各個領(lǐng)域的商業(yè)領(lǐng)袖都看到了人工智能的價值，但使用好人工智能才能真正體現(xiàn)其價值所在。
在這里，我們總結(jié)了一些探路者們的經(jīng)驗(yàn)教訓(xùn)，希望能給后來者一些有意義的參考。根據(jù)德勤最近的一項(xiàng)調(diào)查顯示，82%的人工智能早期采用者從認(rèn)知技術(shù)投資中看到了積極的財務(wù)成果，投資回報率的中位數(shù)為17%。
一個成功的人工智能項(xiàng)目和一個不成功的人工智能項(xiàng)目之間最大的區(qū)別是什么?德勤咨詢公司的分析與認(rèn)知部門主管Nitin Mittal表示，無論是技術(shù)驅(qū)動的還是商業(yè)需求驅(qū)動的，都有跡可循。
希望充分利用人工智能的組織要注意了：“關(guān)注可能適合人工智能的特定用例。專注于需要實(shí)現(xiàn)的業(yè)務(wù)目標(biāo)，證明其價值，并擴(kuò)大規(guī)模。這就是我們看到的很多案例能夠成功的原因。”Mittal說。
下面是將人工智能項(xiàng)目轉(zhuǎn)化為商業(yè)價值的8個技巧，這些技巧來自于那些從人工智能中獲得實(shí)際利益的人的總結(jié)。
專注于具體問題
通用電氣負(fù)責(zé)軟件研究的副總裁Colin Parris說，在通用電氣，商業(yè)價值是每個人工智能項(xiàng)目的核心。
“我們從一系列最小可行的產(chǎn)品開始，它真的能預(yù)測什么嗎?如果我們能做到，它是更便宜、更快，還是能帶來更多收入?最后，我們可以如何擴(kuò)展它，如何部署它來獲得商業(yè)價值?”他說。
這一系列的后續(xù)行動是至關(guān)重要的。
例如，如果人工智能系統(tǒng)正在預(yù)測需要維護(hù)的設(shè)備，那么這些預(yù)測需要集成到工作流中。這可能意味著需要派遣合適的現(xiàn)場工程師在合適的時間進(jìn)行合適的維護(hù)。
它還可能需要集成到庫存系統(tǒng)中。
或者可能需要與實(shí)際機(jī)器進(jìn)行集成。“如果我的人工智能讓我能夠真正理解何時需要提高溫度或壓力，我就必須集成到控制系統(tǒng)中，”他說。
了解AI的局限性
當(dāng)人類試圖做出預(yù)測時，他們有時會成為被稱為Dunning-Kruger效應(yīng)的心理陷阱的犧牲品。當(dāng)一個人意識不到自己對某個話題知之甚少，錯誤地認(rèn)為自己是專家時，就會出現(xiàn)這種情況。其結(jié)果可能既幽默又悲慘。
人工智能系統(tǒng)也可能落入同樣的陷阱。例如，一個接受過特定數(shù)據(jù)集訓(xùn)練的人工智能被要求根據(jù)完全不同的數(shù)據(jù)集進(jìn)行預(yù)測，這會給出完全錯誤的答案——但是對于已經(jīng)學(xué)會依賴人工智能預(yù)測的用戶來說，這可能是令人信服的。
現(xiàn)實(shí)情況是，這需要一位數(shù)據(jù)科學(xué)家來了解分析模型何時適合于特定數(shù)據(jù)集。“我必須理解基于數(shù)據(jù)的假設(shè)，”IBM的Parris說。“我如何測試模型?”我可能需要生成其他類型的數(shù)據(jù)，或者模擬數(shù)據(jù)，來判斷它是否有效。然后我必須在數(shù)據(jù)運(yùn)行時檢查數(shù)據(jù)以確保這些假設(shè)是有效的。這是你作為人工智能專家經(jīng)過多年培訓(xùn)后才能夠做到的事情。”
