準(zhǔn)備和實(shí)施AI項(xiàng)目可能需要多年的時(shí)間。根據(jù)最新數(shù)據(jù),只有28%的受訪者表示第一年已經(jīng)超過(guò)了AI計(jì)劃階段。這是由于多種因素造成的,包括技術(shù)的相對(duì)成熟度(至少在不斷擴(kuò)展的行業(yè)用例中),涉及的復(fù)雜程度,例如廣泛的集成要求,有限的企業(yè)經(jīng)驗(yàn)和缺乏內(nèi)部技能集,關(guān)注點(diǎn)以及AI偏見(jiàn),治理,風(fēng)險(xiǎn)和合規(guī)性問(wèn)題,廣泛的變更管理要求等等。
無(wú)論是作為企業(yè)創(chuàng)新計(jì)劃的一部分,還是作為數(shù)字轉(zhuǎn)型計(jì)劃的一部分,都非常注重證明快速獲勝,長(zhǎng)期的AI項(xiàng)目可能會(huì)影響比其本身更大的計(jì)劃的聲譽(yù)。隨著CIO在產(chǎn)品管理方法中從“項(xiàng)目到產(chǎn)品”的轉(zhuǎn)變,這些冗長(zhǎng)的AI項(xiàng)目也可能會(huì)延遲創(chuàng)新的內(nèi)部或外部新產(chǎn)品發(fā)布。
為了迅速贏得這項(xiàng)重要的使能技術(shù)的勝利,并進(jìn)一步推動(dòng)在更廣泛的數(shù)字化轉(zhuǎn)型和創(chuàng)新計(jì)劃中投入更多資金的商業(yè)案例,CIO可以通過(guò)以下五種方式快速跟蹤其AI實(shí)施:
首先要做出的決定之一是建造還是購(gòu)買(mǎi)。雖然我們聽(tīng)到了很多有關(guān)自行構(gòu)建AI的平臺(tái),基礎(chǔ)架構(gòu)和框架的信息,但無(wú)名英雄通常是較為專(zhuān)業(yè)的專(zhuān)業(yè)AI供應(yīng)商,他們提供基于云的AI服務(wù),可以針對(duì)您的特定需求對(duì)其進(jìn)行快速培訓(xùn)和部署用例。建造或購(gòu)買(mǎi)的決定實(shí)際上是基于AI對(duì)您的組織作為未來(lái)核心能力的重要性。
例如,盡管每個(gè)金融服務(wù)公司都應(yīng)關(guān)注AI“擁有”與“沒(méi)有”之間日益顯現(xiàn)的數(shù)字和財(cái)務(wù)鴻溝(請(qǐng)參閱“ 對(duì)業(yè)務(wù)戰(zhàn)略和技術(shù)部署采用與直覺(jué)相反的方法 ”),但并不是每個(gè)公司需要在內(nèi)部構(gòu)建自己的算法。較小的商店可以非常有效地將更多精力放在將第三方AI技術(shù)納入其核心工作流程(例如貸款承銷(xiāo))中的業(yè)務(wù)收益和結(jié)果上,而無(wú)需建立自己的內(nèi)部AI / ML專(zhuān)業(yè)知識(shí)。
簡(jiǎn)單來(lái)說(shuō),這意味著ML行算法比每行具有100個(gè)屬性的1,000行數(shù)據(jù)的10,000行數(shù)據(jù)每行具有1,000個(gè)屬性。據(jù)馬克·斯坦的CEO,Underwrite.AI,公司專(zhuān)注于人工智能應(yīng)用的進(jìn)步,提供具有非線性,信用風(fēng)險(xiǎn)的動(dòng)態(tài)模型貸款,但是,它不是很簡(jiǎn)單,“越多越好”。數(shù)據(jù)類(lèi)型和數(shù)量必須與算法類(lèi)型匹配。深度學(xué)習(xí)需要大量記錄才能有效,而基于統(tǒng)計(jì)的算法則可以更好地處理較小的數(shù)據(jù)集。
如果您使用AI來(lái)建模人類(lèi)的決策模型,請(qǐng)獲取盡可能多的數(shù)據(jù),確保每個(gè)數(shù)據(jù)字段都有其價(jià)值,并在數(shù)據(jù)質(zhì)量和一致性方面給予高度重視。這可能很耗時(shí),尤其是從多個(gè)不同的來(lái)源進(jìn)行繪制時(shí),但是如果盡早進(jìn)行徹底的設(shè)計(jì),則可以避免很多昂貴的返工。
從技術(shù)上來(lái)說(shuō),調(diào)用AI API傳遞新數(shù)據(jù)集并獲得分?jǐn)?shù)很簡(jiǎn)單,但更困難的是變更管理和培訓(xùn),使業(yè)務(wù)分析師能夠最好地解釋這些分?jǐn)?shù)并將新流程納入日常工作中工作流程。
盡管某些形式的AI可能會(huì)產(chǎn)生自動(dòng)決策,例如基于信用歷史記錄對(duì)新貸款做出“是”或“否”決策,但ML算法通常也會(huì)提供更微妙的響應(yīng)。可能需要將此響應(yīng)與現(xiàn)有人工流程結(jié)合使用,以最好地決定貸款。作為示例,AI“得分”可以是從“ A”到“ D”和“ F”的等級(jí)?!?A”和“ F”可能是明確的“是”或“否”決策,可以完全自動(dòng)化以進(jìn)行實(shí)時(shí)決策,但是從“ B”到“ D”的等級(jí)可能仍然需要人工核保。
