许多公司的目标是人工智能(AI)优先战略，除了优化业务流程外，机器学习现在还被用于重新思考业务战略。AI优先战略将AI置于公司的核心，以优化预测、客户支持、营销、产品、制造、故障检测以及了解客户偏好和创新方式以创造竞争优势。现在，你应该考虑的不是你是否需要人工智能，而是如何将人工智能应用到你的企业和业务流程中。在理想的世界中，人工智能可以在决策的每个阶段提供帮助，完全嵌入到系统中，并且对员工和客户完全透明。但实现这一目标需要根本性的改变，包括自上而下的思维转变和MLOps（机器学习操作）工具的实施，以帮助IT团队克服可能阻止AI充分发挥其潜力的技术障碍。以下是转向AI优先战略的公司的五个要点。1、让人工智能成为企业的中心人工智能的成功应用依赖于强有力的领导支持（毕竟这会耗费很多资源，包括金钱、时间和人力）。除了技术团队，还需要建立一个跨职能的团队，由相应的业务专家，如放射科医生或保险专家，以及业务用户、软件工程师、数据科学家、数据分析师、测试人员、架构师和产品经理组成。接触人工智能项目的专业人士需要参与进来，这样组织才能更快地利用人工智能，机器学习模型才能更顺利地投入生产。2.让人工智能长期工作模型通常是由数据科学家在理想条件下设计的。从研究到实时部署是困难的，而且往往成为第一道障碍。由于缺乏干净可靠的数据、直接访问不同类型的数据存储以及计算资源短缺，许多AI项目都碰壁了。在数据科学家构建模型时，他们应该与DevOps（开发运营）团队合作，为AI系统的数据管理、部署和监控制定长期计划，以确保成功实施以及顺利维护和运营。3.减少繁琐的数据准备工作AI系统需要投入大量的数据准备、集成和模型训练任务，宝贵且训练有素的数据科学家消耗大量时间。其中许多任务可以自动化，以简化数据管道，更轻松地将工作负载从研究转移到生产，检测性能下降，或检测结果漂移，这些漂移表明模型需要使用更完整或更新鲜的数据进行再训练。4.利用现成的AI以前，只有像Google和Facebook这样的大公司才有足够的资金来实施AI/ML模型并获得所需的技术，而且很难找到数据科学家。如今，许多公司都在为研究探索和大规模生产部署提供前沿的开源框架、工具、库和模型。能够快速利用和定制计算机视觉、语言处理、语音识别和其他常见功能的开源解决方案的公司处于领先地位。利用这些成熟的技术平台，可以更快地构建满足企业专业需求的人工智能系统，大大减少开发和试错的时间。5.实施最佳成本效益策略当今的基础设施环境是一片“茂密的丛林”。数据科学家可以将无数计算选项组合用于不同的AI工作负载，包括CPU、GPU、AI加速器、云计算、混合云计算、主机代管等。因此，为了以合理的价格实现高性能，在执行任务时存在许多复杂性和不可预见的挑战。了解AI对预算的影响并选择最具成本效益的基础架构可以降低AI的总成本、加速创新、限制风险并加快部署时间。随着新数字经济的出现，到2022年，企业将竞相利用AI洞察力，通过真正的数据驱动来提升竞争力。与过去一年一样艰难，数据分析已被证明是做出更好的业务决策的关键，最近的创新加速了企业重塑自我和数字化转型的过程。通过让AI成为整个IT组织的核心，企业可以更进一步地利用AI作为战略资源，在短期和未来几年内获得全部收益。