新員工或非數(shù)據(jù)科學(xué)家可能沒有接受過這種培訓(xùn)，從而使組織容易受到誤導(dǎo)性結(jié)論的影響。
為了解決這個問題，通用電氣已經(jīng)開始研究所謂的“humble AI”，它是一種人工智能系統(tǒng)，能夠知道其算法適用于哪些情況，并且只在那些情況下使用機(jī)器學(xué)習(xí)模型。
“如果我不在這個范圍內(nèi)，我就不會使用這個模型。我想回去使用我們過去20年來使用的物理模型，”Parris說。 “這種人工智能知道它自己的能力范圍。”
他說，“humble AI”現(xiàn)在正在接受測試。“使用價值數(shù)百萬美元的機(jī)器時，你絕對不想做任何損害機(jī)器壽命或性能的事情。退后一步，回到常規(guī)的套路去吧。”
傾聽利益相關(guān)者和客戶的意見
對于一些公司來說，確保人工智能系統(tǒng)產(chǎn)生有用的結(jié)果可能需要一些外部幫助。
健康內(nèi)華達(dá)項(xiàng)目的首席數(shù)據(jù)科學(xué)家Jim Metcalf說:“理想情況下，你可以在白板會議上開始一個項(xiàng)目，所有主要利益相關(guān)者都已經(jīng)花了一下午的時間來了解細(xì)節(jié)并記錄查詢需求。”
例如，健康內(nèi)華達(dá)團(tuán)隊(duì)正在研究一種治療心臟病患者的方案。這就需要收集病人出院時開藥的信息。但有些藥物，如他汀類藥物，通常是在病人第一次入院時開的，當(dāng)病人離開時會繼續(xù)開出。系統(tǒng)假設(shè)這些藥物是患者已經(jīng)在服用的藥物，而不是與心臟病發(fā)作相關(guān)的新藥。只有當(dāng)藥物數(shù)量最終低于預(yù)期時，才會發(fā)現(xiàn)這個問題。
“如果我們從一開始就和所有感興趣的人進(jìn)行更詳細(xì)的討論，團(tuán)隊(duì)可能會更早地解決這個問題，”Metcalf說。“我們的數(shù)據(jù)科學(xué)團(tuán)隊(duì)已經(jīng)學(xué)會了不做任何假設(shè)。我們會在任何人將手指放在鍵盤上之前進(jìn)行徹底審查，討論和記錄查詢要求。”
對于企業(yè)支出管理平臺提供商Coupa，一個客戶提示并指出了一種檢測欺詐的新方法。
公司負(fù)責(zé)產(chǎn)品戰(zhàn)略和創(chuàng)新的副總裁Donna Wilczek說:“在我們的行業(yè)中，我們一直在一個信息孤島中看待支出欺詐。例如，有很多應(yīng)用程序只關(guān)注費(fèi)用報告欺詐，以及采購中的欺詐。”
但是事實(shí)證明，在一個領(lǐng)域作弊的員工也有可能在其他領(lǐng)域作弊，她說。通過與采購專家和財務(wù)審計人員的交談，發(fā)現(xiàn)欺詐檢測的秘密其實(shí)是針對處于欺詐核心的個人。
“這就是AI的一種非常漂亮、實(shí)用的應(yīng)用所在，”她說。“這些數(shù)據(jù)對于人類審計員來說太多了，無法識別出其中的特定模式。”
人工智能還可以加快欺詐檢測的過程，讓企業(yè)在付款前就能發(fā)現(xiàn)欺詐行為。她說:“通常情況下，顧客在消費(fèi)過程中不能這樣做，因?yàn)檫@會讓生意的交易流程減速。”
Coupa現(xiàn)在正在收集企業(yè)報告的欺詐行為的例子，然后將這些真實(shí)的例子添加到人工智能系統(tǒng)中。
擁抱領(lǐng)域的專業(yè)知識
越來越多的公司開始意識到人工智能本身并不是靈丹妙藥。
