评估AI未来将在贵公司扮演的角色

简介:

人工智能领域在过去几年中获得了巨大的进步。由于技术和算法等方面大幅度的提升,人工智能应用的新浪潮正在逐渐形成,将曾经只属于未来派的科幻或者乌托邦故事的产品转变为商业化的、无所不在的技术。

然而,你应该有所耳闻,人工智能还没有完全准备好接管这个世界。虽然外面正在目睹它在以前被认为是计算机之外的任务中取得了卓越的、非凡的表现。但人工智能系统的范围依旧比较狭窄,在本质上仍然是一项预测技术。一般而言,机器智能是否能适应类似的但不同的任务,必须有大量的工作和人为干预,最重要的是它缺乏某些基本的“一般智力”的特征,比如,演绎推理和学习的能力等……

工作、任务和自动化

这并不是说人工智能无法改变我们的经济和就业环境。但这个过程是循序渐进的。类似于机器人在工厂的引入,每一个步骤中,越来越多的“人”任务呗委派给有能力的智能系统。因此,新经济蓬勃发展,旧部门逐渐消失,这一过程几乎没有受到任何干扰。在这个不可阻挡的自动化进程中,每一个阶段都曾经被认为是超出了计算机范围的任务,都是专门为人类所保留的,“独特”的能力。然而,这些都被重新定义为“伪智能”,因此,真正的人工智能的目标被进一步更改。虽然这种行为会让我们感觉好一点,但它肯定无助于行技术的兴起和随之而来的混乱做准备。

为了能够准备和利用该机器智能驱动的自动化波,了解自动化是如何发生的是非常重要的。根据Daron Acemoglu的说法,如果我们将一项工作分解为一项任务的组合并合理接受自动化,那么以前由人工完成的任务将被替换,这显然表明自动化过程与增强是并行发生的。机器首先被引入来通过增加技能来帮助人来,这在AI和机器智能的情况下被称为是智能增强(简称IA)。随着时间的快速推移和系统的高效发展,更多的任务将被转移到自主代理上面,最终,机器可以指向除了极少数工作以外的所有工作。

虽然这一过程的影响对就业市场上的人而言特别重要,但公司也深受这些变化的影响。作为一般规则,新的开创性技术将会带来新的经济范式,无可避免的会存在一些公司茁壮成长的现象。而其他公司则会落后,随着我们继续将机器智能商品化,预测将逐步变得便宜,导致两个基本的变化。首先,我们将使用更为广泛的预测来处理较小的任务以及以前不可执行的任务。其次,补充预测的商品价值将会因此上升,而替代预测的商品(如劳动力)的价值将会有所下降。

发现机会

当您的企业为适应这种新模式而战时,您必须确定哪些任务——无论是您的内部操作的一部分还是您提供的产品相关任务——都将自动化。换而言之,机器智能如何增加你的员工或者客户体验?回答这个问题的一个很好的经验法则就是:在做出决定所需要的唯一信息是即时可用的信息(即信号本身)的情况下,机器智能可以潜在的接管。

考虑以下问题:

1. 处理关于常见问题的支持票的客户代表通常通过采取相同的预定步骤来解决。

2. 以为销售人员经历了一长串的线索,试图根据许多功能确定哪些线索是合格的。

3. 以为医生分析单一的X射线寻找视觉线索来支持诊断。

这三个例子都是即时可用的信息足以做出决定的情况。在这些情况下,一个企业可以增加三名专业人员,采用人工智能技术,因此变得更加高效。

需要强调的是,增强的工作人员依旧是不可或缺的。AI仍然无法处理涉及多个信息的复杂支持案例。没有人工智能会拿起电话,并有能力与潜在客户交谈进而达成交易,医生也不仅仅是一台X射线分析仪器。尽管如此,在所有上述情况下,专业人员可以通过将部分任务委托给一台机器来提高效率。

