如何在您的組織中實施 AI：權威指南

從接聽客戶的電話到弄清楚為什麼您的設備消耗的能源比以前多得多，人工智能可以做很多事情。

但是算法失敗的事情也有很多，這促使人類工作者介入並微調他們的表現。

如何實施人工智能並開始從中受益——始終如一地、大規模地、以足夠快的速度贏得高管對未來項目的支持？

問題是，大多數公司仍然缺乏合適的經驗、人員和技術堆棧來釋放人工智能的全部潛力，而無需經驗豐富的人工智能顧問。

根據德勤 2020 年的調查，數字化成熟的企業在人工智能項目推出後僅 1.2 年就看到 4.3% 的投資回報率。 同時，人工智能落後者的投資回報率很少超過 0.2%，平均投資回收期為 1.6 年。

德勤還發現，公司從人工智能投資的第一天就看到了切實而快速的回報，為人工智能計劃奠定了正確的基礎。

普華永道對此表示贊同，聲稱人工智能領導者對人工智能開發和實施採取整體方法，並同時處理三個業務成果——即業務轉型、系統現代化和增強決策制定。

那麼，如何在您的組織中使用 AI 並加入人工智能領導者的行列呢？

為了回答這個問題，我們進行了廣泛的研究，與 ITRex 專家交談，並檢查了我們投資組合中的項目。 這是我們學到的。

如何在業務中實施人工智能：智能轉型企業的 5 步指南

免責聲明：創新本身不會對您的公司有任何好處。

有時，機器人流程自動化 (RPA) 等更簡單的技術可以處理與 AI 算法相當的任務，並且無需使事情過於復雜。

在其他情況下（想想基於人工智能的醫學成像解決方案），機器學習模型可能沒有足夠的數據來高精度地識別 CT 掃描中的惡性腫瘤。

有時，需要多層神經網絡和數月的無人值守算法訓練才能將數據中心冷卻成本降低 20%。

人工智能不是某種靈丹妙藥的解決方案，它會神奇地提高員工的生產力並提高你的底線。 然而，它具有改變您業務的巨大潛力。

事不宜遲，這是您實施 AI 的指南

第 1 步：熟悉 AI 的能力和局限性

公司可以將人工智能集成到各種任務中，從挖掘社交數據以提供更好的客戶服務到檢測供應鏈中的低效率。

在更廣泛的範圍內，人工智能在商業中的使用分為：

• 調度
• 預測（以及“if-else”分析）
• 流程增強和自動化
• 資源管理和分配
• 報告
• 網絡安全管理

隨著人工智能在硬件設計和雲計算的巨大進步的推動下不斷發展，這份清單並不詳盡。

促進或接管獨立任務和整個流程的算法在數據來源、處理和解釋能力方面有所不同——這就是您在製定 AI 採用策略時需要牢記的內容。

讓我們以監督機器學習為例。 AI 工程師可以訓練算法來檢測 Instagram 帖子中的貓，方法是向它們提供我們貓科動物朋友的註釋圖像。 當面對不熟悉的物體時，這些算法嚴重不足。

但是，如果我們將標記數據從 ML 模型訓練過程中取出，我們將獲得能夠處理大量信息的無監督機器學習算法——再次，讓我們以貓挑選為例——直到有意義的見解。 不過，無監督 ML 模型仍然需要一些初始訓練。 例如，我們可以告訴算法一個特定的數據庫只包含貓和狗的圖像，然後讓人工智能來做數學運算。

還有強化學習——一種涉及讓算法在野外鬆散的技術，以便他們可以提出業務問題的解決方案並從自己的錯誤中學習。 這種類型的人工智能可以幫助總結長文本或預測股市趨勢。

最後，還有深度神經網絡通過針對各種參數分析標記和未標記數據來進行智能預測。 深度學習已進入現代自然語言處理 (NLP) 和計算機視覺 (CV) 解決方案，例如語音助手和具有面部識別功能的軟件。