“很多時候，企業(yè)會說，我有大量的數(shù)據(jù)，這個巨大的數(shù)據(jù)湖，只要插入你的人工智能，就能告訴我一些有趣的事情，”全球信息技術(shù)咨詢公司人工智能和大數(shù)據(jù)技術(shù)總監(jiān)JJ Lopez Murphy說道。“是的，人工智能會幫助你發(fā)現(xiàn)隱藏的模式，但是如果你沒有一個適當(dāng)?shù)膯栴}，它就不會給你答案。這是不會自動發(fā)生的。”
Cognoa的首席人工智能官Halim Abbas說，僅僅依靠數(shù)據(jù)科學(xué)家和人工智能專家從數(shù)據(jù)中獲取洞察力是一個巨大的錯誤，該公司正在將人工智能應(yīng)用于行為診斷領(lǐng)域，幫助識別患有孤獨(dú)癥和其他行為健康問題的兒童。
在現(xiàn)實(shí)世界中，數(shù)據(jù)可能相互依賴，或者一些數(shù)據(jù)也可能不相關(guān)，需要專家來了解其中的差異。例如，如果一組在有藍(lán)色墻壁的房間里診斷的病人和另一組在有白色墻壁的房間里診斷的病人產(chǎn)生了不同的結(jié)果，一個尋找模式的分析模型可能會推斷出墻漆具有臨床意義。
“隨著數(shù)據(jù)集大小的增長，你會避免這些愚蠢的結(jié)論，”他說。“但可能還會有一些微妙的變化。”
他說，沒有領(lǐng)域?qū)I(yè)知識的人工智能專家不會意識到這些問題。當(dāng)數(shù)據(jù)集很小的時候，比如數(shù)據(jù)集很少或者人口統(tǒng)計數(shù)據(jù)很少的時候，這一點(diǎn)尤其重要。
當(dāng)然，領(lǐng)域?qū)＜乙灿兴麄冏约旱钠姡珹bbas說。“他們可能對某些變量和某些條件之間的聯(lián)系持有錯誤的看法。進(jìn)行雙重確定的一個好方法是在接受領(lǐng)域?qū)＜业妮斎氲耐瑫r，在人工智能方面也這樣做，并且只處理雙重驗(yàn)證都通過的情況。”
內(nèi)部的臨床專業(yè)知識也有助于Cognoa確定這些模型是否有效，并幫助改進(jìn)它們。
“每次你在現(xiàn)實(shí)世界中精心構(gòu)建的試驗(yàn)中驗(yàn)證人工智能算法的時候，你都可能會發(fā)現(xiàn)現(xiàn)實(shí)與模擬的不匹配，”他說。“但通過分析，您可以深入了解產(chǎn)品，并進(jìn)一步進(jìn)行優(yōu)化。”
正如一家有111年歷史的收集和發(fā)布化學(xué)研究數(shù)據(jù)的公司CAS所發(fā)現(xiàn)的那樣，將領(lǐng)域內(nèi)的專業(yè)知識與人工智能相結(jié)合在數(shù)據(jù)管理中也是必不可少的。
CTO Venki Rao說:“像空格、下標(biāo)、破折號或化學(xué)結(jié)構(gòu)中一個字母的變化，都可能導(dǎo)致安全反應(yīng)和爆炸反應(yīng)的不同。所以我們需要有超過350名博士在我們的工廠中進(jìn)行管理數(shù)據(jù)。”
最近，該公司開始使用人工智能來幫助對數(shù)據(jù)進(jìn)行分類和整理，從而騰出一些博士來從事更復(fù)雜的工作。但即使是建立一個簡單的光學(xué)字符識別系統(tǒng)，也需要領(lǐng)域?qū)＜业膶I(yè)知識。例如，“nm”是nanomolar的縮寫，而“mm”是millimolar的縮寫——相差6個數(shù)量級。如果系統(tǒng)轉(zhuǎn)換不當(dāng)，這可能意味著安全化學(xué)反應(yīng)和危險化學(xué)反應(yīng)之間的區(qū)別。
