如今，数字科学对企业的“吸引力”越来越大。但如果我们要正确看待数字科学，我们就迫切需要理解以下问题：数字科学能为我们的业务发展做些什么，它不能为我们的业务发展做些什么。 毫无疑问，机器学习(ML)和人工智能(AI)的许多进步有望为许多类型的企业带来效益和效率提升。虽然听起来不错，但在大多数情况下，现实是它没有达到预期。这至少有三个原因：（1）围绕ML/AI的炒作已经超过了它的实际能力；(2)在炒作中，客户拥有高AI开发人员不了解或不知道如何解决其技术假设可能对组织产生的影响。 下面，我们将详细讨论第三个原因。具体可以展开为四个关键问题：（1）技术不等于产品；(2)产品不等于价值；(3)价值取决于评价其价值的人；(4)人们需要区分产品的目的是什么？取代人类或提高人类的工作效率。 技术不是产品 任何算法或神经网络都不是产品，无论其性质多么复杂。例如，ZebraMedical已经开发出先进的技术，可以识别放射扫描中的骨折和乳房X线照片中的可疑病变。在扫描数百万张图像后，机器学会了如何正确识别骨折和疑似病变，随着时间的推移使该技术日趋完善。在研发过程中，技术人员提出了100多种算法，但医生（放射科医生等相关人员）不能直接使用这些算法，因为算法需要转化为产品才能使用。 算法要成为产品，就需要医生可以直接使用。也就是说，至少要开发一个可以在任何医疗中心的设备上运行的应用程序。应用程序需要易于操作，并且能够生成对用户有价值的输出。对于ZebraMedical，这意味着：此应用程序生成的输出可以告诉放射科医生骨折/病变的位置和类型。 产品不等同于价值 虽然ZebraMedical开发的应用程序可以帮助识别状况，但该应用程序本身并不直接产生价值。但他们至少发现了两个价值创造点。第一点是效率。他们开发的应用程序可以比放射科医生更快、更频繁地查看扫描和乳房X线照片。因此，高效率是这项技术带来的第一大价值。 第二大价值是ZebraMedical开发的一项创新技术，该技术是一种按紧急程度对扫描和乳房X光照片进行排序的算法。该算法的开发需要放射科医生和其他医生的大量反馈，以帮助算法了解什么是正常的、什么是紧急的以及什么是非常紧急的。一旦完成，ZebraMedical不仅能够提供扫描和乳房X线照片，还能对其进行排序，以便放射科医生可以优先处理最紧急的病例。这就是该产品为工作流程和患者生活带来极大便利和有效性的地方。 价值取决于谁来评估它 上述技术可能对某些人来说没问题，但不一定对放射科医生、其他医生、医院管理人员、保险公司和监管机构有用。医生总是关心骨折和病变识别结果的质量和可靠性，他们特别关注类型1和类型2错误：类型1错误是当患者被识别为受伤或生病时第二种类型错误（类型2错误）是当患者被诊断为健康时他或她不健康。 医生可能会进一步担心他们的工作可能会在未来被机器取代。这并非不可能，但我们仍然需要将识别疾病与诊断疾病分开。 医院管理者可能对新技术持保留态度。一方面，他们仍然很高兴看到新产品在效率和质量方面的潜在收益，但另一方面，他们也担心Type1和Type2错误——不仅是从质量的角度，而且是从责任。 保险公司可能很乐观，效率的提高降低了医疗成本，早期发现使我们能够采取更多的预防性干预措施。 监管机构想知道这些算法实际上依赖哪些变量进行识别。神经网络学习的问题在于，即使是程序员自己也不知道他们的程序是如何得出结论的。进一步的问题是：现在谁负责诊断和治疗。是医院、医生、放射科医生、算法公司、程序员还是算法本身？ 这导致了AI/ML对组织影响的最后一个方面。 替代人类的产品VS帮助人类更高效工作的产品 目前，离依靠机器来诊断疾病、设计治疗方案、开出医疗干预措施和跟进病人护理还有点远。现在这些步骤全看医生了。即便如此，在扫描效率、工作流程管理、急诊快速检查等方面，App的骨折病灶识别功能确实显着提升了人类的工作效率。 只有真正理解潜在客户挑战的AI/ML公司，才能创造出真正从客户角度赋能效率和效益的产品。如上所述，创造这样的价值比听起来要困难得多，尤其是在医疗保健领域，因为不同的利益相关者有不同的，有时甚至是相互冲突的需求和关注点。虽然人工智能距离取代人类操作还有很长的路要走，但如果使用得当，人工智能/机器学习确实可以大大提高人类的工作效率。 作者：RobertHooijberg，IMD商学院组织行为学教授 ShlomoBen-Hur，IMD商学院领导力、人才管理和企业学习教授MarkJ.Greeven，IMD商学院创新与战略教授学校AmitM.Joshi，IMD商学院市场营销与数字教授 MichaelR.Wade，IMD商学院创新与战略教授，思科数字业务转型主席
