投资人工智能是指投资于人，而不仅仅是技术

您的组织如何为人工智能 (AI) 做准备？问今天在这个领域投资的企业这个问题，答案几乎总是归结为 “数据” -- 领导者谈论 “数据准备” 或 “数据科学人才获取”。

虽然没有数据就没有人工智能，但没有做好准备的企业 -- 人 -- 不仅会阻碍他们获得良好人工智能的能力，还会冒着沉没投资的风险，危及员工信任、品牌反弹或更糟。

毕竟，人们是在企业和消费者环境中构建，测量，消耗和确定AI成功与否的人。他们的工作将会改变; 自动化会缓解他们的乏味; 谁的消费或拒绝人工智能的结果将是焦点。

简而言之，人就是那些感受到人工智能无数影响的人。这就是为什么投资人工智能和投资数据一样重要的原因。

我想更深入地研究这个问题。因此，我和Kaleido Insights的联合创始人和其他行业分析师调查了超过25家大规模部署人工智能的企业，以了解他们投资于人的方式。这是我们发现的:

1.技术人才以外的因素投资

雇用数据科学家团队不会导致业务流程在一夜之间神奇地自动化。有人将这种错误的假设比作雇用电气工程师来经营一家面包店: 虽然烤箱的机制很重要，但经验丰富的面包师最知道如何创新食谱并激发客户的喜悦!

在各个行业中，我们发现成功的AI部署至少涉及八个不同的角色:

产品领导者前线助理 (例如，客户支持代理，现场技术人员) 主题专家 (例如，医生，安全管理员，法律等) 设计师salesleadershipend用户数据科学家和技术建设者

除了确定这些利益相关者之外，企业还必须通过教育人们和消除恐惧来使AI易于访问并建立信任。这里的首要建议是通过使用将人工智能纳入每个角色的策略来为利益相关者做准备。

领导力需要展示ROIand可视化。例如，联邦快递的人工智能领导者建立了模拟仪表板和报告，以说明传统分析和机器学习驱动的建议之间的区别。

同时，为销售团队做好准备需要为代理商配备知识，工具和信心来销售AI的好处，并重新评估其指标和激励模型以保持质量和完整性。为了有效地推广，必须解决上述每位员工的独特需求和痛点。

2.投资解决AI的文化污名

人工智能不同于其他技术，因为它可以挑战人们的重要性和相关性。根据劳动力研究所 (workforce Institute) 最近的一项调查，国际环境中的一些组织58% 没有讨论人工智能对员工劳动力的影响。然而，人工智能的成功是由人们采用人工智能的意愿驱动的。

因此，建议部署人工智能的企业评估人们的情绪、恐惧、问题和不安全感如何影响他们采用人工智能的倾向。接受采访的公司没有忽略担忧，而是建议讨论和制定职位和计划来解决:

工作置换算法偏见隐私，监视安全威胁自主机器社会操纵环境影响 “杀手机器人” 的概念

这些 “房间里的大象” 不仅威胁到员工的士气，还凸显了公司提高敬业度和加强健康值得信赖的公司文化的机会。通过传播人工智能的局限性来解决你自己公司工作流离失所的担忧。阐明人工智能将在哪里增加或加速人类工作流程。提供治理模型的清晰度。并支持员工提高技能和继续教育计划。

微软针对AI的专业计划就是一个例子: 这是一个大规模的开放在线课程 (MOOC)，旨在指导有抱负的人工智能建设者通过一系列主题，从统计到伦理到研究设计。星巴克和Kaiser permanente等其他公司也与Coursera或Linda.com等电子学习平台合作，以促进专业发展。

3.建立人工智能思维的投资

虽然投资于一种心态听起来可能很困难，或者与底线脱节，但为员工做好与人工智能互动所需的教育、所有权、工具和流程的准备有切实的商业好处。根据最近对12个行业的1,075家公司的调查，公司越多地接受员工积极参与AI设计和部署，其AI计划在速度，成本节省，收入和其他运营措施方面的表现就越好。

以下我称之为人工智能思维的 “3 d” 反映了关于人工智能的三个普遍真理，并作为建立人们参与组织人工智能之旅的起点:

认为 “被persified”: 人工智能必须由多种技能来设计和管理。那些负责工作流程日常管理的人最能理解故障发生在哪里，产品不足的地方，他们，员工，大部分时间都花在哪里，客户的敏感度在哪里。

商业利益: 多样化的人工智能设计和开发有助于公司识别重要的功能、用户体验/用户界面需求以及可能看不见的用例，或者需要更多的资源浮出水面。像富国银行 (Wells Fargo) 这样的公司拥有跨职能的卓越中心来加速这一进程，强调使用可信赖的内部影响者来促进入职的价值。

认为 “定向”: 人工智能实现不是一个线性的、 “完成的” 目标，而是一个需要基于反馈循环的持续学习和迭代的目标。

商业利益: 灌输 “方向性” 思维方式可以减少大规模部署的时间。尽管人们希望快速看到结果，但实验的程度决定了任何人工智能模型的强大程度，以及它可以解决多少问题。通常，部署时间是基于用户的采用，并且可以帮助培训和优化系统的人越多，(再次) 采用可以解决的问题就越多。这也是为什么像瑞士银行SEB这样的公司将其虚拟代理Aida部署到600员工; 然后15,000员工，然后在其百万多个客户中推广代理。

认为 “民主化”: 当组织启用可访问的工具，培训以及多功能贡献和协作时，人工智能将更具可持续性。

商业利益: 通过易于使用的工具实现访问民主化意味着员工不必拥有数据科学学位即可为AI系统贡献价值。企业数据门户变得越简单，可靠和 “自助”，各行各业的员工就越多，可以激活企业数据-这是任何企业的宝贵指标。

总而言之，一个组织的文化与其人民适应，采用，参与和创新的意愿密不可分。技术只是成功的一半。等级制度，孤岛，复杂性，不信任和自满会阻碍创新。鉴于最强大的人工智能涉及人类和机器，真正的人工智能准备必须远远超出数据，并赋予负责其成功的人员权力。