我們可以通過光環而不是投資回報率來判斷人工智能嗎？
已發表: 2020-08-16現在企業比以往任何時候都更需要信任人工智能解決方案
道德含義可能被認為是有問題的，但這是必要的邪惡
任何 AI 項目的研發通常成本高昂
Covid-19 大流行使 AI 的投資回報率變得多餘。 人工智能在全球範圍內的採用打破了人工智能需要對基礎設施、流程變更和人力進行大量投資的神話。 可見，人工智能驅動的解決方案已成為企業生死存亡的決定性因素。 企業已重新調整其優先事項以度過大流行。 幾家初創公司迅速採取行動，創建了人工智能驅動的解決方案，幫助了各個領域。
例如，在製造業，為了實現社交距離，只允許 50-75% 的員工來工廠。 這些員工需要遵守社交距離規則並戴上口罩。 保持裝配線運轉，同時確保員工的健康安全，是企業正在處理的一項額外責任。
如果在員工中發現多個陽性病例，製造場所會被密封的擔憂也越來越突出。 即使有閉路電視監控，也無法始終監控社會距離和口罩合規性。 工作場所中人為錯誤和隨後的責備遊戲的可能性只會增加先前存在的壓力。
現在企業比以往任何時候都更需要信任人工智能解決方案。 例如，計算機視覺是一種人工智能解決方案，可以分析實時閉路電視攝像頭饋送並實時發出警報。 它可以插入現有的閉路電視基礎設施，並幫助雇主實時監控口罩以及社交距離違規行為。 與人類不同，技術是二元的。 如果一個人沒有戴口罩，無論是 CEO 還是實習生，系統都會發出警報。
這有助於保持製造場所的安全，因為它可以減少病毒的傳播並提高勞動力的士氣。 企業可以選擇在其網站上顯示口罩或社交距離合規性的百分比，或在輪班結束時通過數據分析向員工發送消息。 計算機視覺解決方案使管理食堂等場所的人群變得容易，並創建輪班以確保最大的生產力。 人工智能還可以幫助企業維持生計，為工作創造安全的場所，還有助於提高員工的士氣。
你能衡量的，你就能管理。 從 B2B 的角度來看，投資人工智能的行業出現的事實和數據，特別是在有形投資回報率方面，清楚地表明了一種趨勢。 對於許多行業來說，這個投資回報率是主觀的。 例如，HSE 解決方案使用有助於預防事故、殘疾和死亡的人工智能。 生命得以挽救，因為基於 AI 的解決方案正在監控叉車路徑並在行人擋路時發出實時警報。
識別險情、監控 PPE、防火和熱合規性只是 AI 能夠通過防止事故提供高度準確性的一些方面。 有形的部分不同於可操作的見解，通過簡單地識別零售中人們的習慣模式，從而為產品公司帶來強大的銷售渠道，進而增強購物體驗。 大流行導致在線購物空前激增，為公司提供了分析購物者選擇的數據。 在這種情況下，人工智能的使用將導致更準確的人員分析和有針對性的廣告。
倫理上的影響可能被認為是有問題的，但它是必要的邪惡。 數字足跡一直存在，人工智能識別使用它來理解模式並提供人類對應物不可見的洞察力。 人工智能已經激發了醫療保健、零售、教育、供應鍊和製造等行業的各個方面。 無論是流程效率、安全性、浪費、市場預測還是資源規劃，人工智能在所有這些功能中都有強大的基礎。
雖然 2020 年採用 AI 的企業的實際投資回報率統計數據尚未出現，但 Gartner 2019 年的一項調查給出了真實的畫面。 大約 37% 的組織在 89 個國家/地區以某種形式實施了人工智能。 這相當於大約。 在過去四年中增長了 270%。 預計到 2021 年，80% 的新興技術將具有某種形式的 AI 基礎。
AI Stats News 的一份報告強調了這些挑戰。 它聲稱大約 65% 的公司沒有從他們的人工智能投資中看到業務收益。 人們還認識到，該領域的研發尚未充分發揮其潛力。 這種差異可歸因於人工智能部署過程的不同階段的許多因素，以及嚴重的人才短缺和時間管理問題。
為你推薦：
RBI 的賬戶聚合器框架將如何改變印度的金融科技
企業家無法通過“Jugaad”創建可持續、可擴展的初創公司：Cit...
元界將如何改變印度汽車業
反暴利條款對印度初創企業意味著什麼？
教育科技初創公司如何幫助印度的勞動力提高技能並為未來做好準備……
本週新時代科技股：Zomato 的麻煩仍在繼續，EaseMyTrip 發布強...
