企业在机器学习中容易犯的五个错误

机器学习技术的发展使人们能够从企业的各种结构化或非结构化内容中提取更多的信息和智能。

根据行业分析，有两种力量正在推动机器学习技术和其他支持人工智能的技术的使用激增:非结构化内容的惊人增长和使用机器人过程自动化(RPA)来自动化与内容相关的过程。

Cognilytica表示，在文档、图像、电子邮件、在线数据和视频之间，企业中高达90%的内容是以非结构化数据的形式出现的，并且每年以惊人的55%到65%的速度增长。

因此，研究机构珠穆朗玛峰集团研究(Everest Group Research)表示，智能自动化技术正在使用机器学习，其中机器人过程自动化(RPA)与内容相关的过程相交并互操作。机器学习技术的发展使人们能够从企业的各种结构化或非结构化内容中提取更多的信息和智能。

机器学习是一种软件，它使机器能够以有监督和无监督的方式“学习”，以提高准确性和性能。机器学习和其他人工智能技术可以从成千上万个不同的文档中学习，例如处理发票或处理供应商订单，这些过程涉及到捕获文档和使用机器人过程自动化(RPA)进行处理。

然而，全球数字智商技术和解决方案提供商ABBYY的首席创新官安东尼·麦克乔拉(Anthony Macciola)表示，组织在使用机器学习解决方案时经常会犯五个常见错误:

数据点1：过于复杂的机器学习功能

为了训练非结构化内容的最基本用例，组织可能会使用需要大量数据的机器学习工具。使用成熟的机器学习工具，这些工具包含高级算法，可以使用小数据集进行培训，并且可以在几个小时内完全投入生产，而无需使用样本集中的几十万份文档来启动项目，这可能需要几周甚至几个月的时间。

数据点2：过于依赖机器人流程自动化(RPA)

机器人过程自动化(RPA)因通过连接到遗留系统和外部数据源来提高效率而受到高度赞扬。它可以快速部署，其数字工作者易于配置。一旦就位，它们就可以像人类一样工作。RPA和机器学习技术的最大区别在于RPA关注于重复的结构化工作，而机器学习的目标是理解结构化和非结构化内容。机器人过程自动化(RPA)要求机器学习技术(machine learning technology)为其数字工作者提供智能内容，从而为他们提供提取有用信息和获取智能的认知技能，从各种形式的内容中学习，获取文档的含义和意图，提高决策能力。

数据点3：假设他们知道将机器学习技术应用于何处

企业在启动自动化项目时并不总是选择正确的流程。这是因为许多公司在组织过程知识上是分离的。此外，高级管理人员不参与日常工作流程，缺乏流程文档，因此越来越难以真正发现哪些流程已准备好实现自动化。在项目开始之前，结合过程智能将使企业能够全面了解在哪里应用机器人过程自动化(RPA)和机器学习解决方案，以及它们对组织——的预期价值和节省，所有这些都基于数据，而不是意见或偏见。

数据点4：错过高价值的业务案例

一般来说，企业会依赖常识，选择最常出现的任务，因为这似乎会带来好的结果。然而，这种临时流程选择方法可能会忽略其他带来更高投资回报的业务机会。虽然从对组织或与最终用户的交互影响最小的领域开始是完全可以接受的，但是应该记住如何在整个组织中快速、轻松地“登录并扩展”机器学习。

数据点5：认为可以一劳永逸

这项工作不仅仅是因为企业已经培训了算法并部署了数字员工。通过监控和测量自动化对上游和下游的影响，确保持续的协议合规性，并防止瓶颈转移和对其他地方流程的可能负面影响。监控数字员工和实施整个端到端流程与规划和执行同等重要。