人工智能面临的最大挑战是,单个组织很难单独实施,拥有完成这项工作所需的稀有技能的个人供不应求。这些专家通常被称为数据科学家,他们需要统计、数据库、认知科学和业务领域专业知识的混合物。这些技能各自都足够专业。要求将它们结合起来是一项非常艰巨的任务。
数据科学家
如果您能够在数据科学家劳动力资源竞赛中竞争并获胜,您将需要应对这场胜利所带来的成本。自从六年前数据科学家的角色被哈佛商业评论认为是“21 世纪最性感的工作”以来,担任该职位的人就获得了高额薪酬。这是您需要承担的成本,而且只会增长。此外,如果您的 AI 计划获得关注并且数据科学工作变得至关重要,您将需要扩大团队,成本将增加许多倍。
在该学科的早期阶段,数据科学家是才华横溢、好奇的人,具有试验最新技术的诀窍。团队中有这样的人才固然好,但它并不总能提高生产力。使用新技术需要时间,而不是少量的反复试验。老实说,资助此类工作可能不符合贵公司的利益,但也可能难以避免。
工具需要锐化
另一方面,缺乏生产力可能不是问题。即使在这种最佳情况下,数据科学家使用的工具也不一定能提高他们的生产力。目前,最先进的人工智能工具包括在基于 Web 的笔记本中编写代码,可以与同事共享。这样的工作不是很结构化;它在本质上比工业上更具学术性。
实验——使用不同算法和参数值,然后测量结果并重复该过程的过程,大部分是手动的——尽管正在出现一些管理它的标准。生产任务的自动化和管理,包括模型的部署、准确性的监控和定期的再培训,同样处于早期阶段,工具刚刚出现。这些流程是定制的工作,会导致效率低下,从而导致成本增加。
远大的期望
另一个警告是,很明显,人工智能不是魔法!这种双曲线的陈述提炼出这个更具经验性的陈述:人工智能今天可以做的事情与高管对其能力的期望之间存在巨大差异。您需要管理这些期望。不这样做可能会导致项目失败,即使结果是成功的。
除了对成功或失败的感知之外,管理预期对于人工智能计划的充足预算也至关重要。我们已经讨论了人工智能追求所涉及的高成本。如果没有足够的资金,您将项目设置为失败。
好的一面
有这么多警告和警告,你可能会觉得我看空人工智能,但事实并非如此。如果实施得当,人工智能可以在今天提供显着的业务优势。我要谨慎——我想在此向您传达的一个谨慎——是这样的正确实施可能难以捉摸。这个难题的答案是企业应该避免完全自行实施人工智能,除非重大技术研发是正常运营程序和预算的一部分。
从 AI 创新中受益并降低昂贵和/或不成功实施风险的最佳方式是购买具有嵌入式 AI 功能的产品。这将数据科学的负担和风险转移到了产品的开发者身上,对他们来说,人工智能的投资是相当合理的,因为它使许多组织(开发者的客户)受益,而不仅仅是一个组织。用于测试、实施和其他工程成本的进一步支出也同样被杠杆化和摊销。
更好的是,收益将不断增长。人工智能正在变得越来越好,围绕它的工程过程也在慢慢改进。这意味着具有嵌入式 AI 的产品将不断获得更多功能,这些功能将融入已经在使用的产品和已经到位的流程中。这都是有利的,并且几乎不会造成任何破坏。
分阶段采用
最终,人工智能工程将变得更加复杂,将人工智能集成到内部企业开发人员开发的业务线软件中将变得更加可行。这将是将 AI 集成到您团队稳定的技术中的好时机。您将从提高的效率中受益,并且通过使用具有嵌入式 AI 的产品,您不会错过早期使用 AI 的竞争优势。
与任何技术一样,人工智能也带来了一系列风险和回报。即使您现在已经准备好承担其中的一些风险,对它们进行盘点也会有所帮助。而且,一般来说,如果有办法让自己远离这些风险,同时尽可能多地利用回报,你就会脱颖而出。为您的组织进行必要的尽职调查,看看您可以在多大程度上坚持该计划,同时仍然保持竞争力和创新。
相关帖子DA内容精选
|