去年，全球公司在人工智能解决方案方面的投资高达 935 亿美元，高于 2020 年的 678.5 亿美元。
这种支出狂潮与高达 80% 的人工智能项目失败的事实形成了鲜明对比，而只有 11% 涉足人工智能的公司获得了可观的投资回报。
这是否意味着人工智能只是另一个流行词，并没有实际价值？
事实恰恰相反。人工智能项目失败率高、回报周期长的根本原因在于，很少有公司知道如何全面实施人工智能。
德勤最近的一项调查显示，拥有明确人工智能战略的企业的人工智能投资回报率超过 5%，平均回报期为 1.2 年。而盲目加入人工智能潮流的企业则很难实现收支平衡。
那么，在商业中开始使用人工智能之前需要牢记什么？
在商业中使用人工智能：迈向成功的 5 个步骤
本质上，我们可以将您的 AI 实施计划分解为五个可操作的步骤：
-
了解人工智能及其功能
-
设定切合实际的人工智能实施目标
-
评估公司的数字成 巴西手机号码数据 熟度和人工智能准备情况
-
开始逐步使用人工智能并制定规模化计划
-
追求人工智能卓越
第一步：了解人工智能及其功能
人工智能这一术语描述的是能够促进或自动化任务的机器和软件，它们能够像人类一样做出明智的决定。为了实现这一点，人工智能需要数据，这些数据可以为算法分析做好准备，也可以保持原样。
人工智能有多种类型，其复杂性和认知能力各不相同：
-
监督式机器学习。此类算法以注释数据为依据，擅长特定任务 — — 例如，识别停车场中有人和无人的停车位。
-
无监督机器学习。借助无监督机器学习解决方案，我们可以将注释数据从算法训练过程中移除，从而节省软件工程师的数据准备工作。相反，专家只需指定数据库包含哪些类型的信息，算法就可以自行训练。
-
强化学习。当工程师让算法自由运行，而不提供如何处理数据的指令时，我们就得到了强化学习。这样的人工智能系统会提出问题的解决方案，开发人员可以验证算法的准确性。如果结果不令人满意，他们可以进一步调整人工智能性能参数。
-
深度学习。深度学习解决方案由深度神经网络驱动，深度神经网络包含多层人工神经元，因此可以根据各种参数评估数据，在高级计算机视觉 (CV) 自然语言处理 (NLP) 应用中找到永久的归宿。
每种类型的人工智能都最适合执行一组明确的任务，例如解读评论网站上的客户情绪，或者找出贵公司的能源费用最近飙升的原因。
然而，在商业领域开始使用人工智能，你不会简化所有的任务和工作流程，从而将运营成本降至最低。在大多数情况下——比如运行复杂的工业设备或确定肿瘤是良性还是恶性——应该有人类专家审查算法的工作并及时干预。
第 2 步：设定切合实际的人工智能实施目标
在商业中使用人工智能之前，请先确定您要使用这项尖端技术解决的问题，并将您的目标与特定结果联系起来。
因此，您的 AI 实施之旅应从全面审核各个部门和工作职能的流程开始。如果您无法独自完成这项工作，请寻求经验丰富的技术顾问和业务分析师的帮助。
同时，与业务部门负责人、高级管理人员以及其他内部和外部利益相关者进行交流。为了获得高管层的支持，您还可以采用快速原型设计，创建 AI 解决 这封信与工作无关。 方案的概念验证 (POC) 版本。
这里要补充一点：您的 AI 目标应该是具体的、可衡量的、可实现的、相关的和有时限的 (SMART)。例如，您可以部署基于 NLP 的聊天机器人来自动执行客户支持部门 70% 的任务，或者使用智能流程自动化 (IPA) 工具以三倍的速度处理保险索赔。
步骤 3：评估公司的 AI 准备情况
为了实现第 2 步中确定的目标，请验证您的公司是否已具备以下 AI 构建模块：
-
技术团队。如果您的组织缺乏具有 AI 开发经验的 IT 专家，您需要从第三方AI 咨询公司聘请技术人才。开始在业务中使用 AI 的另一种方法是购买具有 AI 功能的无代码或低代码 SaaS 解决方案——但您可能仍需要聘请软件工程师来设置它。
-
数据。人工智能算法使用贵公司的数据来学习和执行其当前任务。这些数据可以是结构化的（即存储在数据仓库中并完全准备好进行分析），也可以是非结构化的（即以传感器读数、音频和视频文件、图像或不可编辑的文档的形式驻留在数据湖和数据湖或外部平台中）。非结构化数据约占普通公司生成的所有信息的 90%。为了利用这些数据进行算法训练和任务自动化，您的公司需要由现代云技术支持的适当的数据存储、检索和分析基础设施。
-
计算资源。说到云，谷歌、亚马逊和微软等供应商提 意大利电话号码 供训练和部署 AI 解决方案的资源。因此，云计算成为在商业中使用 AI 的关键。如果您的组织仍然依赖于不支持现代技术堆栈的孤立遗留应用程序，那么您必须首先为您的 AI 转型奠定基础。
如果您想知道如何轻松实施 AI，请记住，您的员工可以成就或毁掉整个项目。由于抵制变革是数字化转型项目失败的主要原因之一，您必须做好员工培训和入职准备，并解决在业务中使用 AI 所带来的道德挑战。
评估在您的组织中实施人工智能的利弊的一种方法是进行力场分析，在此之前，应该对影响您运营的内部和外部因素进行全面评估，并检查您的流程和最有价值的资产。
在进行分析时，请为推动或阻碍 AI 应用的每个因素分配分数。综合得分的正数或负数将表明您是否已准备好在业务中开始使用 AI，或者您是否需要先改造 IT 基础设施和流程。
样本力场分析。图片来源：自定义
步骤 4：开始逐步使用人工智能并制定规模化计划
在商业中使用人工智能的首选方法是从小处着手，评估算法性能，收集用户反馈，并将人工智能功能扩展到其他流程和用例。从错误中吸取教训并将这些知识传授给整个组织也至关重要。
但 Gartner 的数据显示情况有些奇怪，其研究人员声称，只有 53% 的企业 AI 项目能够从原型进入生产阶段。结果令人失望的原因之一可能是，大多数公司都将他们的人工智能项目视为孤立的 POC，没有连贯的计划来在整个公司范围内推广它们。
因此，尽早制定 AI 实施计划的蓝图并确定该技术如何融入您的整体技术战略非常重要。如果某个 AI 概念验证在三个月内未能兑现承诺，请毫不犹豫地暂停它并继续进行其他用例。
第五步：追求人工智能卓越
最后但同样重要的一点是，您如何衡量人工智能项目的成功并验证其是否值得扩展？
避免人工智能实施错误的无故障策略包括：
-
确保组织内有效的数据管理（为此，您可能需要与可靠的大数据咨询公司合作）
-
将您的应用程序互连，以创建全公司范围的数据生态系统
-
建立由内部专家领导的人工智能卓越中心，在外部顾问的帮助下，开发新技能、改进算法性能并验证新想法
-
创建业务基础，支持组织各部门、决策者和普通员工之间持续的流程优化和协调
最后一条建议：即使最初的结果不尽如人意，也要继续尝试人工智能。技术确实已经存在了几十年；然而，它仍在发展中，突飞猛进。开始在商业中使用人工智能需要整个文化的转变，这意味着人工智能先驱必须经历数字和组织转型才能掌握这项技术并从中获益。