企业人工智能项目该如何起步，哪些问题需要解决

（文章来源：交驰智能）

要在当今市场上具有竞争力，人工智能（AI）显然是必不可少的。但是，即使对于某些世界顶级公司来说，实施这项技术也一直充满着挑战。数据存在问题，无法找到合适的人才，无法创建可产生足够投资回报率的模型。结果是许多AI项目都失败了。根据IDC调查显示，只有大约35％的组织成功地将模型投入到了生产。

“虽然我们看到AI技术执行了一系列令人难以置信的任务，例如Google Translate，AlphaGo等，但很难说出AI能够解决哪些具体的业务问题，”Akur Goyal首席执行官表示。“这引起了很大的混乱，并且一个供应商社区通过将事物标记为AI来利用它，但实际并不是AI。这让人想起了上个世纪初，云技术开始兴起，我们进行了大量的云计算工作。当他们的产品还是雾件时，我们就让供应商将此营销为云播放器。同样，我们现在正在经历一场AI洗礼。”

那么，如果您的公司正在考虑运用AI，那么最好的开始方式是什么？该如何帮助提高成功几率并避免陷阱？人工智能不是魔术。它不能解决您公司的所有问题。相反，您需要对技术采取实际的方法。

“与传统的数据分析不同，支持人工智能的机器学习（ML）模型不会总是提供明确的答案，” Cloudera数据工程高级产品营销经理Santiago Giraldo说道。“将AI融入业务需要进行实验，并了解并非每个实验都会提高ROI。当一个AI项目成功时，它通常是建立在许多失败的数据科学实验之上的。对ML和AI采用投资组合方法可延长项目的寿命，并在未来更有效地基于成功经验来进行开发。”

有趣的是，在很多情况下，该技术实际上只是被过度利用了！Veritone产品管理高级总监Gus Walker说到：“企业通常在进行AI项目时没有意识到手动进行流程可能会便宜一些，而不是花费大量时间和金钱来建立一个不会节省公司时间或金钱的系统。”谁都不想在同一个项目花费大量时间和金钱之后，才意识到它存在法律或合规性限制。这意味着必须放弃之前的努力。

ServiceNow平台AI工程高级总监Debu Chatterjee说道：“首先，未经允许，不得使用客户数据。第二，应该减轻数据偏见。应当避免使用无法通过API进行偏差测试的黑匣子模型。几乎任何AI模型都存在偏差的风险，即使在算法决策中也是如此，无论该算法是从数据中学习还是由人类编写的。

在AI项目的早期阶段，应该进行很多头脑风暴。这也应涉及组织中各个部门的人员，这将有助于使用功效。目的是确定要解决的业务问题。

“对于许多公司来说，问题是它们是从对技术的需求开始的，而不是从实际的业务需求开始，” DataRobot的AI战略副总裁Colin Priest说道，“这让我想起了史蒂夫·乔布斯（Steve Jobs）的一句名言：‘你必须从客户体验开始，然后回到技术中来。而不能从这项技术开始，然后试图找出你要卖掉它的地方。’”

要解决的问题也应该是具体的（即可以衡量的问题），并且要狭窄，不能太宽。Aspen Technology公司APM咨询高级总监Mike Brooks表示：“这是一小步。不要去犯试图让AI适用于所有事物的错误。在分析了每个AI计划的价值之后，真正的收益将在解决一个非常具体的目标时出现。”

尽管估算项目的投资回报率很重要，但对方程式成本方面的关注往往很少。但这可能会令人失望。毕竟，在公司计划中超出预算永远不是一件有趣的事。

凯捷北美执行副总裁兼I＆D主管杰里·库兹（Jerry Kurtz）表示：“希望实施AI项目的公司应首先查看运营成本，并分析成本结构与最佳实践的比较。存储和转换数据的成本通常占预算的70％，而仅带来价值的10％。能够利用AI解决业务问题的成本仅为成本的30％，并带来90％的价值。如果组织可以减少数据成本并改善数据质量，他们将有更多预算用于利用AI解决这些业务问题，例如提高生产力和效率。”

运用AI可能会给企业带来麻烦。员工可能对此技术持怀疑态度，并可能为工作感到恐惧。这就是为什么需要重点关注买入的原因，这意味着要清楚地了解收益。它还应涉及C-Suite的承诺。根据O’Reilly最近的一项调查，考虑到AI的最大瓶颈是缺乏支持的文化。

普华永道全球人工智能负责人阿南德·饶（Anand Rao）表示：“企业要想成功运用人工智能，必须拥有一支强大的队伍，并拥有正确的员工技能提升计划。您不能简单地为员工提供AI培训课程；您需要走得更远，并提供直接的机会和激励措施，以应用他们所学的知识。此外，从任何项目开始就都需要业务利益相关者和最终用户，而不仅仅是技术人员。”
     （责任编辑：fqj）