現(xiàn)如今，企業(yè)組織比以往任何時候都更加信任和投資人工智能(AI) 和機(jī)器學(xué)習(xí) (ML) 的潛力。

根據(jù)2022 年 IBM 全球人工智能采用指數(shù)，35% 的企業(yè)報告稱目前在其業(yè)務(wù)中使用人工智能，另有 42% 的公司表示他們正在探索人工智能。與此同時，麥肯錫的一項調(diào)查發(fā)現(xiàn)，56% 的受訪者表示，他們在 2021 年至少在一項職能中采用了人工智能，高于 2020 年的 50%。

但是，對人工智能的投資能帶來直接影響企業(yè)底線的真實ROI嗎?

根據(jù) Domino Data Lab 最近的 REVElate 調(diào)查，該調(diào)查對 5 月份紐約市 Rev3 會議的與會者進(jìn)行了調(diào)查，許多受訪者似乎都這么認(rèn)為。事實上，近一半的人預(yù)計數(shù)據(jù)科學(xué)會帶來兩位數(shù)的增長。近五分之四的受訪者 (79%) 表示，數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和人工智能對其公司未來的整體增長至關(guān)重要，36% 的受訪者稱其為最關(guān)鍵的因素。

當(dāng)然，實施人工智能并非易事。其他調(diào)查數(shù)據(jù)顯示了堅定信心的另一面。例如，人工智能工程公司 CognitiveScale最近的調(diào)查數(shù)據(jù)發(fā)現(xiàn)，盡管高管們知道，數(shù)據(jù)質(zhì)量和部署是推動數(shù)字化轉(zhuǎn)型的成功應(yīng)用開發(fā)的關(guān)鍵成功因素，但超過76%的高管不確定如何在12-18個月的時間內(nèi)實現(xiàn)目標(biāo)。此外，32%的高管表示，人工智能系統(tǒng)投入生產(chǎn)所花的時間比預(yù)期要長。

人工智能必須負(fù)責(zé)

Cognitive Scale的首席執(zhí)行官鮑勃·皮恰諾告訴媒體，人工智能帶來的ROI是可能的，但必須根據(jù)業(yè)務(wù)目標(biāo)對其進(jìn)行準(zhǔn)確描述和個性化。

他說:“如果業(yè)務(wù)目標(biāo)是利用歷史數(shù)據(jù)進(jìn)行更長期的預(yù)測，并提高預(yù)測精度，那么人工智能就可以發(fā)揮作用。”“但人工智能必須負(fù)責(zé)任地推動業(yè)務(wù)效率——ML模型的準(zhǔn)確率達(dá)98%是不夠的。”

相反，投資回報率可能是，例如，為了提高呼叫中心的效率，人工智能驅(qū)動的功能可確保減少平均呼叫處理時間。

“這種投資回報率是他們在最高管理層談?wù)摰膬?nèi)容，”他解釋道。“他們不會談?wù)撃Ｐ褪欠駵?zhǔn)確、穩(wěn)健或漂移。”

Cognitive Scale 的聯(lián)合創(chuàng)始人兼首席運營官 Shay Sabhikhi 補(bǔ)充說，76%的受訪者表示難以擴(kuò)大他們在人工智能方面的投入，他對此并不感到驚訝。“這正是我們從企業(yè)客戶那里聽到的，”他說。他解釋說，其中一個問題是數(shù)據(jù)科學(xué)團(tuán)隊和其他不知道如何處理他們開發(fā)的模型的組織之間的摩擦。

他說:“這些模型可能有最好的算法和精確召回率，但卻被束之高閣，因為它們實際上被扔給了開發(fā)團(tuán)隊，然后他們不得不匆忙地把應(yīng)用組裝起來。”

然而，在這一點上，組織必須對他們在人工智能方面的投資負(fù)責(zé)，因為人工智能不再是一系列科學(xué)實驗，Picciano 指出。“我們稱之為從實驗室走向生活，”他說。“我參加了一個首席數(shù)據(jù)分析官會議， 他們都在問，我該如何擴(kuò)大規(guī)模?如何實現(xiàn)人工智能產(chǎn)業(yè)化?”

投資回報率是人工智能的正確指標(biāo)嗎?

