【.com快译】近十年来，围绕人工智能的讨论掀起轩然大波。不仅是大企业，中小企业也更加关注。时至今日，人工智能依然是商界热议的话题，谷歌、Netflix、亚马逊等巨头都从人工智能解决方案和机器学习算法中获益匪浅。预计到2025年，全球人工智能市场规模将达到近1260亿美元，这是一个巨大的市场。企业正在努力采用人工智能来发挥其潜力，但也面临着更多挑战。无数的商业实践证明了融入人工智能的重要性，有利于企业的成功运营。根据埃森哲的一份报告，人工智能可以将企业生产力提高40%，将盈利能力提高38%。然而，机遇与挑战并存，人工智能给企业带来的挑战，让人工智能进一步成功融合变得困难重重。Alegion的调查报告称，目前每10个组织中就有近8个正在从事已停滞的AI和ML项目。该研究还显示，81%的受访者承认用数据训练AI的过程比他们预期的要困难。这表明对企业采用AI的期望可能与现实不同。以下是企业在实施AI时面临的7大挑战。1、数据的挑战人工智能依赖于大量的数据。然而，数据量、数据收集、数据标签和数据准确性起着关键作用。因为，对于成功的AI解决方案，数据的质量和数量都很重要。AI需要大量数据才能获得最佳性能，并需要精炼的数据集才能做出准确的预测。人工智能模型只能按照提供的数据标准运行，不能超过提供的数据。企业面临各种数据挑战，先从数据量分析说起。海量数据人工智能做出智能决策所需的数据量是惊人的。虽然企业现在产生的数据比以往任何时候都多，但问题是，这些数据能否满足人工智能的需求？特别是当数据收集因隐私和安全问题而受到限制时。报告显示，51%的受访者表示他们没有足够的数据。这对大多数企业的数据基础设施提出了挑战：他们目前的数据量是否足够人工智能模型？他们如何生成更多数据？企业需要获得更多的可用数据来匹配他们的人工智能模型需求。此外，使用精心创建的合成数据也很有帮助。数据收集数据收集也会带来很多问题。答案不准确、结论不充分、观点有偏见、数据不确定等问题是影响人工智能决策的主要因素。Gartner预测，由于数据、算法和管理团队的问题，85%的人工智能项目会产生错误的结果。还有，人工智能对女性、有色人种等存在偏见，引发舆论哗然。然而，人工智能是没有意识的，它只是根据可用的数据做出判断。所以这是人的错，因为数据是人提供的，人会有成见和成见。收集数据的方式限制了AI可以使用的数据的丰富性。因为收集到的数据并不能代表所有人，这会导致人工智能做出不准确的决定。ML模型需要无错误的数据集来提供准确的预测。企业必须采用有效的技术和流程来收集数据。标记数据要使用AI模型，首先需要对数据进行标记、分类和校正。人工智能丰富的数据需求使得数据难以有效标注。96%的企业都遇到过训练人工智能模型需要数据标注的问题。可以使用基于网络的数据标记工具。例如，计算机视觉注释工具(CVAT)，它有助于对图像和视频进行注释。2.透明度的挑战简单来说，AI决策就是利用ML算法得出结论并做出预测。对于复杂的人工智能决策，企业会面临黑盒问题，黑盒模型不清楚它是如何得出某个结论的，从而导致对人工智能准确性的不信任和质疑。人工智能决策背后的基本原理需要透明，以便与企业建立信任。其中，LIME方法对解决这个问题很有帮助。3.劳动力挑战非技术人员可能会发现AI集成令人生畏，因为它的使用需要高技能培训。因此，AI在工作场所的无缝使用和规范化仍然是一个难以实现的目标。采用人工智能可能会在员工中造成混乱。比如人工智能的需求是什么？这项技术将如何使用？人工智能将接管他们的哪些职责？尽管AI不是敌人，也不会取代人类的洞察力，但AI的作用仍然被误解。一旦企业采用人工智能，员工就会感到威胁和压力。他们会觉得自己一直在与机器竞争，这会对工作氛围产生负面影响。让员工全面了解采用人工智能对企业及其自身意味着什么，避免员工产生错误想法或不安情绪。4.专业知识的挑战缺乏专业知识是企业采用人工智能的主要挑战。由于很难聘请到合适的人才，大多数采用者并不了解AI所涉及的技术细节。根据德勤对全球人工智能早期采用者的一项研究，68%的人表示存在中度至严重的人工智能技能缺陷。人工智能是一项不断发展和进步的技术，缺乏人工智能技能是阻碍企业成功采用人工智能解决方案的因素之一。根据德勤的数据，根据目前的供需状况，预计到2024年美国将面临25万数据科学家的短缺。成功采用人工智能的先决条件是聘请数据科学家。然而，招聘人工智能人才是一项挑战。此外，企业还可以使用不需要数据科学家的人工智能平台外包他们的人工智能项目。当然，数据科学家的培养离不开教育行业，人工智能的成功应用需要这方面的教育资源和人才储备。5.期望超出现实的期望并没有错，围绕AI给企业带来的无限可能性有很多炒作。当企业效仿或过于乐观时，他们的期望就会超过现实。公司业务需要什么样的人工智能解决方案？要知道人工智能不是万能的，它不能为你的企业包办一切。不幸的是，许多企业在没有蓝图的情况下就加入了人工智能的行列。企业的AI业务战略是否与其当前的业务目标保持一致？企业应该如何为采用人工智能做准备？业务技术和数据基础架构方面的现有能力和专业知识等因素对于成功构建AI模型至关重要。如果这部分基础薄弱，缺乏必要的效率，那么理想很丰满，现实很骨感。6.用例的挑战确定AI用例的优先级是企业在采用AI时面临的常见挑战之一。人工智能应用市场巨大，但企业发现很难选择最重要和优先的用例。根据Gartner的一项调查，人工智能主要用于改善客户体验或打击欺诈。为了安全起见，首先进行试验，公司将AI限制在业务的一小部分，这对收入的影响很小，以至于他们甚至看不到AI在业务中的投资回报(ROI)。据IDC称，根据2019年的市场份额，人工智能的主要用例是自动化客户服务代理、自动化销售流程以及自动化智能和预防系统。7.预算挑战并非所有企业都有资源投资人工智能模型。据《哈佛商业评论》（哈佛商业评论）报道，40%的高管表示，人工智能项目的一个障碍是专业技术和人员太贵。小型企业可以利用免费和付费的简单AI解决方案，但大型企业希望创建适合其业务用例的定制解决方案。对于那些希望创建定制解决方案的人来说，必然会有预算问题。此外，企业软件供应商和云服务提供商提供人工智能就绪服务，以最大限度地降低基础设施成本。结论虽然采用人工智能对企业来说是一个挑战，但绝对值得付出努力。人工智能的发展及其应用是大势所趋。随着时间的推移，人工智能将变得更加规范和智能，这些挑战将不再是障碍。在投入时间和金钱之前，让您的企业为人工智能带来的变化和颠覆做好准备至关重要。每个人都有自己的工作习惯。跳出传统的工作习惯，学会采用人工智能，对员工来说是一个挑战。因此，企业需要制定有计划的战略。最后，尝试将AI应用于您的业务核心将有助于跟踪和衡量AI实现的投资回报率，让您更清楚地了解AI的贡献。原标题：ChallengesofAdoptionAIinBusinesses，原作者：MufeedahAbdulsalam
