目前，对于智能技术的预期和回报仍不明朗，需要不断更新数据和算法，以巩固产品理念和投资。2016年是企业界开始释放人工智能(AI)潜力的一年。就在两年前，人工智能程序还能够编写完整的电影剧本、预测肯塔基赛马并在电子游戏中击败世界冠军——而且技术突破还不止于此。从那时起，包括许多财富500强公司在内的企业开始思考人工智能能为他们的业务和运营做些什么。在他们进行实验时，一个清晰的模式正在出现：任何可重复的过程都可以或将会被人工智能和机器学习(ML)接管。如果您了解这些技术，您可以预测所有正常流程都将自动化，而人工工作将被降级为仅处理复杂的异常。例如，哈佛商业评论最近的一篇文章强调了在线服装订阅服务StitchFix如何使用机器学习引擎为客户提供个性化推荐。为员工自动化数据收集和例行流程可提高工作效率并帮助处理复杂的请求，使企业能够更加专注于与客户的联系-最终使企业能够更好地分配资源并提高盈利能力。在这一点上，技术及其实现细节都不利于利用AI和ML。相反，在使用新技术扩大组织规模时，需要牢记五个因素：想象能力、改变意愿、重新思考产品设计、掌握协作艺术，以及最后，将AI视为一种商业模式改变。1.释放员工的想象力利用AI和ML的挑战不是技术，而是确定最有效的用例。我们如何让组织中的每个人都能思考和想象未来会怎样——并将他/她置于这个幻想世界中？是什么阻止了这种想象力？罪魁祸首之一是层级式的组织结构，无意中塑造了员工的心态并限制了他们的思维。在社区内创建和培育社区将使人才和创造力能够超越孤岛并打破壁垒。2.抵制急于求成的冲动急于在整个组织内一次性推出智能技术会适得其反。相反，最好与您的员工合作，在投资AI和ML技术与维护现有业务之间找到平衡点。当员工明白这些技术不会抢走他们的饭碗时，他们会更愿意掌握这些新技术。有一种误解认为人工智能和机器学习技术将取代人类。相反，实施智能技术可以帮助企业精确处理日常流程，并让员工专注于工作中更复杂、更人性化的方面。从端到端重新设计整个业务流程，而不是使用零敲碎打的方法。这样做将凸显人为因素在人工智能/机器学习中的重要性，并将解锁一系列目前机器人无法企及的能力——创造力、人际沟通和同理心。反过来，这将导致创造新的价值、新的就业机会和更高层次的责任。3.重新思考现有的产品设计和架构模式几十年来，技术人员一直在设计确定性系统。软件产品和系统的设计是基于输入和输出的清晰性，这些系统甚至可以通过自学习算法来决定如何处理数据。重点不再是如何构建一个规则和逻辑清晰的系统，而是系统需要新的技能来构建系统，并且系统会随着更多的数据输入系统而学习。这将导致需要从根本上重新设置软件开发的规则——例如需求分析设计和测试——无论它是基于敏捷方法还是瀑布方法。企业资源规划(ERP)系统也在发生变化。数据架构将处于最前沿，因为不再需要为组织流程建模的定制打包软件。人工智能将与快速创建的应用程序相结合，将ERP系统转变为运营引擎。企业将转变业务流程以利用新的商业模式，为新兴市场寻求智能技术以确保顺利进行ERP转型。4.掌握侦察和协作的艺术随着我们离开确定性系统领域，与供应商和技术平台的协作将发生重大变化。部分人工智能解决方案现在将嵌入到他们的产品中，使组织学会依赖他们的供应商。讨论将从哪个合作伙伴可以提供最佳服务质量开始，以确定合作伙伴是否可以信任在业务流程中运行AI并在其中以最佳方式运行。人工智能初创公司如雨后春笋般涌现——但每家公司的关注范围都比较狭窄，缺乏真正的投资资本和进入企业市场的渠道。这是采购部门提高伙伴关系建设技能的大好机会。企业必须明白，合作涉及共同创造、共同成功和共享所创造的知识产权，这样他们才不会落后于同行。5.将AI视为业务设计的模型随着AI的爆炸性使用，组织被动等待行业同行展示可能的发展方向并放心做快速追随者的日子已经结束。但是，行动的紧迫性取决于行业细分的竞争力和行业细分的整合。制造公司正在使用AI工具来跟踪金融和零售公司，而保险公司正在采用制造模型（例如数字孪生）来预测其承保资产的风险。AI不应仅被视为改善运营的一种手段，因为它可以从根本上改变组织赚钱的方式。人工智能和机器学习有能力重新定义全球价值链。市场领导者应使用人工智能作为捍卫其市场地位的手段，而其他人则应使用人工智能在价值链解体期间重新定位自己。员工才能、技术采用、业务设计和潜在的合作伙伴关系将进一步推动人工智能的采用。这些因素，以及将人工智能视为企业战略的核心部分，将是决定何时以及如何实施智能技术的关键。这不是一件容易的事。智能技术的期望和回报仍不明朗，数据和算法需要不断更新以巩固产品理念和投资。技术的复杂性及其实施方式不应被视为利用AI和ML的关键因素。当您使用新技术来发展您的组织时，请记住上述五个提示，这将使您更容易获得成功。
