过早将所有鸡蛋放在一个篮子里正如您无法在一夜之间建立数据文化一样，您也不应期望分析项目会立即取得转型成功。一项成功的AI或机器学习计划需要人员、流程、技术和良好的基础设施支持方面的经验，这不可能一蹴而就。在IBM的计算机Watson赢得Jeopardy游戏或DeepMind的AlphaGo击败人类围棋冠军之前，需要多年的共同努力。许多人工智能项目之所以失败，是因为它们超出了企业的能力范围。当公司试图推出新的基于人工智能的产品或业务线时，这一点尤为明显。从头开始构建东西涉及太多易变的部分而无法成功。正如《肮脏的哈利》在电影《紧急搜捕令》中说的那样，“一个人必须知道自己的极限”，这句话同样适用于公司。大型企业每天都会做出无数可以通过人工智能和数据实现自动化的业务决策。总的来说，使用人工智能来改进小决策可以提供更好的投资回报。公司不应押注于长期的未来，而应开始投资于人工智能和机器学习的不那么迷人和风险较小的领域，以改进现有的工作流程。新闻发布室可能不会注意到，但会计师一定会感觉到。即使您已成功使用AI做出数据驱动的决策，投资改进现有模型也比着手新计划更好。2018年，麦肯锡的一份报告《更好模型的价值是什么?》表明，即使是预测能力的小幅提升也能引发经济价值的大幅提升。分析的组织结构不足AI不是一种即插即用的技术，无法立即带来投资回报。它需要整个业务思维方式的改变，以及内部结构的相应改变。但往往过分关注人才、工具和基础设施，而很少关注组织结构应该如何改变。一些正式的组织结构，在高层的支持下，对于实现将传统的非分析企业转变为数据驱动组织所需的临界质量、动力和文化变革是必要的。这将需要新的角色、职责和“卓越中心”。卓越中心(COE)的形式将取决于业务的具体情况。一般来说，两院制模式似乎效果最好。其中，AI的核心职责是集中处理，而嵌入各业务部门的COE则像“卫星”一样负责协同交付。这种结构通常会增强业务部门之间的协调和同步性，还会导致AI转换的更大共享所有权。由首席分析官领导的COE最适合处理以下职责：开发教育和培训计划、创建AI过程库（数据科学方法）、生成数据目录、构建成熟模型和评估项目绩效等。COE主要解决那些受益于规模经济的责任，但也包括培养AI人才、与第三方数据提供商谈判、制定治理和技术标准以及培育内部AI社区。各个业务部门的COE代表能够更好地提供培训、促进采用、帮助裁定AI增强的决策、维护实施、激励计划，并总体判断应在何处、何时以及如何将AI引入业务。COE的“特警队”可以以项目为单位增加业务单位代表。作者：SteveNunez原文网址：https://www.infoworld.com/article/3639028/why-ai-investments-fail-to-deliver.html
