrews補(bǔ)充道：“近期人工智能最具轉(zhuǎn)型性的好處，將來自于使用人工智能幫助員工追求更高價(jià)值的活動(dòng)?！?/p>

Gartner預(yù)測，到2020年將會有20%的企業(yè)組織有專門的員工監(jiān)測和指導(dǎo)神經(jīng)網(wǎng)絡(luò)。Andrews表示：“先不說無數(shù)可重復(fù)的‘智能代理組成能夠像人類一樣執(zhí)行任務(wù)的團(tuán)隊(duì)，就是在與前線員工溝通這方面的效率也將遠(yuǎn)遠(yuǎn)高出不少。讓員工興奮起來，讓他們接受以人工智能為支撐的決策能加強(qiáng)和提升他們每天所做工作的這一想法。”

為知識轉(zhuǎn)移做規(guī)劃

大多數(shù)企業(yè)組織沒有準(zhǔn)備好實(shí)施人工智能。具體而言，他們?nèi)狈?shù)據(jù)科學(xué)的內(nèi)部技能，并計(jì)劃主要依靠外部提供商來彌補(bǔ)差距。在這項(xiàng)CIO調(diào)查中，有53%的企業(yè)組織將自己在挖掘和利用數(shù)據(jù)方面的能力評為“有限”——也就是最低水平。

Gartner預(yù)測，到2022年，由于數(shù)據(jù)、算法或負(fù)責(zé)管理數(shù)據(jù)和算法的團(tuán)隊(duì)中存在的偏見，有85%的人工智能項(xiàng)目將會帶來錯(cuò)誤的結(jié)果。

Gartner研究副總裁Jim Hare說：“數(shù)據(jù)是人工智能的燃料，因此企業(yè)組織需要現(xiàn)在就開始為人工智能項(xiàng)目的大量數(shù)據(jù)存儲和管理做好充足的準(zhǔn)備。主要依靠外部供應(yīng)商的技能并不是一個(gè)理想的長期解決方案。因此，要確保早期人工智能項(xiàng)目可以將外部專家的知識傳授給內(nèi)部員工，并在發(fā)展到大規(guī)模項(xiàng)目之前構(gòu)建好你自己內(nèi)部的人工智能能力。”

選擇透明的人工智能解決方案

人工智能項(xiàng)目通常涉及來自外部服務(wù)提供商的軟件或系統(tǒng)。任何服務(wù)協(xié)議中都應(yīng)包含關(guān)于如何達(dá)成決策的見解，這很重要。Andrews表示：“人工智能系統(tǒng)能否產(chǎn)生正確的答案并不是唯一的擔(dān)憂。管理者需要理解為什么這些結(jié)果是有效的，如果不是有效的，要深入了解其中的原因。”

盡管要解釋深度神經(jīng)網(wǎng)絡(luò)等高級分析模型的所有細(xì)節(jié)并不總是可能的，但至少要提供某種潛在選擇的可視化，這一點(diǎn)是很重要的。事實(shí)上，在決策受制于監(jiān)管和審計(jì)的情況下，提供這種透明度可能是一項(xiàng)法律上的要求。