决策智能是新的人工智能平台吗?

简介: 决策智能融合数据、决策与行动,通过AI与自动化技术提升企业决策质量与效率,支持从辅助到自动化的多级决策模式,推动业务敏捷性与价值转化。

决策智能是一个新领域,通过将数据与决策和结果联系起来,帮助支持、增强和自动化业务决策。它结合使用方法(例如决策映射和决策理论)和技术(例如机器学习、自动化及人工智能平台)来改进公司决策的方式。决策智能包括持续评估决策结果并通过反馈系统对其进行优化。

在谷歌于2018年推出决策智能部门后,“决策智能”一词在洛里恩·普拉特2019年出版的《链接:如何连接数据、行动和结果以创造更美好的世界》一书中广为流传。2021年10月,Gartner分析师将决策智能确定为2022年最具影响力的技术趋势之一。

为什么决策智能很重要?

公司的成功取决于决策。这些决策范围从市场选择到人才招聘再到发票支付授权。每年有近30亿次商业决策做出,贝恩的研究结果显示,决策有效性与财务绩效之间存在95%的相关性。

然而,决策充满了挑战,重要或复杂的决策往往是由没有足够信息、时间或经验的人做出的。根据麦肯锡的调查结果,72%的高管表示,错误的决策与好的决策一样频繁,标准普尔500强公司平均每年因决策不力而浪费2.5亿美元。

决策智能如何实现业务决策?

DI可以支持业务决策的三个层面——有点像辅助驾驶中不断提高的自主性水平。

第一层是决策支持,其中机器提供一些基本工具来支持人类决策,例如警报、分析和数据探索。决策本身完全由人类做出。

第二个层次是决策增强,其中机器在决策过程中发挥更大、更主动的作用。他们分析数据并生成建议和预测,供人类决策者审查和验证。例如,他们可以提出这样的建议,“您应该在3月30日之前从供应商A处购买200件产品;这将使您节省20,000美元。”人类可以通过简单地接受建议来根据机器的建议做出决策,也可以与机器合作修改建议。

第三层是决策自动化,这进一步减少了决策过程中所需的人工参与。在此级别,机器自主执行决策步骤和执行步骤。第一步,他们结合使用规则、优化和基于人工智能的预测等工具做出自主决策。对于第二步,它们自动实施这些决策,无需人工参与。相反,人类有一个高级概览,监控风险和任何异常活动,并定期审查结果以改进系统。

这在很大程度上是一个成熟度模型,能够通过级别进行升级。然而,并非所有决策都应该自动化或增强。有些非常敏感、复杂或不常见,因此最好将它们保持在决策支持级别,并让人类参与其中。这些可能包括高层决策,例如设计新战略。

一个有效的DI系统应该提供所有三种作模式(即支持、增强和自动化)。这使用户能够在对技术及其功能的信任时提高自动化级别。它还允许在需要时选择降低自动化级别——例如,在像Covid-19新冠肺炎大流行这样的黑天鹅事件中,在此期间,前一年的销售数据无关紧要,基于它的机器学习预测不再有用。

决策智能的组成部分是什么?

决策智能技术是现有技术(包括人工智能和流程自动化)的组合,其能力比单独完成更多的事情。人工智能和机器学习专注于数据;它们可以产生洞察力,但通常与决策的执行和结果脱节。业务流程应用程序(包括机器人流程自动化、流程挖掘和流程发现)以任务为中心。他们可以自动执行任务并提高效率,但他们只能执行他们被编程要做的事情,对决策的有效性影响有限。

决策智能结合了这些技术,将数据与决策、行动和结果联系起来。它可以根据数据产生见解,使用它们来生成决策,执行这些决策,并通过评估其有效性和成功来支持反馈过程。

有效的决策智能技术结合了一个与用户互动的系统,以:

•解释并证明系统的建议(不是黑匣子而是玻璃盒子)。

•从人类对先前决策的反馈中学习(包括从一组原因代码中选择的原因,人们接受或拒绝其建议的原因)。

•将其对决策影响的预测与其实际影响进行比较,并相应地学习以提高决策有效性。

您期望从决策智能中获得哪些业务影响?

DI正在被世界上最大的公司采用。谷歌创建了一个由17,000名员工组成的部门桥接团队,用于DI工作。阿里巴巴最近成立了自己的决策智能实验室,以在内容推荐、库存定价、数据分析、资产配置和资本安排等领域提高效率并降低成本。

联合利华和利洁时(RB)都使用DI技术来改善其供应链。RB于2018年开始在其运营中使用DI(也称为“认知自动化”)。他们的目标是做出更多数据驱动的决策,特别是使用供应链预测。联合利华的方法是简化员工的工作流程,同时促进创新的新职业,而不是简单的数据输入类任务。两家公司还使用该技术做出快速响应的供应链决策。为了满足这种不断变化的需求,这些公司变得更加敏捷,将他们的S&OP周期从几周优化到几天甚至几小时。

如今,虽然大多数公司都尝试利用人工智能进行转型,但它们都面临着相同的问题:难以扩大转型规模并产生预期的业务影响。决策智能有助于提供这种能力,它通过构建集成化的人工智能平台,打通数据洞察、决策生成与执行反馈的全链路,有效弥合技术能力与业务价值之间的鸿沟。您是否已经开始了决策转型?

