但是，实施人工智能战略面临着挑战，特别是对于那些根本不知道从哪里开始的传统企业来说。
规划人工智能试点项目的4个技巧
根据定义，企业在进行大规模定量研究之前需要进行试点，以避免在设计不足的项目上浪费更多的时间和费用。试点项目与正式项目实际上并没有什么不同，但提供了“先试后买”的功能，可以帮助企业了解新的解决方案或流程、面临的挑战和带来的潜在价值。尽管大多数人遵循相同的基本原则(定义问题、期望的目标、成本、所需的资源，以及衡量结果)，但是不断变化的人工智能领域具有一些应该了解的细微差别。企业选择人工智能试点项目之前，需要考虑以下四个标准：
(1)明确定义企业的人工智能项目应该交付的业务成果
在过去的几年中，人工智能获得了巨大的发展，如今仍然是一个热门话题。虽然某些方面让人们感到振奋，人工智能有助于提高冠状病毒疫苗接种率，改善购物体验。但在某些方面却令人感到沮丧，例如可能带来的失业或道德困境，但人工智能仍不断发展。明智的企业正在寻找各种使用人工智能的策略和方法。
尽管具有广泛的吸引力，但人工智能并非适用于每个业务流程，并且也不是万能的。在企业开始实施人工智能试点项目之前，需要确保已经明确定义面临的问题和希望得到的结果。是否有商业措施来跟踪进度?
定义项目并将其提交给企业的领导者批准之后，就将应对下一个挑战。
(2)选择正确的方法
通过采用开源、云服务、具有内置人工智能功能的产品，企业可以聘请数据科学家来构建自己的解决方案，或者采用现成的人工智能方案，但这两种方法各有利弊。例如，现成的云计算解决方案已经广泛使用，但是接受训练的数据并不是企业自己的，并且成本可能非常昂贵。企业聘请数据科学家构建自己的解决方案可以提供在其他地方找不到的自定义级别，但要获得适当的人才和专业知识是很困难的。
为了在阻力最小的路径上获得所需的结果，企业需要考虑最终选择的解决方案所带来的挑战，但没有一个解决方案是完美的。权衡现有IT生态系统中最合适的资源，不仅需要让企业的试点项目启动和运行，而且需要对其进行部署，持续改进所需的资源，以及利益相关者积极地参与试点项目，以使其计划步入正轨。
(3)预测学习曲线
人工智能模型需要训练。随着时间的推移，它们会变得越来越智能(在经过适当设计的情况下)，但是其学习曲线并不仅仅针对与之交互的人类。这是针对模型本身的。即使使用主要云计算提供商提供的开箱即用的解决方案，也需要进行调整以适应企业的业务需求、固有偏差和目标，这将花费大量时间和精力，因此需要考虑这些因素对项目的成功来说有多重要。
另一方面，企业可以使用先进的技术，但是如果没有为使用这些技术的人员提供适当的培训，那么无法充分利用这些技术的好处。例如，一种算法可以像人类一样准确地了解X射线的结果，但是如果医疗保健机构没有充分了解其使用的技术和过程，那么将会面临失败。
(4)了解测试与生产准备的情况
人工智能的试点计划之所以获得关注，是因为它们在提交之前会测试提议的解决方案的最高风险。如果项目太复杂、资源过多或财务负担沉重，那么企业可以从中学到一些经验教训，并从最小的损失中解脱出来。但是也要注意，成功的人工智能试点项目并不能保证成功进行生产。
业务需求和数据在不断变化。为了从企业的人工智能计划中获得最好的结果，必须对模型进行持续的测试和再训练，才能为企业的客户提供准确的结果。
这种情况在将人工智能用于生产之后并不会消失。一次性验收测试适用于传统(静态)软件，但不适用于人工智能系统，因为随着周围世界的变化，人工智能系统必须自行改变。企业需要规划一种不同类型的监控、在线测量和再训练策略，以纠正数据和概念漂移、潜在偏差和道路上其他在早期测试中可能不明显的问题。
通过将这四个标准考虑在内，企业可以为其业务选择最具影响力的人工智能试点项目，并为其提供最佳采用人工智能技术的速度最快、风险最低的学习途径。
版权声明：本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
京公网安备 11010502049343号