采取行动

我们可以将这条经验法则应用于任何工作或任何公司,以帮助确定使用人工智能的新机会。如果你能想象一下,预测是廉价而准确的,你可以把重复性的、狭窄的任务自动化,这将会如何影响你的工作或你的公司的运作方式?通过问这个问题,并使用自动化的经验法则作为指导,你可能会对身边潜在的任务数量感到降压,这些任务是治理增强的主要候选者。下面是一些例子:

领先评分:与其让销售专业人员花时间来确定哪些潜在客户应该通过反复分析同一组参数来确定优先级,他们可以使用机器智能快速生成合格潜在客户的短名单。

客户服务:通常,客户服务部门处理各种各样的案例,从罕见的到复杂的到普通的和简单的。企业可以将后者委托给人工智能系统,释放代理商的时间,并允许他们专注于更困难和更耗时的案例。

优化营销策略:数据在市场营销中无处不在。意料之中的是,机器智能在帮助决策方面的作用稳步增长。从优化渠道组合到帮助进行实验,人工智能让营销人员花更多的时间思考客户,减少补救广告的时间。

基础设施负载:预见服务器负载并采取适当行动的能力可以帮助防止停机、节约成本,并减少系统管理员处理未预见的服务器问题的时间。

从草图到产品:在人工智能的帮助下,从想法到原型,几乎立即授权设计师和产品经理更快地测试他们的假设,从而形成高效的产品开发周期。

这个列表包含了一个公司可以为机器智能找到的无数可能的应用程序。

人工智能自动化的时代已经到来。准备,适应,最重要的是,利用AI是任何想要保持领先的企业或个人的关键步骤。为了做到这一点,重要的是要了解您的业务能够在哪些方面更倾向于智能增强,并采取相应的措施。有一件事是肯定的:那些不接受新技术模式的公司被甩在了后面,他们想知道他们的竞争对手如何能如此高效和迅速地行动。