他說:“如果你是一個純粹的技術(shù)專家，你不可能在第一天就能夠?yàn)槲覀冞M(jìn)行工作。如果你在不了解化學(xué)原理的情況下，用技術(shù)粗暴地強(qiáng)迫AI系統(tǒng)，它永遠(yuǎn)不會得到最佳的結(jié)果。”
Rao說，這確實(shí)使招聘變得更具挑戰(zhàn)性，有時也使得外包變得不可能。“但是投資已經(jīng)顯示其在解決方案質(zhì)量上的回報。”
認(rèn)識到對真實(shí)世界進(jìn)行測試的價值
沒有一個作戰(zhàn)計劃能在與敵人的接觸中幸存——也沒有一個人工智能系統(tǒng)能在與現(xiàn)實(shí)世界的接觸中幸存。如果你的公司沒有準(zhǔn)備好面對這個事實(shí)，你的人工智能項(xiàng)目甚至在開始之前就注定要失敗。
瑞士信貸集團(tuán)的認(rèn)知和數(shù)字服務(wù)主管Jennifer Hewit正面應(yīng)對了這一挑戰(zhàn)。
當(dāng)公司決定發(fā)布其新的客戶支持聊天機(jī)器人Amelia時，Hewit知道聊天機(jī)器人很可能經(jīng)常會被放棄并將客戶發(fā)送給人工代理，而不是能夠自己回答所有的或大部分的問題。
她說：“我很早就決定要上線了。”她注意到，當(dāng)這個聊天機(jī)器人第一次上線時，它理解用戶意圖的能力只有23%。
但是通過置身于現(xiàn)實(shí)世界中，聊天機(jī)器人能夠觀察到多文化、多語言和多代人的對話——并從中學(xué)習(xí)。
“快速上線，向組織展示我們的能力，這意味著我們能夠在5個月內(nèi)將她理解意圖的能力從23%提高到86%。”
小心人工智能的“黑箱問題”
可信度是人工智能在進(jìn)入現(xiàn)實(shí)世界時面臨的另一個問題，因?yàn)槿斯ぶ悄芟到y(tǒng)幾乎無法看到它們是如何得出自己的見解的，這個問題被稱為“黑箱問題”。
總部位于波士頓的Beacon Health Options公司的執(zhí)行副總裁兼首席增長官Christina Mainelli說：“我們的經(jīng)歷讓我們永遠(yuǎn)無法克服這個問題。”Beacon Health Options公司正為全美4000多萬人提供行為健康治療。
最終，該公司決定建立一個人工智能系統(tǒng)，在病人病情升級到需要住院治療的程度之前，及早發(fā)現(xiàn)病人。為了確保該系統(tǒng)能夠被實(shí)際使用，Beacon Health將使用該系統(tǒng)的人聚集在一起，不僅就工作流程，還就算法如何工作對他們進(jìn)行培訓(xùn)。
因此，在系統(tǒng)投入使用之前，就對現(xiàn)有患者的舊數(shù)據(jù)進(jìn)行了一次模擬運(yùn)行。
她說:“那些被認(rèn)為是高危人群的人實(shí)際上就是高危人群——因?yàn)樗麄儽凰瓦M(jìn)了醫(yī)院。我們的臨床醫(yī)生可以看到它是如何工作的，這幫助我們減少了黑箱問題。”
然后，當(dāng)人工智能系統(tǒng)被用于當(dāng)前的病人時，在項(xiàng)目的前12周，它識別出了近300名高危人群，其中57%的人沒有被之前的傳統(tǒng)方法檢測到。
“這非常引人注目。在此之前我們并不知道他們是高風(fēng)險的，”Mainelli說。“現(xiàn)在團(tuán)隊(duì)正在努力影響他們。”
這包括打電話給他們，讓他們聯(lián)系供應(yīng)商，確保他們得到他們需要的藥物。
