如何实现人工智能驱动

许多公司都采用了“数据驱动”的方法进行运营决策。虽然数据可以改进决策，但它需要合适的处理器来充分利用它。但是，对于“数据驱动”这一术语来说这意味着数据将由人类进行整理和总结，以便进行处理。

如果要真正充分利用数据中包含的价值，公司需要将人工智能（AI）引入到工作流程中，这能帮助管理层从数据中解放出来，将他们的贡献转移到企业的其它的地方。

要区分“数据驱动”和“人工智能驱动”，我们需要区分它们是两种不同的资产：数据和处理能力。数据包含能够做出更好决策的洞察；处理能力则代表着提取这些数据并采取行动的方法。人类和人工智能都是处理器，但它们有着非常不同的能力。为了了解并如何最好地利用每一种方法，回顾一下人类决策在工业中是如何发展的，将对我们理解“数据驱动”和“人工智能驱动”大有裨益。

就在50年前，人类的判断是商业决策的核心处理器。专业人士依靠他们在各自领域多年的经验发展而来的高度调整的直觉：为广告活动挑选合适的创意；确定合适的库存水平；或批准合适的金融投资。经验和直觉是区分好与坏，高与低，以及风险与安全的主要标准。

我们会发现，以经验和直觉来做判断会太过人性化。许多时候，许多事件证明了我们的直觉并不适合用于决策。我们的大脑受到许多认知偏见的影响，这些偏见以可预知的方式损害了我们的判断。仅仅依靠人类的直觉是低效的、反复无常的、容易出错的，并且限制了企业扩展的能力。

数据驱动的工作流

感谢如今的数字革命，这让我们相互连接的设备捕获了不可想象的数据量：每一笔交易、每一个客户状态、每一个微观和宏观经济指标都更好的为决策提供信息。为了响应这个新的丰富的数据环境，我们调整了我们的工作流程。IT部门支持使用数据库、分布式文件系统等来传递信息流，并且将无法管理的数据量减少到可消化的核心数据。人们可以使用电子表格、数据仪表盘和分析应用程序等工具进一步处理这些核心数据。最终，这些高度处理的、可管理的核心数据被提交给决策者。这是“数据驱动”为主的工作流，它将数据作为一种输入汇总，依托在人类这个中央处理器的判断之下。

我们其实不如机器善于利用所有的数据。尽管我们擅长于消化周围环境，轻松地处理大量的环境信息，但在处理结构化数据方面，我们却明显受到限制。处理数百万或数十亿条结构化数据记录是不可理解的；我们只能处理一些小的总结，例如总销售额和平均销售价格汇总到一个区域级别。然而，汇总的数据可能会掩盖原始（大）数据集中包含的许多见解、关系和模式。汇总统计数据（如总和和平均数）并不能提供决策所需的全部信息。

通常，决策需要了解数据值的完整分布或数据元素之间的重要关系。当数据聚合时，此类信息就丢失了。在某些情况下，汇总的数据甚至可能是完全误导性的。混淆因素可以让一个积极的关系出现，当它实际上可能是相反的（辛普森的案件就说明了混淆因素的复杂性）。然而，一旦数据被聚合，就可能无法恢复这些因素，更别说对它们进行适当的控制了。简而言之，通过使用人类作为数据的中央处理器，我们仍然在权衡准确性以及如何规避人类数据处理的高成本问题。

人工智能驱动的工作流

我们需要进一步发展，将人工智能纳入工作流程。对于只依赖结构化数据的常规决策，我们最好将决策委托给人工智能。人工智能不受认知偏见的影响。人工智能可以被训练为在人群中找到特殊——因为人类可能会因感情而产生偏见，而人工智能却不会。人工智能更适合处理非线性关系，不管是指数关系、幂律关系、几何级数关系、二项式分布关系还是其他关系。这些关系计算量庞大，远远超出我们人类可以处理的范围。

人工智能工作流可以更好地利用数据中包含的信息，并且在其决策中体现一致性并保持和观。它可以更好地确定哪种广告创意最有效，如何设定的最佳库存水平，或者进行哪些金融投资。同时，它可以降低成本。人工智能的价值在于做出比人类所能做得更好的决定，这也就提高了效率，为企业新的形态作出演变。

在工作流中同时利用人工智能和人工处理器

人工智能工作流的出现并不意味着人已过时。有许多业务决策不仅仅依赖于结构化数据。愿景陈述、公司战略、公司价值观、市场动态——所有这些都是信息的例子都依赖于人。这些信息只能在我们的头脑中获得，并通过文化和其他形式的非数字通信进行传播。人工智能无法访问这些信息，而这些信息又与业务决策极其相关。

例如，人工智能可以客观地确定正确的库存水平，以实现利润最大化。然而，在竞争环境中，公司可能会选择更高的库存水平，以提供更好的客户体验，即使以牺牲利润为代价。在其他情况下，人工智能可能会决定在市场营销中投入更多的资金，在公司可选择的方案中，投资回报率最高。然而，一家公司可能会选择缓和增长以维持质量标准。在其他情况下，选择广告的最佳营销创意可能需要人工智能无法考虑的因素。以策略、价值观和市场条件的形式提供给人类的额外信息，可能会偏离人工智能的客观合理性，但却对推动消费市场有着无可比拟的价值。在这种情况下，人工智能可以用来产生和推演各种可能性，而由人来丰富其价值。

在工作流中同时利用人工智能和人工处理器意味着人类不是直接与数据交互，而是与人工智能处理数据产生的可能性信息交互。价值观、战略和文化是我们以客观理性协调决策的方式。通过同时利用人工智能和人类，我们可以做出更好的决定。