如何克服阻止企业部署人工智能的惯性

人工智能 (AI) 不仅对未来的创新和基本过程 “重要”，而且是必不可少的。

为了在这个未来蓬勃发展，企业已经处于早期探索阶段，以转变为人工智能驱动的工作场所。但是，尽管人们对利用人工智能在商业中的兴趣很高，但实施仍然相当低。根据Gartner的2018 CIO议程调查，只有4% 的首席信息官 (CIO) 实施了人工智能。调查报告谨慎地指出，我们将在 “有意义的” 部署中看到更多的增长: 报告发布时，又有46% 位首席信息官制定了2月实施人工智能的计划。

不会立即发生。首先，您必须从目标，技术需求以及采用对员工和客户的影响方面了解您的业务。当你解决这些问题时，很多事情都会出错。这里有一些技巧来帮助实现最小阻力。

1.将人工智能视为一项商业举措，而不是技术专长。

许多组织将AI的实施视为IT部门的一项任务。仅此错误就可能引起您未来的大部分挑战。

人工智能是一项业务计划，因为成功的采用需要在整个过程中积极参与-而不仅仅是在部署时。当前负责运行日常业务流程的人员必须具有真正的角色来帮助构建和维护人工智能驱动的模型。

这是它在现实生活中的样子:

该组织需要数据科学家和IT团队的协作和支持。它负责部署经过历史信息培训的机器学习模型，要求建立一个预测数据管道。(创建该管道本身就是一个过程，对多个任务中的每个任务都有特定的要求。)

当整个团队都在获取数据，分析数据并开发复杂的系统来处理信息时，通过AI实施获得成功的可能性就会增加。

2.教员工识别人工智能可以解决的问题。

人工智能驱动的企业经常搜索对其业务有深入了解的outdata科学家。更好的方法是教员工识别AI可以解决的问题，并鼓励员工创建自己的模型。你的团队成员已经了解你的企业是如何运作的。实际上，他们甚至知道触发合作伙伴，客户和潜在客户的特定响应的因素。

它可以帮助企业分析和理解每个模型的背景。它还可以使用受支持的系统计划其部署。具体来说，它应该能够获得关于以下主题的答案:

特定业务流程所需的使用模式。预测请求与其服务之间的最佳延迟时间。需要监视的模型的更新、延迟和准确性。业务流程对预测延迟或未进行的容忍度。

以人工智能思维解决问题的员工可以监控业务流程，并在重要时学会提出正确的问题。

3.允许业务专业人员建立机器学习模型。

一家试图通过人工智能改变其完整运营范围的公司可能会认为时间表有点慢。当前的方法取决于手动构建机器学习模型。当被问到时，企业经理将价值时间列为最大的挑战之一。Gartner调查的受访者显示，他们的团队平均需要52天的时间来建立预测模型，甚至需要更长的时间才能部署到生产中。即使经过数据科学家数月的开发，管理团队通常也几乎没有方法来确定模型的质量。

自动化平台可以改变人工智能的经济学，在几个小时甚至几分钟内产生机器学习模型，而不是几个月。这样的平台还应允许业务领导者比较多个模型的准确性，延迟和分析，以便他们可以为任何给定任务选择最合适的模型。

为您的员工配备正确的工具和技能，使他们能够为针对您的业务进行优化的系统做出贡献。此外，自动机平台可以帮助他们创建转换流程所需的模型。

考虑到企业在部署人工智能时面临的许多挑战，可以理解的是，许多人仍然落后。克服了这些障碍的组织可以证明AI通过流程改进和提高员工生产率来彻底改变业务的能力。

最终使用技术需要人类参与作为输入。没有人类创造者，技术就无法成功转变为人类角色。