扩展人工智能规模的三个成功因素

为了从人工智能中获得更多收益,管理者必须改变使用技术的方式。

扩展人工智能规模的三个成功因素

采用人工智能的热情从未像现在这么高。首席信息官和其他高管意识到迫切需要做出转变,即从试验一次性的人工智能到能够获得强大的贯穿全组织的能力,后者是敏捷性和业务增长的来源。

埃森哲公布的一份新报告发现,84%的企业高管认为必须扩展人工智能才能实现增长目标,75%的人认为,如果无法扩展人工智能,他们五年内可能会破产。有76%的人承认,就贯穿全组织扩展人工智能而论,他们遇到了困难。

他们如何做出这种转变?

该研究指出了扩展人工智能的三个关键成功因素:企业高管带头做出了一系列承诺,例如部署意向式人工智能,建立强大的数据基础并创建遍布整个组织的多学科人工智能团队。

驾驶由意向式人工智能驱动的车辆

如果人工智能计划没有完全以业务战略为基础并且缺乏有助于监督管理的治理架构,那么这样的计划肯定进展缓慢。将最基本的事情做好才是本质所在,即具备明确的战略和运营模型,具备能衡量价值的责任明确且灵活的业务流程,并且具备明确的问责制和适当的资金水平。

关掉数据噪音

几乎所有接受调查的公司(95%)都一直认同数据作为扩展人工智能根基的重要性。然而,经过数年对海量信息进行收集、存储和分析后,大多数组织都在为庞大的数据量以及如何清除,管理,维护和使用数据而苦苦挣扎。

各大公司必须关注关键业务数据,关注如何创建和管理数据。使用更大,更准确的数据集并同时能够将内部和外部数据集作为标准实践进行整合的公司将更为成功。此外,使用合适的人工智能工具来管理应用程序的数据,这很重要。基于云端的数据湖,数据工程/数据科学工作台以及数据和分析搜索功能等在这里也都很重要。具备高度意向性,重点确保正确,高度相关的数据资产落实到位,从而为人工智能工作提供支持,这才是本质所在。这些公司不应以数据为借口放慢或限制其计划。

将人工智能视为一项团队运动

以前可能有人认为人工智能部署应该完全由IT部门领导,但研究表明,要成功扩大规模,这些公司应贯穿全组织部署多学科团队。这些团队应该有这些专家组成:数据建模师、机器学习工程师、数据工程师和人工智能工程师、可视化专家、数据质量和训练方面的专家以及其他专家。

相关推荐