AI和ML將成為企業(yè)成功的寶貴資產(chǎn)。通過實施AI，企業(yè)可以將人工篩選數(shù)據(jù)的過程實現(xiàn)自動化，以實現(xiàn)更智能、更快速的業(yè)務(wù)決策。然而，自動化和AI并沒有消除人類的責任。

1、沒有識別正確的用例

到目前為止，許多企業(yè)都意識到了AI的好處。事實上，如果企業(yè)的業(yè)務(wù)沒有實現(xiàn)自動化，可能會落后于競爭對手。根據(jù)普華永道公司的一項研究，86%的受訪者預(yù)計AI將成為他們公司的“主流技術(shù)”。

盡管AI的使用激增，但貿(mào)然嘗試為企業(yè)實施AI是不明智的。將AI應(yīng)用于正確的用例以獲得最佳結(jié)果非常重要。與其問“可以將AI應(yīng)用于這種情況嗎?”，不如問“是否將正確的AI應(yīng)用于正確的情況?”。某些業(yè)務(wù)流程的AI實施最終必須在企業(yè)的時間和資源上是值得的。如果AI與業(yè)務(wù)目標不一致，那么就會浪費企業(yè)的時間和資源。

2、沒有招聘到合適的人才

科技行業(yè)的招聘格局正在發(fā)生變化。根據(jù)CodingGame公司最近進行的一項調(diào)查，將近50%的招聘人員表示他們正在努力填補空缺職位。技術(shù)領(lǐng)域的招聘變得越來越困難，尤其是在AI領(lǐng)域。

招聘AI專業(yè)人員就像組建一支足球隊，不能全由前鋒或后衛(wèi)組成。如果用AI的術(shù)語來說，不要只雇傭通才數(shù)據(jù)科學(xué)家，要關(guān)注應(yīng)聘者的專業(yè)技能和經(jīng)驗與企業(yè)的業(yè)務(wù)需求相匹配。例如，在建模方面具有深厚的專業(yè)知識對于深入研究和解決方案開發(fā)至關(guān)重要，數(shù)據(jù)工程技能對于執(zhí)行解決方案至關(guān)重要。

3、沒有提供適當?shù)臄?shù)據(jù)維護

每個與AI相關(guān)的業(yè)務(wù)目標都始于數(shù)據(jù)——數(shù)據(jù)是使AI引擎運行的燃料。企業(yè)犯下的最大錯誤之一就是沒有保護和利用他們的數(shù)據(jù)。這始于對數(shù)據(jù)完全由IT部門負責的誤解。在數(shù)據(jù)被捕獲并輸入AI系統(tǒng)之前，業(yè)務(wù)主題專家和數(shù)據(jù)科學(xué)家應(yīng)該參與進來，并且企業(yè)高管應(yīng)該提供監(jiān)督，以確保正確捕獲和維護正確的數(shù)據(jù)。對于非IT人員來說，重要的是要意識到，他們不僅可以從良好的數(shù)據(jù)中獲益，從而產(chǎn)生高質(zhì)量的AI建議，而且他們的專業(yè)知識是AI系統(tǒng)的關(guān)鍵輸入。確保所有團隊都有共同的責任感來管理、審查和維護數(shù)據(jù)。

數(shù)據(jù)管理程序也是數(shù)據(jù)護理的關(guān)鍵組成部分。數(shù)據(jù)管理和治理流程需要不斷發(fā)展，以處理不斷增加的數(shù)據(jù)量、速度和種類，同時確保符合政府法規(guī)和企業(yè)規(guī)定。這包括數(shù)據(jù)收集、數(shù)據(jù)存儲以及問責制和定期評估協(xié)議。

4、沒有保持AI的有效性

AI需要干預(yù)才能隨著時間的推移將其維持為一種有效的解決方案。例如，如果AI出現(xiàn)故障或業(yè)務(wù)目標發(fā)生變化，AI流程就需要改變。不采取任何行動或不實施充分的干預(yù)可能會導(dǎo)致AI系統(tǒng)阻礙或違背業(yè)務(wù)目標。

以AI定價系統(tǒng)為例。如果AI系統(tǒng)不能適應(yīng)市場變化，AI的有效性就會降低。換句話說，隨著源數(shù)據(jù)性質(zhì)的變化，AI系統(tǒng)必須適應(yīng)當前市場的發(fā)展。

衡量AI有效性的一種方法是通過銷售團隊的表現(xiàn)。有效的銷售團隊希望遵守有助于他們實現(xiàn)目標的定價建議，因此應(yīng)該通過他們采用推動價值的AI的程度來衡量他們的績效。與定價相關(guān)的常見關(guān)鍵績效指標包括利潤率和收入。跟蹤關(guān)鍵績效指標還有助于闡明哪些銷售團隊或團隊成員正在采用AI。如果這些建議不能促進關(guān)鍵績效指標的實現(xiàn)，那么可能是進行干預(yù)的時候了。

干預(yù)應(yīng)該通過高度自動化的流程實現(xiàn)可擴展性和可重復(fù)性，以最大程度地減少AI用戶的負擔。干預(yù)應(yīng)包括兩個組成部分：審查AI系統(tǒng)的輸入并確保其輸出符合預(yù)期。這些做法中的每一個都應(yīng)該在定期進行。不要等到AI出現(xiàn)故障才進行干預(yù)，而到那時企業(yè)的利潤可能已經(jīng)受到影響。

5、沒有考慮可用數(shù)據(jù)中的潛在偏差

與人類一樣，AI及其衍生輸出在暴露于有限或不具代表性的數(shù)據(jù)集時可能會出現(xiàn)偏差。AI模型和描述性分析都是如此。偏見的存在和隨后的考慮通常與AI背后的意圖無關(guān)。因此，當這些偏見的后果產(chǎn)生時，責任往往在于AI的把關(guān)者，而不是AI系統(tǒng)本身。

如上所述，數(shù)據(jù)和干預(yù)是成功使用AI的重要組成部分。當AI中發(fā)現(xiàn)偏見時尤其如此。然而，預(yù)防問題總比解決問題好。如果可能的話，需要避免數(shù)據(jù)在無意中對種族、性別、階級等產(chǎn)生偏見。例如，直接基于消費者地理位置和收入的建?？赡軙a(chǎn)生有偏見的輸出。

為了防止偏見或糾正偏見，可解釋的AI可能是一個很好的解決方案?？山忉尩腁I方法可以識別推動AI模型預(yù)測或建議的關(guān)鍵因素，并使干預(yù)過程變得更加容易。一旦可解釋的AI方法表明AI如何產(chǎn)生有偏見的輸出，干預(yù)必須迅速、可重復(fù)和可擴展，以避免對企業(yè)的業(yè)務(wù)和消費者造成進一步的負面影響。

獲得AI的幫助

正確使用AI對企業(yè)來說是不可或缺的資產(chǎn)。從增加投資回報到實現(xiàn)業(yè)務(wù)目標，再到讓客戶滿意，其影響可能是巨大的。有意使用AI并制定指導(dǎo)方針以避免常見錯誤，將使AI實現(xiàn)增長和業(yè)務(wù)成功同步進行。