然而，并不是所有人都同意ROI是衡量AI是否在組織中驅(qū)動價值的最佳方法。安永(EY)全球首席技術(shù)官尼古拉•莫里尼•比安齊諾(Nicola Morini Bianzino)表示，用“用例”來衡量人工智能和企業(yè)，然后通過ROI來衡量，這是對待人工智能的錯誤方式。

“對我來說，人工智能是一套技術(shù)，幾乎可以在企業(yè)的任何地方部署——不會將用例與相關(guān)的 ROI 分析隔離開來，”他說。

相反，他解釋說，組織機(jī)構(gòu)只需要在任何地方使用人工智能。“這幾乎就像云計算一樣，兩三年前，我與客戶進(jìn)行了很多對話，他們問，‘ROI是什么?我遷移到云計算的商業(yè)案例是什么?現(xiàn)在，大流行之后，這種對話不再發(fā)生了。每個人都說，‘我必須這么做。’”

此外，Bianzino指出，討論AI和ROI取決于你所說的“使用AI”。

他說:“假設(shè)你試圖應(yīng)用一些自動駕駛能力——也就是說，計算機(jī)視覺是人工智能的一個分支。”“這是一個商業(yè)案例嗎?不，因為沒有人工智能就無法實現(xiàn)自動駕駛。”安永(EY)這樣的公司也是如此，它吸收大量數(shù)據(jù)并向客戶提供建議——這離不開人工智能。他說:“這是你無法從過程中分離出來的東西——它是內(nèi)在的。”

此外，根據(jù)定義，人工智能在第一天就沒有生產(chǎn)力或效率。獲取數(shù)據(jù)、訓(xùn)練模型、發(fā)展模型和擴(kuò)大模型都需要時間。他說:“并不是有一天你可以說，我完成了人工智能，100%的價值就在那里——不，這是一種持續(xù)的能力，隨著時間的推移會變得更好。”“就能夠產(chǎn)生的價值而言，并沒有真正的終點。”

Bianzino說，在某種程度上，人工智能正在成為商業(yè)成本的一部分。“如果你從事的是一個涉及數(shù)據(jù)分析的行業(yè)，你不可能不具備人工智能能力，”他解釋說。“你能把這些模型的商業(yè)案例分離出來嗎?這很難，我認(rèn)為沒有必要。對我來說，這幾乎是運營企業(yè)的基礎(chǔ)設(shè)施成本。”

人工智能的投資回報率難以衡量

企業(yè) MLops 提供商 Domino Data Lab 的數(shù)據(jù)科學(xué)戰(zhàn)略和宣傳負(fù)責(zé)人 Kjell Carlsson 說，歸根結(jié)底，企業(yè)想要的是衡量ROI的商業(yè)影響——它的貢獻(xiàn)有多大。但有一個問題是，這可能與開發(fā)模型所做的工作完全脫節(jié)。

他說:“因此，如果你創(chuàng)造一個模式，將點擊率提高一個百分點，你就等于為企業(yè)增加了數(shù)百萬美元的利潤。”“但你也可以創(chuàng)建一個良好的預(yù)測性維修模型，幫助在需要維修的機(jī)器發(fā)生之前提前發(fā)出警告。”在這種情況下，金錢價值對組織的影響可能完全不同，“即使其中一個可能最終成為一個更困難的問題，”他補(bǔ)充說。

總的來說，組織確實需要一個“平衡計分卡”來跟蹤AI的生產(chǎn)。他說: “因為如果你沒有將任何東西投入生產(chǎn)，那么這可能表明你遇到了問題，”他說。“另一方面，如果你在生產(chǎn)中投入過多，這也可能表明存在問題。”

例如，數(shù)據(jù)科學(xué)團(tuán)隊部署的模型越多，他們需要管理和維護(hù)的模型就越多。“所以你在去年部署了這么多模型，所以你實際上無法承擔(dān)這些其他高價值的模型，”他解釋道。

但衡量 AI 投資回報率的另一個問題是，對于許多數(shù)據(jù)科學(xué)項目來說，結(jié)果并不是一個投入生產(chǎn)的模型。“如果你想對去年的交易進(jìn)行定量的盈虧分析，你可能需要對此進(jìn)行嚴(yán)格的統(tǒng)計調(diào)查，”他說。“但沒有一個模型可以投入生產(chǎn)，你是在利用人工智能來獲得你在這個過程中獲得的見解。”

