如何采用人工智能規劃試點項目

人工智能(AI)為各行業領域的企業提供了發展和改善業務營運的機會。根據《财富商業見解》的調查，2019年全球人工智能市場規模為270億美元，這一數字預計到2027年将達到2670億美元。這表明很多企業緻力于采用當今時代這個最具生産力的技術。

但是，實施人工智能戰略面臨着挑戰，特别是對于那些根本不知道從哪裡開始的傳統企業來說。

規劃人工智能試點項目的4個技巧

根據定義，企業在進行大規模定量研究之前需要進行試點，以避免在設計不足的項目上浪費更多的時間和費用。試點項目與正式項目實際上并沒有什麼不同，但提供了“先試後買”的功能，可以幫助企業了解新的解決方案或流程、面臨的挑戰和帶來的潛在價值。盡管大多數人遵循相同的基本原則(定義問題、期望的目标、成本、所需的資源，以及衡量結果)，但是不斷變化的人工智能領域具有一些應該了解的細微差别。企業選擇人工智能試點項目之前，需要考慮以下四個标準：

1. 明确定義企業的人工智能項目應該傳遞的業務成果

在過去的幾年中，人工智能獲得了巨大的發展，如今仍然是一個熱門話題。雖然某些方面讓人們感到振奮，人工智能有助于提高冠狀病毒疫苗接種率，改善購物體驗。但在某些方面卻令人感到沮喪，例如可能帶來的失業或道德困境，但人工智能仍不斷發展。明智的企業正在尋找各種使用人工智能的政策和方法。

盡管具有廣泛的吸引力，但人工智能并非适用于每個業務流程，并且也不是萬能的。在企業開始實施人工智能試點項目之前，需要確定已經明确定義面臨的問題和希望得到的結果。是否有商業措施來跟蹤進度?

定義項目并将其送出給企業的上司者準許之後，就将應對下一個挑戰。

2. 選擇正确的方法

通過采用開源、雲服務、具有内置人工智能功能的産品，企業可以聘請資料科學家來建構自己的解決方案，或者采用現成的人工智能方案，但這兩種方法各有利弊。例如，現成的雲計算解決方案已經廣泛使用，但是接受訓練的資料并不是企業自己的，并且成本可能非常昂貴。企業聘請資料科學家建構自己的解決方案可以提供在其他地方找不到的自定義級别，但要獲得适當的人才和專業知識是很困難的。

為了在阻力最小的路徑上獲得所需的結果，企業需要考慮最終選擇的解決方案所帶來的挑戰，但沒有一個解決方案是完美的。權衡現有IT生态系統中最合适的資源，不僅需要讓企業的試點項目啟動和運作，而且需要對其進行部署，持續改進所需的資源，以及利益相關者積極地參與試點項目，以使其計劃步入正軌。

3. 預測學習曲線

人工智能模型需要訓練。随着時間的推移，它們會變得越來越智能(在經過适當設計的情況下)，但是其學習曲線并不僅僅針對與之互動的人類。這是針對模型本身的。即使使用主要雲計算提供商提供的開箱即用的解決方案，也需要進行調整以适應企業的業務需求、固有偏差和目标，這将花費大量時間和精力，是以需要考慮這些因素對項目的成功來說有多重要。

另一方面，企業可以使用先進的技術，但是如果沒有為使用這些技術的人員提供适當的教育訓練，那麼無法充分利用這些技術的好處。例如，一種算法可以像人類一樣準确地了解X射線的結果，但是如果醫療保健機構沒有充分了解其使用的技術和過程，那麼将會面臨失敗。

4. 了解測試與生産準備的情況

人工智能的試點計劃之是以獲得關注，是因為它們在送出之前會測試提議的解決方案的最高風險。如果項目太複雜、資源過多或财務負擔沉重，那麼企業可以從中學到一些經驗教訓，并從最小的損失中解脫出來。但是也要注意，成功的人工智能試點項目并不能保證成功進行生産。

業務需求和資料在不斷變化。為了從企業的人工智能計劃中獲得最好的結果，必須對模型進行持續的測試和再訓練，才能為企業的客戶提供準确的結果。

這種情況在将人工智能用于生産之後并不會消失。一次性驗收測試适用于傳統(靜态)軟體，但不适用于人工智能系統，因為随着周圍世界的變化，人工智能系統必須自行改變。企業需要規劃一種不同類型的監控、線上測量和再訓練政策，以糾正資料和概念漂移、潛在偏差和道路上其他在早期測試中可能不明顯的問題。

通過将這四個标準考慮在内，企業可以為其業務選擇最具影響力的人工智能試點項目，并為其提供最佳采用人工智能技術的速度最快、風險最低的學習途徑。

本文轉載自51CTO，本文一切觀點和機器智能技術圈子無關。

原文連結 線上免費體驗百種AI能力：【點此跳轉】