圍繞人工智能這一重要支持技術(shù)的快速成功，可以進(jìn)一步增加對更廣泛的數(shù)字轉(zhuǎn)型和創(chuàng)新舉措進(jìn)行更多投資的商業(yè)案例。

準(zhǔn)備和實施人工智能項目可能是一個多年的旅程。根據(jù)最新的調(diào)查數(shù)據(jù)，只有28%的受訪者表示，其第一年就通過了人工智能規(guī)劃階段。這是由于一些因素造成的，其中包括技術(shù)的相對成熟度(至少在不斷擴展的一系列行業(yè)用例中是這樣)、所涉及的復(fù)雜程度(例如廣泛的集成需求、有限的企業(yè)經(jīng)驗和缺乏內(nèi)部技能集)、對人工智能的偏見準(zhǔn)則以及治理、風(fēng)險和合規(guī)問題、廣泛的變更管理要求等。

無論是作為企業(yè)創(chuàng)新計劃的一部分，還是作為數(shù)字轉(zhuǎn)型計劃的一部分，長期的人工智能項目都非常重視展示快速的成功，因此它可能會影響比自身更大計劃的聲譽。隨著首席信息官在產(chǎn)品管理方法上從“項目到產(chǎn)品”的轉(zhuǎn)變，這些冗長的人工智能項目也會推遲得以創(chuàng)新的內(nèi)部產(chǎn)品或外部產(chǎn)品發(fā)布。

為了使人工智能技術(shù)迅速取得成功，并進(jìn)一步推動對更廣泛的數(shù)字轉(zhuǎn)型和創(chuàng)新計劃進(jìn)行更多投資的商業(yè)案例，以下是首席信息官快速跟蹤其人工智能實施的五種方法：

雖然人們專注于人工智能和機器學(xué)習(xí)(ML)計劃以及與金融服務(wù)貸款決策相關(guān)的示例，但這些建議適用于許多其他人工智能計劃和行業(yè)。

1.根據(jù)人工智能是否將成為組織的核心競爭力來構(gòu)建或購買

組織首先要做的決定之一是構(gòu)建還是購買。雖然人們聽到很多關(guān)于構(gòu)建自己的人工智能的各種平臺、基礎(chǔ)設(shè)施和框架，但是無名英雄通常是更具特色的專業(yè)人工智能供應(yīng)商，他們提供基于云計算的人工智能服務(wù)，可以為組織的特定服務(wù)快速培訓(xùn)和部署用例。構(gòu)建或購買的決定實際上是基于人工智能作為未來核心能力對組織的重要性。

例如，雖然每家金融服務(wù)公司都應(yīng)該關(guān)注人工智能采用和沒有采用之間即將出現(xiàn)的數(shù)字和金融鴻溝，但不是每家公司都需要在內(nèi)部構(gòu)建自己的算法。規(guī)模較小的組織可以更有效地關(guān)注將第三方人工智能技術(shù)納入其核心工作流程(如貸款承保)的業(yè)務(wù)收益和成果，而無需構(gòu)建自己的內(nèi)部人工智能/機器學(xué)習(xí)的專業(yè)知識。

2.在數(shù)據(jù)方面“越多越好”，質(zhì)量是關(guān)鍵

曾經(jīng)有人說，成功是10%的靈感和90%的汗水。在人工智能方面，成功實施通常是10%的人工智能和90%的數(shù)據(jù)。用于訓(xùn)練人工智能/機器學(xué)習(xí)算法以反映人類決策的任何數(shù)據(jù)集都需要盡可能大，并盡可能地干凈。

致力于應(yīng)用人工智能的進(jìn)步的Underwrite.AI公司首席執(zhí)行官Marc Stein表示，簡單來說，這意味著每行1,000個屬性的10,000行數(shù)據(jù)對于機器學(xué)習(xí)算法比對每行100個屬性的1,000行數(shù)據(jù)更有用。為貸款者提供非線性、動態(tài)的信用風(fēng)險模型，但它并不像“越多越好”那么簡單。數(shù)據(jù)類型和數(shù)量必須與算法類型匹配。深度學(xué)習(xí)需要大量記錄才能有效，而基于統(tǒng)計的算法可以更好地處理較小的數(shù)據(jù)集。

如果組織使用人工智能來模擬人類的決策，盡可能多地獲取數(shù)據(jù)，確保每個數(shù)據(jù)字段都有價值，并重視數(shù)據(jù)質(zhì)量和一致性。這可能非常耗時，尤其是從多個不同的源中提取數(shù)據(jù)時，但如果在早期徹底完成，則可以避免大量代價高昂的返工。