在一到兩個月后，Beacon Health公司將看到這些干預(yù)措施的結(jié)果，因?yàn)樵谒髻r通過之前還有一段時間，這將是另一個重要的現(xiàn)實(shí)世界測試。
“我們需要看到最后的數(shù)據(jù)才能真正知道結(jié)果如何，”她說。
建立清晰的衡量標(biāo)準(zhǔn)
擁有明確的業(yè)務(wù)指標(biāo)來衡量人工智能項(xiàng)目的結(jié)果，對于證明它是有效的非常重要，并且應(yīng)該得到持續(xù)的支持。
許多公司對AI項(xiàng)目的這方面沒有給予足夠的重視。根據(jù)德勤的調(diào)查，不到50%的受訪企業(yè)衡量的是準(zhǔn)確衡量財務(wù)回報所必需的關(guān)鍵績效指標(biāo)，如成本節(jié)約、收入和客戶留存等指標(biāo)。
報告作者、德勤技術(shù)、媒體和電信中心的執(zhí)行董事Jeff Loucks表示，這是像人工智能這樣的新興技術(shù)的一個通病。
“他們通常不會像公司使用更成熟的技術(shù)一樣進(jìn)行嚴(yán)格管理，”他寫道。
結(jié)果是人工智能項(xiàng)目可能“無處可去”，最終成為了無法擴(kuò)展的試點(diǎn)項(xiàng)目或沒有商業(yè)利益的項(xiàng)目，他說。
從內(nèi)部訓(xùn)練人才
你可以在哪里找到既懂人工智能技術(shù)又懂業(yè)務(wù)需求的人?這可不是件容易的事。目前，全球人工智能人才短缺，再加上專業(yè)知識的要求，意味著潛在候選人的數(shù)量只能是更少。
根據(jù)德勤的人工智能調(diào)查，69%的公司表示，他們的員工中存在中等、重大或極端的技能缺口。
在通用電氣，該公司也努力尋找著具備人工智能所需的編程和分析技能，以及商業(yè)方面所需的物理和工程知識的人。
通用電氣的Parris說:“我們會在大學(xué)進(jìn)行投資，在領(lǐng)英(LinkedIn)上搜索，在媒體上看文章，在會議上認(rèn)識所需要的人。”
但該公司也在內(nèi)部尋找具有材料科學(xué)背景的人，比如在人工智能課程中學(xué)習(xí)過的人，或者在控制系統(tǒng)和材料科學(xué)課程中學(xué)習(xí)過的人工智能開發(fā)者。
Parris說，找到兼具領(lǐng)域?qū)I(yè)知識和人工智能技能的人只是旅程的開始。他說，通用電氣需要能夠?qū)⑦@些知識轉(zhuǎn)化為能夠?qū)嶋H應(yīng)用的人才。“我如何看待業(yè)務(wù)問題并將其分解為數(shù)據(jù)問題?”
為了實(shí)現(xiàn)這一目標(biāo)，通用電氣提供跨職能培訓(xùn)，將人工智能和工程學(xué)結(jié)合起來。到目前為止，已經(jīng)有10到15名科學(xué)家和工程師經(jīng)歷了這一過程——約占公司所有科學(xué)家和工程師的三分之一。
Parris補(bǔ)充道:“可能會有更多的人經(jīng)歷這一過程。”
這只是改變企業(yè)文化、組織系統(tǒng)、衡量標(biāo)準(zhǔn)甚至是激勵機(jī)制的開始。
“對于像通用電氣這樣的公司來說，這是一項(xiàng)艱巨的任務(wù)，我們現(xiàn)在正處于起步階段，”他說。“但是一旦我們做對了——我們所有人的未來都會改變。”
版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。
京公網(wǎng)安備 11010502049343號