無論人工智能解決方案的預測有多準確，在某些情況下，都必須有人類專家監督人工智能的實施過程，並將算法推向正確的方向。

例如，人工智能可以通過識別與 COVID 相關的肺炎患者來為肺科醫生節省大量時間，但最終是人類醫生審查掃描結果以確認或排除診斷。

如果沒有有效的監控，有幾個領域實施 AI 毫無意義：

• 生成創意內容，例如意見文章和轉換優化的副本
• 編碼複雜的軟件系統（順便說一句，像 GitHub Copilot 和 Tabnine 這樣的工具確實可以預測和建議編輯器中的代碼行，但我們不建議使用它們，除非是高級軟件工程師使用它們）
• 獨立做出判斷和道德決定
• 為現實世界的問題提供創新的、開箱即用的解決方案

如果您的內部 IT 團隊難以獨自駕馭動態的人工智能環境，您可以尋求提供技術諮詢服務的外部公司的幫助。

第 2 步：定義您的 AI 實施目標

要開始在業務中使用 AI，請確定您希望通過人工智能解決的問題，將您的計劃與切實成果聯繫起來。

為此，您需要與可以從實施 AI 中受益的組織單位舉行會議。 貴公司的 C-Suite 應該是這些討論的一部分和驅動力。

此外，審核您的流程和數據，以及影響您組織的外部和內部因素。 有很多技術和框架可以支持您的決策。 其中包括 TEMPLES 微觀和宏觀環境分析、用於評估您的關鍵資產的 VRIO 框架以及總結您公司優勢和劣勢的 SWOT。 另一個評估人工智能採用的驅動因素和障礙的好工具是 Kurt Lewin 的力場分析。 此列表並不詳盡； 儘管如此，它仍可能是您的 AI 實施之旅的起點。

評估在您的組織中實施 AI 的利弊的一種方法是執行力場分析。 這樣做時，為每個影響因素分配分數。 如果您的綜合得分是積極的，那麼採用人工智能的好處超過了潛在的挑戰。

專家認為，您應該根據近期的可見性以及它們可能為您的公司帶來的財務價值來優先考慮 AI 用例。 這就是為什麼您需要特定的目標和方法來衡量它們。

回到人工智能投資回報的問題，區分硬投資回報率和軟投資回報率是關鍵。

以下是貴公司通過實施人工智能可以實現的硬投資回報率：

• 繁重任務的自動化推動了時間節省
• 人工智能輔助決策帶來的生產力提升
• 由於自動化和員工生產力的提高，勞動力和運營成本降低
• 由於客戶群的增長和所提供服務的更高價值，收入增加

軟 ROI 人工智能的採用可以提供以下跨度：

• 個性化的客戶體驗，積極影響客戶滿意度和忠誠度
• 技能保留，圍繞不斷研究和驗證新的人工智能實施概念，並有助於內部人工智能技能的發展
• 組織和數字敏捷性，使您的員工能夠改造技術系統和整個工作流程，以應對新的挑戰和機遇

實施 AI 試點的所有目標都應該是具體的、可衡量的、可實現的、相關的和有時限的 (SMART)。 例如，您的公司可能希望將保險理賠處理時間從 20 秒減少到 3 秒，同時到 2023 年第一季度將理賠管理成本降低 30%。

要設定切合實際的目標，您可以利用多種技術，包括市場研究、與競爭對手進行基準測試以及諮詢外部數據科學和機器學習專家。

第 3 步：評估您的 AI 準備情況

人工智能就緒術語是指組織實施人工智能和利用技術實現業務成果的能力（見步驟 2）。

一旦您確定了可以從 AI 中受益的業務方面，就該評估執行 AI 實施計劃所需的工具了。

根據 ITRex 首席執行官兼聯合創始人 Vitali Likhadzed 的說法，您的 AI 實施策略將依賴於五個關鍵構建塊：

人工智能開發人才。 您是否有內部 IT 專家和主題專家 (SME) 知道如何在上一步指定的時間範圍內在技術和業務方面實施 AI？ 如果沒有，您是否有預算將 AI 開發外包給第三方或購買和部署 SaaS 解決方案？ 但是，使用後一種選擇，您仍然需要聘請 AI 開發人員來配置和定制軟件。

軟件開發、採購和維護成本。 根據您的業務目標，您可以選擇基於 SaaS 的人工智能工具或採用自定義軟件工程路線。 這兩種方法都有其優點和缺點，例如在較長的 AI 實施週期和有限的定制選項之間進行權衡。 人工智能係統的總擁有成本 (TCO)，無論是定制的還是基於 SaaS 的，還包括供應商和維護費用，以及設置和運營雲基礎設施的價格（稍後會詳細介紹）。 例如，基於 SaaS 的數據分析平台的成本可能在每年 10,000 美元到 25,000 美元之間，而許可成本僅佔最終估算的一小部分。