投資回報率競賽
人工智能的緊急採用肯定會帶來一些麻煩，例如忽略保護員工隱私等重要參數。 但是，企業不應將人工智能視為一個單一的、同質的實體。 確定正確的實施對於為全球商業生態系統中的每一項新時代技術實現切實的投資回報率至關重要。 每個行業和組織都是不同的，關鍵是確定適合他們要求的合適人選。
任何 AI 項目的研發通常都需要大量成本。 訓練人工智能算法需要大量數據。 這些組織面臨的一個主要障礙是沒有正確的數據集來訓練他們的人工智能。 不正確的標籤或缺失值最終會導致結果出現差異。
根據麻省理工學院斯隆管理評論和 BCG 調查，在人工智能領域進行“重大投資”的組織中，約有 40% 的組織並未報告人工智能帶來的業務收益。 了解人工智能能做什麼和不能做什麼至關重要。 使用基於 NLP 的聊天機器人仍然難以提供類似人類的個性化體驗，因為 AI 無法模仿人類的情感和同理心。 透明度至關重要； 如果人們知道他們正在與聊天機器人交談，他們就不會期望它具有人類情感，並且會在他們的談話中更加真實。
許多銀行已經開始了一種混合聊天體驗的形式，其中聊天機器人首先接收姓名、面臨的問題和其他細節等細節，然後再讓一個人進行對話。 這有助於節省組織的時間和金錢，因為沒有。 的員工減少。 越多的數據滲透到系統中，NLP 機器人就越能處理更複雜的問題。
從長遠來看，對人工智能抱有現實期望的商業領袖會更好。 幫助他們更好地理解和利用人工智能的基本協議是：
- 組織必須參與戰略數據採集
- 對統一數據倉庫的需求
- 普遍自動化
- 對該領域新角色的接受和認識，例如數據科學家、數據分析師、ML 工程師
- 基於新角色專業知識的勞動分工
成功部署人工智能的三個支柱
像 Andrew Ng 這樣的領域專家堅持認為，在任何組織中成功部署 AI 的三大智能支柱是業務、技術和道德勤勉。 具有直覺和經驗的銷售和營銷團隊在做出業務決策時應該同等重視數據驅動的分析。 道德，在數據隱私、保密和教育最終用戶方面為任何人工智能驅動的組織奠定了基礎。
當以合乎道德的方式使用時，人工智能有可能使世界民主化。 建立領域知識重疊的跨職能團隊非常重要。 這有助於專家在整體視角的基礎上更好地制定戰略。 它是一項長期資產，可幫助組織以更加數據驅動的方式規劃 KPI 並確定其優先級。
為了建立強大的吸引力和有效的投資回報率，在公司運營中採用人工智能時，組織必須設定務實的目標。 人工智能是一個新興領域，目前很明顯，由於對人工智能的使用缺乏了解，許多組織不知道如何正確利用它。 組織需要採用這些小而有效的協議才能獲得成功。 這些是：
- 優先考慮人工智能試點項目
- 建立內部 AI 團隊
- 為組織中的跨職能團隊提供基本的 AI 培訓
- 開展內部和外部溝通：讓利益相關者了解貴公司如何在運營中整合人工智能並製定戰略。
圍繞人工智能投資存在常見的誤解。 據稱，人工智能需要在基礎設施、流程變革和人力方面進行大量投資。 同樣，人們經常聽說組織通常要在幾年之後才能看到投資回報率。 這與事實相去甚遠。 現代 AI 引擎可以使用 NVIDIA 的 GPU 等加速器在本地運行，以訪問現場數據。
這可能是來自閉路電視錄像的視覺數據、來自機器及其控制器的操作數據。 現代 AI 引擎也快速、靈活且極其輕巧。 圍繞 30 FPS 的 8 個攝像頭流上的跟踪、檢測和分類的複雜 AI 管道可以在成本低於 100 美元的邊緣設備上運行，並且可以在幾週內部署。
對於組織來說，定義和構建適合其需求的管道變得越來越簡單。 人工智能提供的洞察力使組織能夠削減成本、確保安全並提高質量，所有這些都可以帶來切實的投資回報。
結論
世界各地的經濟都在衰退，衰退的陰雲正隱約可見。 人工智能在這些黑暗時期提供了一線希望。 大流行在全球範圍內創造了強大的人工智能生態系統。 它幫助了物流、供應鏈分銷和銷售，使組織能夠在鎖定後儘可能接近最佳狀態。 企業已經開始運作，並挽救了幾條生命。 對於適合組織的人工智能係統投資的每一盧比，它幫助節省了更多。
隨著時間的推移，真正的統計數據將會出現。 新世界還需要不同的參數來判斷一切，包括實施人工智能解決方案的投資回報率。 到目前為止，聚光燈照在人工智能上。 儘管少數人期待荊棘，但世界可以清楚地看到一個光環。