随着人工智能(AI)专家和机器学习(ML)服务的激增，AI可以为许多组织提供巨大的价值。然而，在部署AI时，企业通常甚至无法收回初始投资。看起来有点尴尬，不是吗？IBM最近的一项研究表明，只有21%的公司能够将AI集成到他们的运营中。这就是问题的根源：未投入生产的技术无法获得经济回报。此外，即使是那些已部署的AI项目也常常无法交付预期的价值。让我们来讨论一下公司在实现AI盈利的道路上面临的障碍以及如何克服这些障碍。建立数据驱动的人工智能战略考虑到人工智能总是需要大量数据，采用人工智能的组织必须是数据驱动的。不出所料，缺乏数据是企业在充分发挥AI潜力的过程中必须面对的最常见问题之一。如果一家公司的领导层和关键员工缺乏数据技能，人工智能计划很可能会失败。如果员工不采用数据驱动的方法进行决策，即使是专业构建的人工智能系统也无法发挥其全部潜力。缺乏治理是人工智能实施中的另一个常见错误。通常，人工智能需要对组织结构和战略以及员工的心态和技能进行重大改变。简单总结一下，人工智能应用成功的关键因素在人。因此，将变革管理视为AI实施路线图的核心部分，并确保公司领导者拥有培养以AI为中心的文化所需的知识和动力。寻找切实的目标虽然目标是任何项目成功的基本先决条件，但许多公司在AI实施方面仍然难以明确确定目标。对AI项目的结果有明确的期望很重要。通常，终端用户并不积极参与人工智能项目，因此虽然技术团队构建了完美的人工智能系统，但他们提供的商业价值却很少。这就是为什么从项目一开始就让所有利益相关者参与其中至关重要的原因。此外，人工智能项目通常会提供无法准确衡量的价值。例如，提高员工满意度或改善客户体验比节省成本或时间更难追踪。或者，假设您构建了一个AI系统来减少IT部门对工单进行分类的时间。首先，鉴于系统必须使用NLP来理解自由格式的文本，它不会100%准确，尤其是在一开始。因此，您的团队需要确定允许的错误率并将其纳入ROI计算。假设人工智能系统错误地将这张票识别为低优先级。这大大增加了ROI计算的复杂性，因为很难衡量这种情况的负面后果。这就是为什么从能够正确计算ROI预期的项目开始至关重要。例如，许多制造公司已经看到应用于质量控制的人工智能项目的财务回报，因为它们的投资回报相对容易衡量。从小处着手虽然构建大型AI系统可能很诱人，但瞄准唾手可得的成果通常是更有效的策略，尤其是在一开始。从机器人过程自动化(RPA)入手可能是个好主意，它往往比人工智能更经济，而且投资回报率相对较快。RPA的实施是非侵入式的，这意味着它不会像许多AI解决方案那样破坏（颠覆）传统的系统给定流程。能够带来速效的人工智能项目也有助于证明更雄心勃勃的人工智能投资是合理的，并确保利益相关者更多地参与未来。人工智能需要成熟，虽然听起来微不足道，但更成熟、更有经验的公司更有可能从人工智能中受益。这些公司通常已经建立了数据治理实践、详细的培训计划、绩效跟踪系统和明确的项目目标。这些是成功实施AI的公司与未成功实施AI的公司之间的主要区别。鉴于项目成功率的波动性，人工智能比任何其他技术都更需要在关键管理领域打下坚实的基础。公司跟踪、衡量和组织流程的程度通常与他们从人工智能中获益的可能性相关。