正如您花時(shí)間訓(xùn)練分析師使用新的財(cái)務(wù)模型以及如何最好地解釋模型的結(jié)果一樣,基于AI的結(jié)果也是如此。業(yè)務(wù)分析師可能需要花費(fèi)幾周甚至一個(gè)月的時(shí)間來(lái)觀察ML算法返回的結(jié)果,因此他們?cè)谌绾巫詈玫亟忉尫謹(jǐn)?shù)方面有一個(gè)基準(zhǔn)。如果您與AI供應(yīng)商合作,則該供應(yīng)商可以提供有關(guān)如何解釋結(jié)果以及如何培訓(xùn)員工以從新系統(tǒng)中獲得最大收益的指導(dǎo)。
斯坦因認(rèn)為,至關(guān)重要的是要了解AI不是魔術(shù)。這只是識(shí)別過(guò)去行為的模式的過(guò)程,可以使將來(lái)的預(yù)測(cè)更加準(zhǔn)確。只有在企業(yè)存在明確定義的問(wèn)題和易于理解的成功度量標(biāo)準(zhǔn)時(shí),它才能成功。例如,“我們需要降低按損失率衡量的貸款違約率”或“我們需要從當(dāng)前的32.5%率提高轉(zhuǎn)換率”,依此類(lèi)推。如果您不完全理解問(wèn)題,那么您也將不會(huì)理解解決方案。
由于每個(gè)AI實(shí)施都是獨(dú)特的,因此重要的是要以“假設(shè)和測(cè)試”的心態(tài)進(jìn)入每個(gè)項(xiàng)目,而不是將項(xiàng)目視為徹底的成功或失敗。通過(guò)在每個(gè)步驟進(jìn)行假設(shè)并將每個(gè)步驟的經(jīng)驗(yàn)帶入下一個(gè)迭代,您可以快速優(yōu)化您的AI部署,直到它成為可以提供有意義結(jié)果的可行解決方案為止。
雖然假設(shè)和測(cè)試方法會(huì)延長(zhǎng)項(xiàng)目部署時(shí)間,但好處是您會(huì)不斷調(diào)整解決方案,以吸收實(shí)際經(jīng)驗(yàn)教訓(xùn),以符合客戶和員工的要求,并持續(xù)轉(zhuǎn)向最引人注目的業(yè)務(wù)使您的解決方案具有可持續(xù)性的案例。
當(dāng)您開(kāi)始進(jìn)行初步的AI試驗(yàn),概念驗(yàn)證或MVP時(shí),請(qǐng)記住,您組織在企業(yè)范圍內(nèi)AI方面的未來(lái)愿景很可能是多種自動(dòng)化類(lèi)型的融合,從完全手動(dòng)的過(guò)程一直到最后,對(duì)于那些使用機(jī)器人過(guò)程自動(dòng)化(RPA)來(lái)開(kāi)發(fā)更復(fù)雜AI的人。通常是從頭開(kāi)始重新發(fā)明業(yè)務(wù)流程,然后在每個(gè)新步驟中應(yīng)用最佳工具完成工作的情況。只是將RPA或AI插入未更改的現(xiàn)有業(yè)務(wù)流程中,很可能會(huì)錯(cuò)過(guò)一切。
另一個(gè)重要因素是每個(gè)工具之間發(fā)生的切換。這可以是人對(duì)機(jī)器或機(jī)器對(duì)機(jī)器。通過(guò)優(yōu)化切換并使其快速,無(wú)縫和可靠,您可以進(jìn)一步增強(qiáng)未來(lái)的業(yè)務(wù)流程,使其與您的業(yè)務(wù)目標(biāo)和市場(chǎng)要求一樣具有成本效益和競(jìng)爭(zhēng)力。
好消息是,可以快速跟蹤AI的實(shí)現(xiàn),但這并不一定是使AI變得更聰明。這是關(guān)于做出正確的選擇,例如構(gòu)建與購(gòu)買(mǎi),對(duì)數(shù)據(jù)質(zhì)量(以及客戶)著迷,花足夠的時(shí)間進(jìn)行變更管理,及早介入業(yè)務(wù),采取“假設(shè)和測(cè)試”的方法,最終將多種自動(dòng)化技術(shù)結(jié)合到您的未來(lái)愿景中。
如果您的AI項(xiàng)目花費(fèi)大量時(shí)間,請(qǐng)耐心等待并保持原樣。您也許還可以利用此處的一些建議來(lái)幫助您將比賽快速推向終點(diǎn)。當(dāng)然,就像數(shù)字轉(zhuǎn)換一樣,這場(chǎng)比賽永遠(yuǎn)不會(huì)結(jié)束。
-
AI
+關(guān)注
關(guān)注
87文章
31463瀏覽量
269847 -
供應(yīng)商
+關(guān)注
關(guān)注
0文章
340瀏覽量
20128 -
數(shù)據(jù)集
+關(guān)注
關(guān)注
4文章
1209瀏覽量
24788
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論