原文发布时间为:2018-05-18

本文作者:MAZDAK REZVANI

本文来自云栖社区合作伙伴“企业网D1Net”,了解相关信息可以关注“企业网D1Net”。

相关文章
|
人工智能 自然语言处理 Rust
【内附榜单】评估AI大模型的代码修复能力!Multi-SWE-bench:字节开源代码修复能力评估基准,覆盖7大主流编程语言
Multi-SWE-bench是首个覆盖Python外7种主流编程语言的代码修复基准,包含1632个真实GitHub问题样本,通过严格筛选与人工验证确保数据质量。
1354 0
【内附榜单】评估AI大模型的代码修复能力!Multi-SWE-bench:字节开源代码修复能力评估基准,覆盖7大主流编程语言
|
8月前
|
人工智能 JSON 监控
三步构建AI评估体系:从解决“幻觉”到实现高效监控
AI时代,评估成关键技能。通过错误分析、归类量化与自动化监控,系统化改进AI应用,应对幻觉等问题。Anthropic与OpenAI均强调:评估是产品迭代的核心,数据驱动优于直觉,让AI真正服务于目标。
674 8
|
11月前
|
人工智能 自然语言处理 数据可视化
AI-Compass LLM评估框架:CLiB中文大模型榜单、OpenCompass司南、RAGas、微软Presidio等构建多维度全覆盖评估生态系统
AI-Compass LLM评估框架:CLiB中文大模型榜单、OpenCompass司南、RAGas、微软Presidio等构建多维度全覆盖评估生态系统
 AI-Compass LLM评估框架:CLiB中文大模型榜单、OpenCompass司南、RAGas、微软Presidio等构建多维度全覆盖评估生态系统
|
10月前
|
人工智能 JSON 监控
从零开始构建AI Agent评估体系:12种LangSmith评估方法详解
AI Agent的评估需覆盖其整个生命周期,从开发到部署,综合考量事实准确性、推理路径、工具选择、结构化输出、多轮对话及实时性能等维度。LangSmith作为主流评估平台,提供了一套全面的评估框架,支持12种评估技术,包括基于标准答案、程序性分析及观察性评估。这些技术可有效监控Agent各组件表现,确保其在真实场景中的稳定性和可靠性。
3903 0
从零开始构建AI Agent评估体系:12种LangSmith评估方法详解
|
12月前
|
数据采集 人工智能 数据可视化
如何让AI写出高质量的数据分析报告?DataV-Note的评估体系揭秘
本文围绕DataV-Note智能分析创作平台的评估体系建设展开,旨在探索如何在AI技术快速发展的背景下,构建一套科学、可量化、多维度的数据分析报告评估体系。
517 10
|
11月前
|
传感器 人工智能 运维
AI驱动的智能设备健康评估系统究竟如何应对企业运维挑战?
AI驱动的智能设备健康评估系统通过人工智能技术实现设备状态的主动监测和预测性维护。该系统由Prompt规则库、评估任务触发机制、Agent执行等核心组件构成,能够自动获取数据、智能分析设备状态并生成可视化报告。相比传统运维方式,系统具有规则灵活定义、低成本集成、高阶智能分析等优势,适用于能耗监测、异常检测、预测性维护等多种工业场景。产品专家三桥君通过详细解析系统工作流程和实际案例,展示了如何帮助企业实现从"事后维护"到"预测性运维"的智能化转型。
495 0
|
机器学习/深度学习 人工智能 自然语言处理
这个模型让AI角色会说话还会演!MoCha:Meta联手滑铁卢大学打造对话角色视频生成黑科技
MoCha是由Meta与滑铁卢大学联合开发的端到端对话角色视频生成模型,通过创新的语音-视频窗口注意力机制实现精准的唇语同步和全身动作生成。
1182 12
这个模型让AI角色会说话还会演!MoCha:Meta联手滑铁卢大学打造对话角色视频生成黑科技
|
机器学习/深度学习 人工智能 计算机视觉
标签噪声下的模型评估:如何准确评估AI模型的真实性能,提高模型性能测量的可信度
本文探讨了测试数据标签错误对模型性能评估的影响,分析了如何估计模型的“真实”准确率。通过图像分类案例,揭示了标签噪声与模型性能间的复杂关系。当模型错误与标签错误独立时,真实准确率通常高于测量值;但实际中两者常相关,导致真实准确率更接近下限。文章提出通过深入错误分析、评估相关性和多标注等方式优化性能评估,强调理解这些关系对提升模型可信度的重要性。
441 2
标签噪声下的模型评估:如何准确评估AI模型的真实性能,提高模型性能测量的可信度
|
存储 人工智能 安全
阿里云双项入选首批智算一体化权威评估 以AI Stack加速政企智能化升级 ——万卡智算集群服务推进方阵(ICCPA)第三期沙龙在京举办
2024年4月9日,中国信通院主办的智算集群服务沙龙第三期在京召开。阿里云凭借领先的AI技术能力,成为首批通过《面向大模型的智算一体化解决方案》评估的云厂商,并入选行业应用案例。会上,阿里云AI Stack赋能政企大模型高效落地,提供软硬一体推理优化框架,支持主流开源模型快速适配,助力企业构建高性能私有化AI服务,已在政务、金融等领域广泛应用。
704 6
|
机器学习/深度学习 人工智能 自然语言处理
AI赋能教育评价改革:生成式人工智能(GAI)认证的角色与影响
本文探讨了人工智能(AI)技术在教育评价改革中的作用及生成式人工智能(GAI)认证的影响。随着数字化时代的到来,AI为教育评价提供了新工具与手段,能够优化评价过程、提升质量并促进个性化发展。GAI认证不仅提升了教育工作者的技能与竞争力,还推动了教育评价的标准化与规范化。文章强调需加强AI技术应用研究、推广GAI认证,并注重评价的个性化与差异化,以助力学生全面发展。AI赋能教育评价改革是未来趋势,将为教育事业注入更多智慧与力量。

热门文章

最新文章