數據。 人工智能算法的好壞取決於你提供給它們的數據。 圖像、視頻、音頻文件、PDF 文檔、傳感器讀數和其他難以解釋和修改的數據（即非結構化數據）占公司 IT 基礎設施中存儲的所有信息的 90%。 定位、聚合併為算法訓練做好準備是創建準確、高性能的 AI 解決方案的重要一步。

計算和存儲資源。 Microsoft Azure、Amazon Web Services、Google Cloud 和其他著名的雲計算供應商提供了在雲中訓練、部署和運行機器學習模型的資源。 您的數據也將存在於雲中——在組織整齊的數據倉庫、數據湖或稱為數據湖庫的混合數據存儲解決方案中。 因此，利用雲計算服務是實施人工智能的關鍵。 你應該正確配置你的雲基礎設施——否則，實施人工智能的成本可能會超過你的潛在收入。

員工培訓。 即使您與經驗豐富的 AI 開發人員合作，您仍然需要對員工進行新技術教育，以便他們能夠有效地完成工作——無論是現在還是將來，當您接近企業範圍內的 AI 採用時。

根據英特爾的分類，擁有所有五個 AI 構建塊的公司都已達到基礎和可操作的人工智能就緒狀態。 這些企業可以繼續執行 AI 實施計劃——如果他們擁有強大的數據治理和網絡安全戰略，並遵循 DevOps 和敏捷交付最佳實踐，他們更有可能取得成功。

如果您的組織不符合這些標準，您可以與數字化轉型服務公司合作升級您的 IT 基礎架構並考慮 AI 實施選項。

第 4 步：開始將 AI 集成到選定的流程中，同時規劃規模

在 ITRex，我們遵循“從小處著手、快速部署並從錯誤中吸取教訓”的原則。 我們建議我們的客戶遵循同樣的原則——尤其是在商業中實施人工智能時。

Gartner 報告說，只有 53% 的 AI 項目從原型到生產。 造成這種情況的一個原因可能是公司未能在現實生活中的無菌測試環境中復制他們使用 POC 所取得的結果，人工智能算法會消耗來自多個來源的數據並增強不同的流程。

採用 AI 的一種務實方法是在您的腦海中擁有更大的圖景，而不是專注於選定用例的孤立概念證明 (POC)，即使與雄心勃勃相比，後者可能看起來很容易實現登月倡議。

通過儘早為您的公司範圍內的 AI 採用戰略制定藍圖，您還將避免 75% 的 AI 先驅者的命運，他們可能會在 2025 年之前倒閉，不知道如何大規模實施 AI。

此外，人工智能 POC 的合理時間表不應超過三個月。 如果您沒有在此框架內實現預期結果，則停止它並轉移到其他使用場景可能是有意義的。

第 5 步：實現卓越的 AI

在啟動試點、監控算法性能並收集初始反饋後，您可以利用您的知識在公司的流程和 IT 基礎設施中逐層集成 AI。

為此，您需要設置：

• 強大的數據治理框架，確保整個公司的數據管理安全高效
• 用於收集、存儲和組織算法訓練信息的集成數據生態系統
• 一個 AI 卓越中心，您的內部團隊將與第三方專家攜手合作，學習新技能，不斷提高 AI 性能並測試新概念
• 促進敏捷決策和持續業務流程重新設計的基礎：隨著人工智能將增強或自動化組織內的更多流程，您需要驗證人和機器是否可以增強和互補彼此的工作

實施 AI 的漸進式方法可以幫助您更快地實現投資回報，獲得 C-Suite 的支持，並鼓勵其他部門嘗試新技術。

了解人工智能是利用這項技術促進公司發展和繁榮的第一步。

為了幫助您入門，我們編寫了人工智能業務指南（在此處下載）——這本電子書涵蓋了您可能對這項技術提出的所有問題，從其類型和應用到企業範圍內人工智能採用的實用技巧。

最初於 2022 年 9 月 1 日在 https://itrexgroup.com 上發布。