在開發更加廣泛的應用程序的愿望驅使下，許多企業將人工智能視為一種靈丹妙藥，首席信息官可以采用人工智能技術來滿足客戶的需求。
當然首席信息官更清楚的是，任何一種新技術帶來的挑戰都比它帶來的樂觀情緒對技術人員的打擊更大、更快。對于人工智能和相關領域尤其如此，例如機器學習、數據科學、深度學習、自然語言處理和認知智能。不僅這些領域的人才稀缺，而且他們的知識和應用開發方法也各不相同。
從人工智能中獲取價值是指在為企業發展業務的同時，以快速獲得收益產生現實影響。下文介紹了可以幫助實現這一目標的四個關鍵重點領域。
1.通過基于人工智能的實時決策提供差異化??產品
最關鍵的優先事項之一是確定影響較大的領域，這些領域有機會在業務流程中嵌入基于人工智能的實時決策。實時處理場景信息以做出即時決策的能力是在競爭激烈的市場中區分產品、服務和體驗的有效方式。
例如，保險公司可以根據索賠人在事故發生地點和時間提供的圖片和視頻，自動處理索賠申請，以獲得實時批準。貸款人可以根據抵押品和背景信息實時分析風險，提供現場貸款審批。通過在業務流程中明智地采用人工智能，企業可以在廣泛的用例中對產品和服務實現個性化和定制。
關鍵在于確定幾個直接影響的領域，并專注于在客戶體驗中創造可見和可衡量的影響。
2.實施人工智能工程/MLOps以在企業范圍內實施人工智能
Gartner公司的研究表明，從人工智能原型到生產，只有53%的項目成功。首席信息官和IT領導者發現很難擴展人工智能項目，因為他們缺乏創建和管理生產級人工智能管道的工具。這是一個關鍵的瓶頸，因為業務流程無法有效地利用人工智能功能，除非工程流程足夠成熟，能夠創建一致的可部署模型管道，無論投資、研究和概念驗證如何。
由于人工智能工程不同于傳統的軟件工程，首席信息官必須制定一項戰略，使人工智能和機器學習方法體系化。許多企業發現，實現這一點的最有效方法是建立一個由治理模型支持的強大平臺。
在此稱之為統一平臺，因為它結合了從試驗和設計到部署的各個方面，這是一種強大的機制。它使首席信息官能夠在路線圖的支持下以集中的方式專注于人工智能的工程方面。它有助于在不迷失方向的情況下逐步擴大規模，同時實施業務用例并確保快速獲利。
3.利用基于云的人工智能平臺實現靈活性和可擴展性
根據麥肯錫的《2021年人工智能現狀》調查，人工智能領域的領先企業要比同行更多地使用云計算基礎設施：64%的人工智能工作負載在公有云或混合云上運行，而其他公司的這一比例為44%。與同行相比，行業領先企業還在云平臺上訪問更廣泛的人工智能功能。這是一個關鍵因素，因為前期基礎設施投資是阻礙企業人工智能進步的最重要因素之一。
基于云的人工智能平臺通過將資源集中在構建模型和快速盈利上，提供了從小處著手和進行試驗的靈活性。
基于云的人工智能平臺提供了從小處著手，并以需求驅動的方式進行試驗的靈活性，其方法是將資源集中用于構建模型并快速獲得收益，然后在實現價值時進行擴展。基于云的平臺還使企業能夠通過抽象出平臺內的所有技術和工程方面來專注于業務價值。這種“實驗、試點和規模化”的策略在人工智能旅程中艱難的早期環境中發揮了很大作用。
4.通過啟用公民建模，為人工智能在企業范圍內的擴展做好準備
除了基礎設施之外，另一個阻礙因素可能是面向專業知識的數據科學和建模領域。行業專家組之外的人員可能無法使用這些技術和工具。由于不熟悉技術，互操作性和可部署模型也可能受到限制。
為了在企業范圍內充分利用人工智能的潛力，該平臺需要可供商業用戶、領域專家和其他領域的公民開發人員訪問，以便他們能夠合作開發價值驅動的人工智能資產。
人工智能是一場長期的博弈
這些最初步驟對于構建人工智能的長期能力的企業大有幫助。需要記住的是，人工智能和相關技術仍在迅速發展。與之保持同步發展的企業在長期內將會獲勝，而基于平臺和治理的方法是前進的方向。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號