在试验机器学习和获得结果方面，贫富之间的差距越来越大。上周在纽约举行的O'ReillyAI会议提供了对企业采用AI的最新结果的见解。毫无疑问，采用者显然是科技公司。在会议上，Facebook、Twitter、Salesforce和其他公司分享了有关他们使用机器学习解决的问题的重要细节，以及他们为标准化和扩展机器学习实践所做的努力。技术供应商还展示了他们的最佳能力和企业产品，其中英特尔AI、微软Azure和IBMWatson处于领先地位。去年的报告中提到，深度学习更容易被主流企业接受。在今年的大会上，大大小小的供应商提供了数据科学平台、Dataops框架和数据管理工具，帮助企业起步和成熟。机器学习实验。人工智能投资：许多企业落后调查结果显示，在机器学习和人工智能方面，许多CIO似乎处于观望状态。在Gartner最近的一项调查中，只有37%的受访者表示他们正在投资人工智能。在《企业对人工智能的采用情况调查》（AI在企业中的采用情况调查）中，BenLorica和PacoNathan分享了他们自己的发现，即许多企业在采用AI方面仍然落后。调查结果显示，人工智能以科技金融服务、医疗保健和教育为首，占调查结果的58%。所有其他行业，包括电信、媒体和娱乐、政府、制造和零售，在调查中都低于4%。即使在医药行业，也只有小部分受访者表示有成熟的实战经验。科技行业的比例最高，为36%，超过50%的最新行业受访者表示他们正处于评估阶段。CIO需要克服的几个AI障碍该调查指出了机器学习试验中的一些困难，这可能会让CIO在将其作为首要研发重点之前犹豫不决。在投资人工智能之前，企业需要满足几个先决条件。23%的受访者表示，他们的公司文化尚未认识到人工智能的必要性，19%的受访者表示缺乏数据或数据质量问题。据报道，50%的人工智能项目处于研发阶段，其次是客户服务、IT或运营用例。对于保守的CIO而言，在推动客户体验或运营改进方面，投资实验性AI可能是第二或第三选择，而不是其他更成熟的战略。人工智能需要雇佣一个由机器学习建模师、数据科学家、业务分析师、数据工程师和基础设施专家组成的多学科团队，而受访者表示所有这些技能组合都存在技能短缺。由于这些工具之间没有明显的赢家和输家，因此存在明显的技术风险。许多AI从业者正在使用多种工具，虽然TensorFlow、scikit-learn、Keras和PyTorch仍然是前四名，但调查受访者列出了他们仍在使用的其他10种工具。AI除了选择技术，还有一整套全新的实践需要通过模型可视化、自动化训练和模型监控不断成熟，在受访者中排名前三。人工智能仍然存在许多业务风险，但其缓解策略并非微不足道。最大的风险包括来自模型的意外结果和预测、模型透明度、偏见和道德、模型退化、隐私、安全性、可靠性和安全漏洞。为什么CIO不应该推迟AI实验尽管存在所有这些障碍，CIO仍冒着巨大的风险，因为他们没有接触机器学习和人工智能。AI不同于Web1.0、移动、社交和云计算，落后者可能会因迟到而受到惩罚，但可以通过投资正确的技术平台、采用最佳实践和匹配的熟练服务来改进。公司合作迎头赶上。问题是，投资人工智能有三个关键先决条件，需要CIO的领导。组织需要明确的数据策略、使用新技术执行的能力以及管理变革和推动文化变革的组织能力。这些是数字原生业务的基本能力，对于许多投资于数字化转型的企业而言，它们仍在完善中。拥抱数字化转型的首席信息官应该在这些项目中加入人工智能实验。这是为所有CIO都应该投资的数据、技术和组织变革活动带来商业利益的方法之一。通过将人工智能和机器学习纳入范围，首席信息官可以开始更好地了解在其行业中应用人工智能的潜在商业利益、竞争威胁和运营风险。如果没有这种研究和开发，组织学习就会滞后，首席信息官可能会发现他们的能力与早期投资的竞争对手之间的差距越来越大。如何推动AI实验CIO有义务确保他们的组织在行业采用机器学习和AI功能方面不会落后太多。这并不一定意味着立即对新技术和技能进行重大投资。相反，CIO可以通过承担以下责任来开始解决一些先决条件：投资于组织学习，让业务和技术领导者更加了解AI在各个行业中正在发生的事情。这意味着要超越那些在人工智能的好处和能力方面明显处于领先地位的科技公司的炒作和营销。首席信息官应考虑派商业领袖参加人工智能会议，并邀请受过机器学习技术和数据技能培训的高素质人员参加。CIO应该组织领导层进行蓝天思考，并赞助机器学习概念验证，机器学习可以围绕这些概念验证提供最显着的商业利益。正是通过这些聚会和测试，对最有希望的机会进行了更多的调查和探索。CIO应该领导主动的数据治理工作。所有机器学习程序都需要大量定义明确的数据，但数据质量很低。它本身是一个程序，用于对数据源进行分类、分析和清理数据、对数据资产的分析师进行培训，以及为机器学习实验提供数据基础设施。这些努力都构成了低风险、低起点的机器学习项目，但都为越来越多需要在客户体验、自动化、分析和技术能力方面竞争的组织提供了额外的好处。
