人工智能在数字时代是一个不可避免的概念,如果不是因为它普遍应用,由于它提供了一个技术解决信息过载和追求上下文。企业兴趣AI已经加剧了其承诺形式的效率速度、准确性、灵活性和获得的见解嵌在“黑暗数据”——估计的引用80%的未使用的企业数据。
尽管人工智能投资激增和阴谋,公司很难知道从哪里开始。的公司正准备为AI部署、准备和投资在围绕数据和数据科学人才。但AI的要求更多。
今天,就每三个中就有一个企业的人工智能项目是成功的。公司可以尝试人工智能,但不到30%有任何人工智能策略,根据麻省理工学院斯隆管理学院。几乎每一个公司将证明严重不足的数据仓库,存储或处理系统。其他人沉默寡言的重新计票的警示故事,可怕的员工或AI未能占终端用户的基本需求。甚至世界上最大的人工智能公司遇到深刻的问题在道德。真正的AI准备需要多准备数据,它需要准备更广泛的组织,主要是人员、流程和原则。
我们的研究在一些27企业大规模部署AI发现有基本领域企业必须准备可持续的人工智能。
策略
AI-driven转型始于地面行动解决问题但必须与更广泛的数据策略和“数字转换”的目标。虽然大多数人工智能项目出现在单一的业务功能,组织结构(尤其是在AI治理)是成功的基本前提——短期胜利和随着时间的推移。虽然方法和指标随组织成熟度,测量AI的成功必须超越测量金融影响,和准备转变。
数据
最实用的企业必须准备AI是当然,数据。(毕竟没有数据,没有人工智能)。但是数据准备并不是一个线性的目的地。公司必须解决更广泛的“数据的故事”(从采购到存储,从管理到战略、安全及以后)之间的桥梁的想法在规模和执行。虽然许多“地面行动”AI努力准备数据管道进行单一行动,我们的研究发现企业人工智能具有独特的战略需求,更线性和更多关于准备资料的持续反馈循环学习跨应用程序,人们和组织。
基础设施
决策在部署所需的技术架构和集成人工智能核心产品策略必须与其保持一致。公司必须平衡可靠性与灵活性和快速发展的能力占整个“AI堆栈。“通常情况下,部署涉及配置现有的,现成的,开放源码和新兴的软件,硬件和数据仓库解决方案。因此努力基本配置可重用性,避免激怒人的当前数据效率低下。
道德
大数据的大规模自动化和AI呼吁一个新的业务能力:一个道德规范的形式化方法。我们的研究发现道德防范可分为三大类。首先,解决偏见——人类,数据和算法——在。第二,开车的透明度;人工智能引入了新的威胁和复杂性水平的额外的清晰战略要求。第三,组织本身:道德官员,团队甚至AI-tools所有新兴解决权衡,创建指导方针和流程,团队和多元化发展的最佳实践培养道德。
人
人准备AI一样重要准备数据。毕竟,人类的设计、部署、测量,采用、拒绝和定义AI的价值。在实践中,这意味着人类优先准备在技术能力和解决艾未未的限制和文化歧视。这需要灌输的“人工智能心态”在无数的利益相关者群体,识别关键人物(我们的研究确定了八)和准备相应的每个培养技术和产品组之间的同步协调。
人工智能的基础,理解和复制人类认知——呈现独特的企业面临与其他技术相比。它不仅仅是需要巨大的(好)数据提供准确和可操作的结果。或者,它标志着软件开发从确定性的转移概率。不仅仅是它可以挑战人们的重要性和相关性,那就是模仿人类认知呈现AI增加审查,其过高的期望和自我反省。随着数字世界永远自动化,企业有一个独特的角色——不只是在延长艾未未的实用和商业应用程序,但在准备更广泛的组织定义我们的关系。
杰西卡Groopman是一个行业分析师和创始合伙人Kaleido见解。
如果你喜欢这篇文章,注册SmartBrief的免费电子邮件移动营销协会的188金宝搏导航,在SmartBrief200多行业的时事通讯。