相关文章
|
20天前
|
人工智能 数据挖掘 大数据
人工智能模型决策过程:机器与人类协作成效
决策智能(DI)融合AI与人类判断,提升商业决策质量。通过数据驱动的预测与建议,结合人机协作,实现更高效、精准的业务成果,推动企业迈向数据文化新阶段。(238字)
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能:有多少人工,才能有多少智能?
当下AI大模型的能力,特别是Agent领域,到底离不开多少“人工”的加持?本文将结合我的实际经验,深入探讨高质量数据与有效评价体系在Agent发展中的决定性作用,并通过编码Agent、Web Agent和GUI Agent的成熟度分析,揭示AI智能体发展面临的挑战与机遇。
183 89
|
1月前
|
机器学习/深度学习 人工智能 算法
在业务决策中人工智能引擎怎么运用和有什么影响
人工智能在辅助决策中发挥着重要作用,但也存在诸多限制,如不透明、偏见、高能耗、缺乏常识与同理心等。了解这些弱点有助于更好地应用人工智能,降低风险,发挥其优势。
|
3月前
|
机器学习/深度学习 人工智能 运维
阿里云PAI人工智能平台介绍、优势及收费标准,手动整理
阿里云人工智能平台PAI是面向开发者和企业的机器学习与深度学习工程平台,提供数据标注、模型构建、训练、部署及推理优化等全链路服务。内置140+优化算法,支持PyTorch、TensorFlow等多种框架,具备高性能训练与推理能力,适用于自动驾驶、金融风控、智能推荐、智慧医疗等多个行业场景。PAI提供零代码开发、可视化建模、大模型一键部署等功能,助力企业快速构建AI应用。支持多种购买方式,如按量付费、预付费等,满足不同业务需求。
|
4月前
|
机器学习/深度学习 人工智能 自动驾驶
人机融合智能 | 以人为中心的人工智能伦理体系
本章探讨“以人为中心”的人工智能伦理体系,分析人工智能伦理与传统伦理学的关系、主要分支内容及核心原则。随着人工智能技术快速发展,其在推动社会进步的同时也引发了隐私、公平、责任等伦理问题。文章指出,人工智能伦理需融入传统伦理框架,并构建适应智能技术发展的新型伦理规范体系,以确保技术发展符合人类价值观和利益。
133 4
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
人机融合智能 | 数据与知识双驱动式人工智能
本章系统介绍了数据驱动、知识驱动及双驱动人工智能的理论与应用。数据驱动方法依赖大数据和深度学习,在图像识别、自然语言处理等领域取得突破,但面临标注成本高、可解释性差等问题。知识驱动方法通过知识表示与推理提升系统理解能力,却在泛化性和适应性上受限。为弥补单一范式的不足,数据与知识双驱动融合两者优势,致力于构建更智能、可解释且安全可靠的AI系统,兼顾伦理与隐私保护。文章还回顾了AI发展历程,从早期神经网络到当前大规模语言模型(如GPT、BERT)的技术演进,深入解析了各类机器学习与深度学习模型的核心原理与应用场景,展望未来AI发展的潜力与挑战。
188 0
|
4月前
|
机器学习/深度学习 人工智能 算法
人机融合智能 | 以人为中心人工智能新理念
本文探讨了“以人为中心的人工智能”(HCAI)理念,强调将人的需求、价值和能力置于AI设计与开发的核心。HCAI旨在确保AI技术服务于人类,增强而非取代人类能力,避免潜在危害。文章分析了AI的双刃剑效应及其社会挑战,并提出了HCAI的设计目标与实施路径,涵盖技术、用户和伦理三大维度。通过系统化方法,HCAI可推动AI的安全与可持续发展,为国内外相关研究提供重要参考。
248 3
|
5月前
|
人工智能
生成式人工智能认证(GAI认证)官网 - 全国统一认证中文服务平台上线
生成式人工智能(AI)正深刻改变职场规则,但系统化学习相关技术成为难题。近日,由全球知名教育公司培生推出的生成式人工智能认证(GAI认证)中文官网正式上线,为专业人士和学习者提供了权威解决方案。该认证涵盖核心技能、提示工程、伦理合规等内容,助力持证者紧跟技术前沿,在职场中脱颖而出。全国统一认证平台提供便捷报名与在线考试服务,考后快速出成绩并颁发证书。行动起来,开启AI职业新篇章!
|
6月前
|
数据采集 机器学习/深度学习 人工智能
数据驱动智能,智能优化数据——大数据与人工智能的双向赋能
数据驱动智能,智能优化数据——大数据与人工智能的双向赋能
393 4

热门文章

最新文章