近年来，组织对AI项目的兴趣稳步增长。根据研究公司Gartner的数据，2019年只有14%的组织部署了人工智能，但这一数字在2020年上升到19%，预计到2021年将达到24%。组织对人工智能日益增长的兴趣将影响他们对人工智能的技术投资不久的将来。然而，采用AI不仅需要最新的技术或建模技术，当从实验性AI解决方案转向生产AI或在整个组织范围内扩展AI应用程序时，组织的CIO需要清楚地阐明投资于这些目的和理由的重要性对于技术。对于采用人工智能的组织来说，没有放之四海而皆准的商业案例。相比之下，业务案例需要解决特定场景、问题陈述或使用AI方法和技术作为解决方案的一部分。考虑到组织在采用AI时面临的不同障碍，CIO在为AI制定令人信服的业务案例时必须考虑以下六个因素：因素1：AI不能立即提供ROI分析项目的预期成本和收益是任何项目的关键组成部分商业案例。但在实施AI项目时，没有简单的答案。人工智能项目在没有立竿见影的效益的情况下可能看起来成本高昂，尤其是在不习惯为新业务场景制定预算的组织中。人工智能的回报价值与组织追求的理想价值密切相关。因此，AI项目的投资回报率受三个关键因素的影响：数字采用的优势：数字采用领域的组织可以从AI中获得最大收益，因为它们在数字化转型方面具有天然优势。人工智能投资的严肃性：投资人工智能的组织不能被轻视，受益于人工智能的组织比竞争对手更早投入资金。强大的管理层支持：这与组织的文化密切相关，大多数成功的人工智能项目都有组织管理层的支持。CIO在计算AI项目的预期成本和收益时必须考虑这些因素。预先警告利益相关者，随着解决方案范围的探索和完善，这些成本可能会有很大差异。可能会表达在没有明显好处的情况下终止AI项目的意愿。因素2：AI需要独特的技能和人才人才获取是组织在AI部署中面临的最大限制之一。满足人才需求对于早期人工智能采用者来说将是最具挑战性的，因为取得成功的组织可能会结合包括内部和外部人工智能人才在内的招聘策略。因素三：AI商业案例需要可衡量的价值尽早评估AI项目的商业价值至关重要。在Gartner的一项调查中，39%的成功AI项目部署的受访者对风险因素进行了财务分析或进行了ROI分析。对于要证明AI项目明显优于传统技术方法的组织，评估对于购买和批准至关重要。要确定AI项目是否成功，可能需要多个评估标准，而不仅仅是简单的财务指标。例如，如果一个组织正在使用人工智能来增加客户总数，那么交互次数或客户交互结果可能是衡量成功的另一个指标。CIO应该从AI项目的一开始就优先考虑衡量成功的价值。积极收集数据并考虑包括财务数字以外的指标。因素4：数据、训练和算法的重要性人工智能使用分析算法来理解和处理复杂数据。数据和算法之间的交互是AI业务计划的重要组成部分。理解、准备和提炼AI数据的工作并不局限于一个项目，而是可以用于构建许多模型，并具有持久的效果。成功的人工智能实施包括强大的数据和分析基础设施。CIO必须确保业务问题有足够的支持数据来进行预测，这些预测包含高管期望在未来看到的模式。例如，如果一个组织做出的预测可能每季度发生变化，则其数据应跨越多年才能显示季度变化。因素5：构建、购买或外包的决策构建、购买或外包的决策主要取决于组织可用的资源。这三个选项之间的选择取决于项目的复杂性，以及IT部门的成熟度、解决方案所需的时间、需求的紧迫性和组织的预算等因素。最佳前进道路取决于组织试图解决的业务问题。为确定正确的前进方向，首席信息官应采取以下步骤：确定拟议项目对组织而言是独一无二的，并且已经具备强大的内部数据科学技能。购买可轻松定制以满足您组织需求的利基应用程序。当组织既没有先前的选择也不需要立即实施项目时，就需要外包。因素6：AI算法具有独特的道德和治理要求AI不仅旨在支持人类决策，其算法还可以自主运行。因此，需要相信这些AI算法能够代表每次数字交互中的所有参与者。人工智能实施中伦理讨论的影响至关重要，因为许多人工智能系统主要依赖于从底层数据中进行机器学习。如果不考虑道德后果，人工智能系统会传播不良行为并影响组织的品牌价值。从这个意义上讲，涉及AI的业务案例通常难以阐明，因为AI系统会产生不可预测或无法预料的结果。首席信息官应与利益相关者合作，在实施人工智能时开始规划道德和治理需求。还需要认识到道德在人工智能实施中的重要性，并积极应对这一挑战以建立信任。
