帮助企业削减AI 炒作的6个关键问题

       当专家确认你怀疑的是什么时,总是令人满意的。今年夏天,研究公司Gartner在我们的早晨咖啡中投入了一笔现实,其关键分析表明,人工智能(AI)已经达到了“膨胀预期的高峰期”。坦率地说,我认为很多技术供应商对自己的能力。如果您对Elon Musk令人担忧的AI抱有期望,请将其拨回商业软件级别。它实际上并不像听起来那么平凡。AI已经改变了我们如何使用数据来理解我们的世界这也成为一种企业风尚。对于每一个AlphaGo Zero来说,都有上千家公司 - 初创公司和老牌公司 - 在80年代的汽车上贴上AI标签,像裤子上的细条纹。我不怀疑过去几年人工智能方面取得了重大而迅速的进展。我不信任的是炒作的高潮,这与20世纪90年代末和21世纪初的科技泡沫相呼应。风险:购买过度旺盛的承诺,而不是具有可靠的投资回报(ROI)的产品。哄骗我们的判断,有时是故意的。


      如果您同意我的怀疑态度,但同样感觉到重要的机会并希望避免过度小心,以下是六个问题来帮助您调整BS检测器。
      1.我试图解决什么业务问题?
这是最重要的问题,它与AI没有任何关系。诚然,少数公司会在实验中发现价值,但对开放式项目应该极其小心。最好清楚地定义你想解决的业务问题。您应该根据三个标准评估任何商业投资:它会增加收入,降低成本还是降低风险? 将新技术固定在其中至少一种基本原理上将确立其价值。在此之后,分配所有权和问责制是使技术倡议保持正轨的最佳途径。
       2.为什么我需要人工智能来解决这个问题?
       也许你没有。真正的AI获得并应用知识和技能。这对于存在可变性和新颖性的情况是很好的,但是很难建立并因此要求高价。考虑在繁忙的城市街道上驾驶自动驾驶汽车的复杂性。您的业务问题是否涉及不可预测性?在任务中逐渐变得更好的机器听起来很有吸引力,但您需要关注交付的结果,而不是用于实现它们的技术。你会获得改善的余地,使人工智能的成本值得吗? 找出一个测试来评估边距的大小。在纸上运行并再次在概念验证项目中运行并确保AI获得溢价。
       3.我有足够的数据来使用AI吗?
      最好的人工智能解决方案在具体任务上胜人一筹,例如在扫描中识别癌细胞或在投资银行中发现错误的交易者。但教一台机器来理解杂乱和不一致的数据需要广泛的培训。人工智能使用模型来理解世界并进行概括。找到足够的例子来建立一个好的模型可能很困难。医疗保健系统或银行可以利用大量的历史数据。 你可以吗? 即使可以,通过拖网查找相关示例可能会非常耗时且成本高昂。为了克服这个障碍,一些公司已经开始研究AI模型训练软件,这个软件使得这个过程更快,更便宜。即便如此,只要数据不足,这项任务就很难完成。
       4.我应该建立还是购买AI解决方案?
      如果您试图将AI嵌入到您自己的产品或服务中,那么内部功能可能是有意义的。不过,请不要低估所涉及的资源和专业知识。精心挑选的合作伙伴可能会提供更快捷的荣耀之路。如果您正在处理已知的业务问题,那么与有经验的供应商合作可能会更好。不要被技术蒙蔽;无论您购买什么,都需要根据您的环境和要求进行定制或调整。关注您的供应商对您业务领域的理解以及顾问需要利用的数据类型。

       5.供应商如何知道我的域名?

       一些供应商声称AI使得域名体验无关紧要。不要相信它与不需要从头开始学习您的业务的顾问一起工作会更快捷,减轻压力。检查任何潜在供应商的相关经验和合作关系。供应商的领导可以提供其他人解决的可比较问题的生产实例吗? 如果您的问题确s实是独一无二的,那么请寻求能够应对并行挑战的专家 - 可能在具有类似数据的不同行业中工作。

        6.是否有可靠的投资回报率?ROI

        在Gartner的报告中,“充满期望的高峰”随之而来的是同样异想天开的“失望幻觉”。当技术买家看到过去的承诺并开始要求证明的结果时,AI将失去光彩。在我看来,这只是合理的商业惯例。那么为什么要耐心呢?要求今天查看投资回报率措施。您的智能资金是针对买方或供应商无需延长学习曲线的解决方案。虽然我显然有点愤世嫉俗,但我亲眼目睹了真正的人工智能所能做出的区别。机器可以承担对人们来说重要但艰巨的任务 - 并且做得更好。它不仅仅可以节省时间,还可以提高性能。它为组织变革打开了空间,获得更大的回报。这是人工智能的真正承诺,但实现它不仅仅需要聪明的软件。

        阿马拉的法律规定:“我们倾向于高估短期内技术的影响,并低估长期的影响。”这是一个很好的建议。领导者面临双重挑战,即决定投资人工智能是否可以在短期内创造价值,同时弄清楚如何使他们的组织适应人工智能无处不在的世界。培养积极的经验并进行投资以实现健康的投资回报率将有助于揭示面临的问题并为未来的深层变革奠定基础。考虑到业务基础而不是炒作会让组织今天做出明智的选择,并为未来构建他们的AI体验。

     更多人工智能请关注微*信公众号:智德物联科技或者微博@智德物联科技。

      本文部分内容根据Brett Jackson在Entrepreneur网站的文章编译而成


猜你喜欢

转载自blog.csdn.net/david2ai/article/details/80292868