随着人工智能(AI)专家和机器学习(ML)服务的不断增加，人工智能能够为许多企业组织提供巨大的价值。然而，当涉及到部署人工智能时，企业往往连最初的投资都无法收回。这似乎有点尴尬，不是吗?
IBM最近的一项研究显示，只有21%的公司能够将人工智能整合到他们的运营中。这就是问题的根源所在：没有投入生产的技术不可能获得经济回报。此外，即使是那些被部署的人工智能项目通常也不会带来预期的价值。
让我们来讨论一下公司在人工智能盈利的道路上所面临的障碍，以及如何克服这些障碍。
树立数据驱动的人工智能战略
考虑到人工智能总是需要大量的数据，最重要的是，采用人工智能的组织必须是数据驱动的。不出所料，缺乏数据是企业在充分发挥人工智能潜力的道路上必须面临的最反复出现的问题之一。
如果公司的领导和关键员工缺乏数据技能，人工智能计划很可能会失败。如果员工不将数据驱动的方法应用到决策中，即使是专业构建的人工智能系统也无法充分发挥其潜力。
缺乏管理是人工智能实施过程中另一个普遍存在的错误。
通常情况下，人工智能需要在组织结构和战略以及员工的心态和技能方面做出重大改变。简单概括人工智能的应用成功的关键因素在于人。因此，将变革管理视为人工智能实现路线图的核心部分，并确保公司领导人拥有必要的知识和动力，以培育以人工智能为中心的文化。
探寻有形的目标
虽然目标是任何项目成功的基本先决条件，但当涉及到人工智能的实施时，许多公司仍然无法清楚地确定它们。对人工智能项目的结果有明确的预期是很重要的。通常情况下，终端用户不会积极参与人工智能项目，所以当技术团队构建完美的人工智能系统时，他们提供的商业价值很少。这就是为什么从项目一开始就让所有的涉众都参与进来是至关重要的。
此外，人工智能项目通常会带来无法准确衡量的价值。例如，提高员工满意度或更好的客户体验比节省成本或时间更难跟踪。或者，假设你构建了一个人工智能系统，以减少it部门对罚单进行分类的时间。首先，考虑到系统必须使用NLP来理解自由格式的文本，它不会是100%准确的，尤其是在开始阶段。因此，您的团队将需要确定允许的错误率，并在ROI计算中考虑该错误率。
假设一个人工智能系统错误地将这个票据识别为低优先级。这大大增加了ROI计算的复杂性，因为很难衡量这种情况的负面结果。
这就是为什么从能够正确计算ROI预期的项目开始是至关重要的。例如，许多制造企业在应用于质量控制的人工智能项目上取得了经济回报，因为它们的投资回报率相对容易衡量。
从小目标开始
虽然构建大规模AI系统很有诱惑力，但瞄准容易实现的目标通常是更有效的策略，尤其是在刚开始的时候。从机器人过程自动化(RPA)开始可能是个好主意，它往往比人工智能更经济，并提供相对快速的ROI。RPA的实现是非侵入性的，这意味着它不会像许多AI解决方案那样破坏(颠覆)传统给系统的流程。
那些能够速战速胜的人工智能项目，也有助于证明更雄心勃勃的人工智能投资是合理的，并确保利益相关方在未来更加积极投入。
人工智能呼唤成熟，虽然这听起来微不足道，但更成熟、更有经验的公司更有可能从人工智能中获益。这类公司往往已经建立了数据治理实践、详尽的培训计划、绩效跟踪系统和清晰的项目目标。这些是成功实施人工智能的公司与不成功的公司之间的关键区别。
考虑到项目成功率的波动性，人工智能比其他任何技术都更需要在关键管理领域打下坚实的基础。公司跟踪、测量和组织流程的程度通常与他们从人工智能中获利的概率相关。
本文转载自51CTO，本文一切观点和机器智能技术圈子无关。原文链接
免费体验百种AI能力以及试用热门离线SDK：【点此跳转】
