人工智能(AI)为每个行业的企业提供发展和改善业务运营的机会。根据《财富商业见解》的调查，2019年全球人工智能市场规模为270亿美元，预计到2027年这一数字将达到2670亿美元。这表明许多企业致力于采用最具生产力的技术之一我们的时代。但实施人工智能战略会带来挑战，尤其是对于根本不知道从哪里开始的传统企业而言。规划AI试点项目的4个技巧根据定义，公司需要在进行大规模定量研究之前进行试点，以避免在设计不佳的项目上浪费更多的时间和金钱。试点项目与正式项目并没有真正的区别，而是提供了一种“先试后买”的功能，可以帮助企业了解新的解决方案或流程、它们面临的挑战以及它们带来的潜在价值。虽然大多数都遵循相同的基本原则（定义问题、预期目标、成本、所需资源和衡量结果），但不断变化的AI领域有一些细微差别需要理解。以下是公司在选择AI试点项目之前需要考虑的四个标准：1.明确定义公司的AI项目应交付的业务成果人工智能在过去几年中发展迅猛，至今仍是热门话题。虽然有些方面让人兴奋，但人工智能可以帮助提高冠状病毒疫苗接种率并改善购物体验。在某些方面令人沮丧，例如潜在的失业或道德困境，人工智能继续发展。聪明的企业正在寻找各种策略和方法来使用人工智能。尽管人工智能具有广泛的吸引力，但它并不适用于所有业务流程，也不是万灵药。在公司着手进行AI试点项目之前，需要确保问题和预期结果得到明确定义。是否有业务措施来跟踪进度？一旦项目被定义并提交给业务领导批准，下一个挑战就来了。2.选择正确的方法通过采用开源、云服务、内置人工智能功能的产品，企业可以聘请数据科学家构建自己的解决方案，或者使用现成的人工智能解决方案，但各有利弊两种方法。例如，现成的云计算解决方案被广泛使用，但训练数据不是企业自己的，成本可能非常昂贵。聘请数据科学家来构建自己的解决方案可以提供一定程度的定制，这是其他地方找不到的，但获得合适的人才和专业知识可能很困难。为了沿着阻力最小的路径实现预期的结果，企业需要考虑最终选择的解决方案所带来的挑战，但没有完美的解决方案。在现有IT生态系统中权衡最合适的资源，不仅需要启动和运行企业的试点项目，还需要部署它所需的资源、持续改进以及利益相关者积极参与试点项目，以使其计划步入正轨.3.预测学习曲线AI模型需要训练。随着时间的推移（如果设计得当），它们会变得更聪明，但学习曲线不仅仅适用于与它们互动的人。这是针对模型本身的。即使使用来自主要云计算提供商的开箱即用的解决方案，调整以适应企业的业务需求、固有偏见和企业目标也将花费大量时间和精力，因此需要考虑这些因素才能取得成功项目的重要性。另一方面，企业可以使用先进技术，但如果他们不为使用这些技术的人提供适当的培训，他们就无法充分利用这些技术的好处。例如，如果医疗保健组织不完全理解其使用的技术和流程，那么可以像人类一样准确地理解X射线结果的算法可能会失败。4.了解测试与生产准备情况人工智能试点项目之所以受到关注，是因为它们在实施之前测试了所提议解决方案的最高风险。如果一个项目过于复杂、资源密集或财务负担过重，企业可以吸取一些教训，将自己的损失降到最低。但也请注意，成功的AI试点项目并不能保证成功的生产运行。业务需求和数据在不断变化。为了从您的AI计划中获得最佳结果，必须不断测试和重新训练模型，以便为您的客户提供准确的结果。这种情况在人工智能应用到生产中后不会消失。一次性验收测试适用于传统（静态）软件，但不适用于AI系统，因为它们必须随着周围世界的变化而自我改变。组织需要规划不同类型的监控、在线测量和再培训策略，以纠正数据和概念漂移、潜在偏见以及其他在早期测试中可能不明显的问题。通过考虑这四个标准，公司可以为其业务选择最具影响力的AI试点，并为他们提供最快、风险最低的学习路径，以最佳地采用AI技术。