3.花費時間進(jìn)行變革管理和培訓(xùn)，了解如何最好地解釋結(jié)果

雖然在技術(shù)上直接調(diào)用人工智能API來傳遞新的數(shù)據(jù)集并獲得分?jǐn)?shù)，但更難以進(jìn)行變更管理和培訓(xùn)，以使業(yè)務(wù)分析師能夠最好地解釋這些分?jǐn)?shù)，并將新流程納入其日常工作中。

雖然某些形式的人工智能可能會產(chǎn)生自動決策，例如基于信用記錄的新貸款的“是”或“否”決策，但機器學(xué)習(xí)算法通常也會提供更微妙的響應(yīng)。這種反應(yīng)可能需要與現(xiàn)有的人工流程結(jié)合使用，才能最好地決定貸款。作為示例，人工智能“得分”可以是從“A”到“D”和“F”的等級?！癆”和“F”可以是明確的“是”或“否”決定，可以完全自動化以進(jìn)行實時決策，但是“B”到“D”等級仍然可能需要循環(huán)中的承保人。

與組織花費時間培訓(xùn)分析師使用新的財務(wù)模型，以及如何最好地解釋模型的結(jié)果一樣，基于人工智能的結(jié)果也是如此。業(yè)務(wù)分析師可能需要花費數(shù)周甚至一個月的時間來觀察機器學(xué)習(xí)算法返回的結(jié)果，因此他們在如何最好地解釋分?jǐn)?shù)方面有一個基線。如果組織與人工智能供應(yīng)商合作，該供應(yīng)商可以提供有關(guān)如何解釋結(jié)果以及如何培訓(xùn)員工，以充分利用新系統(tǒng)的指導(dǎo)。

行業(yè)專家表示，理解人工智能并不是至關(guān)重要的。這只是一個識別過去行為模式的過程，可以更準(zhǔn)確地預(yù)測未來。只有在企業(yè)有明確定義的問題和易于理解的成功指標(biāo)的情況下，它才能成功。例如，“我們需要減少以損失率衡量的貸款違約”或“我們需要提高當(dāng)前的轉(zhuǎn)換率”等等。如果不完全理解該問題，也就不會理解其解決方案。

4.采取假設(shè)和測試方法，而不是成功或失敗

由于每個人工智能實現(xiàn)都是獨一無二的，因此重要的是以“假設(shè)和測試”思維模式進(jìn)入每個項目，而不是將項目視為完全成功或失敗。通過在每個步驟中做出假設(shè)，并將每個步驟的學(xué)習(xí)內(nèi)容納入下一次迭代，組織可以快速優(yōu)化人工智能部署，直到它成為可以提供有意義結(jié)果的可行解決方案。

雖然假設(shè)和測試方法將延長項目部署時間，但好處是組織不斷微調(diào)解決方案以結(jié)合實際經(jīng)驗教訓(xùn)，與客戶和員工要求保持一致，并不斷轉(zhuǎn)向最引人注目的業(yè)務(wù)將使組織的解決方案可持續(xù)。

5.將所有形式的自動化整合并集成到組織的未來愿景中

當(dāng)組織現(xiàn)在開始進(jìn)行初始人工智能試驗、概念驗證或MVP時，請記住，組織在企業(yè)范圍內(nèi)的人工智能的未來愿景可能是從完全人工流程一直到多種類型的自動化的融合，那些采用機器人過程自動化(RPA)來實施更復(fù)雜的人工智能。通常情況下，從頭開始重新創(chuàng)建業(yè)務(wù)流程，然后在每個新步驟中應(yīng)用最佳工具。簡單地將機器人過程自動化(RPA)或人工智能插入到未改變的現(xiàn)有業(yè)務(wù)流程中可能會錯過可能的發(fā)展。

另一個重要因素是每個工具之間發(fā)生的切換。這可能是人對機器或機器對機器。通過優(yōu)化切換并使其快速、無縫和可靠，組織可以進(jìn)一步增強未來的業(yè)務(wù)流程，使其具有成本效益和競爭力，就像組織的業(yè)務(wù)目標(biāo)和市場要求一樣。

好消息是，人工智能實施可以快速跟蹤。這將促進(jìn)做出正確的選擇，例如構(gòu)建與購買，組織專注于數(shù)據(jù)質(zhì)量(以及客戶)，在變更管理上花費足夠的時間并盡早參與業(yè)務(wù)，采取“假設(shè)和測試”方法，并最終將多種自動化技術(shù)結(jié)合到組織的未來愿景中。

如果組織實施人工智能項目需要相當(dāng)長的時間，需要耐心等待，并堅持到底。組織也可以利用一些建議來幫助快速完成競賽。當(dāng)然，就像數(shù)字化轉(zhuǎn)型一樣，這場競賽永遠(yuǎn)不會結(jié)束。