选择正确的人工智能用例的5个技巧

许多企业可能还没有准备好采用人工智能，所以从一个项目开始可能是一个好的开始。首席信息官应该从早期人工智能项目中获得什么？

谷歌是人工智能应用的先驱之一。在很短的时间内，该公司的净收入同比增长了一倍，投资回报率也很高。如今，许多公司都在采用人工智能。研究机构Genesys预测，到2022年，60%的美国公司将使用人工智能技术，原因很简单，这些公司不仅看到了结果，而且害怕在市场竞争中输给人工智能驱动的竞争对手。

然而，许多企业不擅长处理人工智能用例。正如提供自动化机器学习工具的Aible的首席执行官兼创始人、Salesforce Einstein的联合创始人Arijit Sengupta所解释的，“由于大多数人工智能项目都失败了，很难提供统计数据来证明人工智能在商业中的有效性。2018年，研究机构Gartner估计，85%的人工智能项目没有成功。虽然人工智能技术有很大的潜力，但大多数人工智能用例在商业操作中失败了。”

以下内容将讨论首席信息官应该如何处理他们的人工智能用例和策略以取得成功。行业媒体采访了数十名人工智能专家，分享了他们多年来的实践经验。

1.主要依靠数据的人工智能

众所周知，人工智能以数据为生，但数据的重要性经常被低估。

Jen Snell，聊天机器人开发人员Verint的副总裁解释道:“人工智能中数据问题的范围和规模远远超出了大多数人的理解。由于数据原因，许多企业项目将遇到问题——，从数据质量到管理和整理数据以获得有意义的见解，再到标记和建模。起初，这似乎很容易，但当企业专注于规模增长、改变模式、管理和确保系统控制时，这就变得很困难。”

斯内尔的统计数据令人痛苦:尽管59%的高管认为人工智能可以改善大数据的使用，但85%的大数据项目或人工智能项目已经失败。她说，“我们在15年前就意识到了这一点，并花了几年时间与客户和真实数据一起理解问题的广泛性和系统性。”

因此，拥有可靠和干净的数据对于人工智能转换是至关重要的，——甚至比人工智能算法更重要。人工智能技术和解决方案提供商威瑞斯通公司的应用人工智能主管艾伦·爱戴说，“我知道调整算法和给定模型的数学只会带来很少的改进。准确性的最大提高来自良好和干净的培训数据。尽早制定数据采集策略是机器学习成功的关键。我希望从一开始就知道这一点。”

如何获取数据对于人工智能用例来说也是至关重要的。虽然从外部来源购买数据会使企业脱离现实，但仅仅维持其业务运行是不够的，因为人工智能不了解其功能，它只能提供与所提供的数据一样好的数据。爱戴在研究一个受过普通训练的模型时发现了这一点。他说:“一个由100万‘名人’训练的名人识别模型在现实生活用例中表现不佳，因为它没有根据它运行的数据进行训练。如果你试图理解詹妮弗·安妮斯顿在《老友记》每集出现的频率和时间，她在奥斯卡颁奖典礼上的摄影训练模式将不如从《老友记》片段中捕捉照片的模式表现得好。”

每家公司的业务都可能需要经过仔细调整的人工智能。从长远来看，这将带来更高效的算法，带来更高的收入、更低的成本和更快乐的客户。

2.选择正确的起点

人工智能的成功转变是一个包罗万象的变化。这不仅与技术变革有关，也与文化变革和企业面临的员工阻力有关。因此，首席信息官必须从头开始成功规划。

企业在实现人工智能用例时，最好由易变难。正如工作场所自动化公司阿维的首席执行官莱尔·鲍尔(Lyle Ball)所描述的，他发现涉及人员的高度重复性任务，并让人工智能系统完成这些功能。

人工智能驱动的聊天机器人解决方案提供商Senseforth的首席执行官施莱达·马里奥(Shridhar Marri)解释道，“然而，从流程的角度来看，最好从面向消费者的角度出发。客户希望在他们选择的渠道上获得情景和个性化服务。获取、吸引和支持客户的整个范围是人工智能技术变革的一个关键方面。”

通过改善客户服务获得的利润和满意度也有助于企业展示人工智能转型的价值，尤其是在面临同事和员工的抵制时。鲍尔总结道，“这有助于打开其他用途的大门。”

在获得客户体验后，马里奥的建议是寻求提高运营效率和降低成本。

必须小心不要把人工智能转换和数字转换混淆。有时，即使不是基于人工智能的自动化工具也足以胜任这项工作。在企业采用人工智能技术之前，必须进行适当的研究，看看人工智能项目是否是最佳的前进方向。为富国银行和其他公司制造基于人工智能的聊天机器人的公司首席执行官乔纳森·杜阿尔特分享了他的经验。他说，“在我领导开发的一个项目中，已经制定了项目计划，但是在项目开始之前很少进行客户研究。在这种情况下，当设计聊天机器人时，用户已经找到了一个解决方案，它与人工智能工具一样强大，尽管它没有无限的可伸缩性。”

3.为文化变革做准备

仅仅关注人工智能转换的技术方面是不够的。讽刺的是，尽管人工智能似乎取代了人类，但近年来人们才开始理解人类劳动的价值。

Skymind的首席执行官兼联合创始人克里斯·尼克尔森(Chris Nicholson)提供了一个人工智能基础设施来支持大规模机器学习。他强调了获得同事支持与合作的重要性。他说，“企业的团队可能会使用它计划引入的人工智能解决方案，如果他们不接受，那就没有任何好处。”

此外，企业团队可能会参与生成或审查人工智能解决方案所需的数据，如果他们不支持向自动化过渡，他们将无法获得良好的数据。尼科尔森总结道:“工智能项目很难启动，所以没有理由制造更多的困难。”

4.建立人工智能是一个旅程

CIO在选择人工智能用例时犯了一个错误，忘记了人工智能的独特特性。人工智能很棒，因为它可以学习，但只知道人类教什么。构建人工智能用例是一段旅程，而不是目的地。玛丽解释说，“人工智能必须不断接受再培训，以保持其最新和可用。例如，聊天机器人需要了解企业的新产品或新的或意想不到的消费者要求，以证明它们的有用性。”

许多将人工智能与劳动力相结合的企业都采用这种策略:当人工智能遇到麻烦时，人们会处理各种情况，不仅改善用户体验，还会为人工智能学习创造新的数据。同时，人工智能有利于大量重复工作的实施和替代手工工作。

5.了解极限

虽然我们在这里讨论了如何开始使用人工智能用例以及如何正确使用它，但是我们也需要注意一些陷阱来确保项目成功并保持它的成功。由高级独立分析师组成的分析组织的首席执行官兼创始人汤姆·奥斯汀(Tom Austin)指出了一个致命的例子。他说:“不要像波音737麦克斯8上的MCAS系统的设计者那样，这自动消除了人类的判断。人工智能不是万能的。它是一个机器人。尽管它能做人们做不到的事情，但它不能思考。”

奥斯汀说，“尽管这样的例子看起来有些极端，但有一个重要的教训需要吸取:不要把错误归咎于技术，人类现在和将来都仍然处于责任链的末端。”