必須跟蹤數(shù)據(jù)科學(xué)活動

盡管如此，如果不跟蹤數(shù)據(jù)科學(xué)活動，組織就無法衡量人工智能的作用。“目前的一個問題是，真正收集和分析的數(shù)據(jù)科學(xué)活動很少，”Carlsson說。“如果你問人們，他們會說他們真的不知道模型的性能如何，或者他們有多少項目，或者你的數(shù)據(jù)科學(xué)家在上周完成了多少CodeCommits。”

其中一個原因是數(shù)據(jù)科學(xué)家需要使用非常不相關(guān)的工具。“這就是為什么Git作為存儲庫越來越受歡迎的原因之一，它是組織中數(shù)據(jù)科學(xué)家的唯一真實來源，”他解釋說。像Domino Data Lab這樣的MLops工具提供了支持這些不同工具的平臺。他說:“各組織能夠在多大程度上創(chuàng)建這些更加集中化的平臺……這很重要。

人工智能的結(jié)果是人們最關(guān)心的

Wallaroo首席執(zhí)行官兼創(chuàng)始人Vid Jain曾在美林從事近十年的高頻交易業(yè)務(wù)，他表示，在美林，他的職責(zé)是大規(guī)模部署機(jī)器學(xué)習(xí)，并以積極的ROI實現(xiàn)這一目標(biāo)。

真正的挑戰(zhàn)并不是發(fā)展數(shù)據(jù)科學(xué)、清理數(shù)據(jù)或構(gòu)建交易存儲庫(現(xiàn)在稱為數(shù)據(jù)湖)。他說，到目前為止，最大的挑戰(zhàn)是采用這些模型，將它們運作起來，并交付業(yè)務(wù)價值。

他說:“實現(xiàn)投資回報率是非常困難的——90%的人工智能項目都沒有產(chǎn)生投資回報率，或者它們產(chǎn)生的投資回報率不足以讓投資物有所值。”“但這是每個人的首要想法。答案不是一回事。”

他解釋說，一個根本問題是，許多人認(rèn)為，對機(jī)器學(xué)習(xí)進(jìn)行操作與對一種標(biāo)準(zhǔn)應(yīng)用進(jìn)行操作沒有太大區(qū)別。他補(bǔ)充說，這兩者有很大區(qū)別，因為人工智能不是靜態(tài)的。

他說:“這幾乎就像照料一個農(nóng)場，因為數(shù)據(jù)是活的，數(shù)據(jù)會變化，而你還沒有完成。”“這不像你建立了一個推薦算法，然后人們的購買行為就會被及時凍結(jié)。人們改變了他們的購買方式。突然間，你的競爭對手進(jìn)行了促銷活動。消費者停止向你購買東西。他們轉(zhuǎn)向了競爭對手。你必須經(jīng)常去維護(hù)它。”

最終，每個組織都需要決定如何將自己的文化與實現(xiàn)AI的最終目標(biāo)相結(jié)合。他說:“然后你真的必須授權(quán)給人們來推動這種轉(zhuǎn)變，然后讓那些對你現(xiàn)有業(yè)務(wù)線至關(guān)重要的人感到他們將從人工智能中獲得一些價值。”

他補(bǔ)充說，大多數(shù)公司還處于起步階段。“我認(rèn)為大多數(shù)公司還沒有做到這一點，但在過去6到9個月里，我肯定看到了一種轉(zhuǎn)變，人們開始認(rèn)真對待業(yè)務(wù)結(jié)果和業(yè)務(wù)價值。”

人工智能的ROI仍然難以捉摸

但是，對于許多組織來說，如何衡量人工智能的ROI仍然是一個難以捉摸的問題。“對一些公司來說，有一些基本的問題，比如他們甚至無法將他們的模型投入生產(chǎn)，或者他們可以，但他們是盲目的，或者他們成功了，但現(xiàn)在他們想要擴(kuò)大規(guī)模，” Jain 說。“但就投資回報率而言，機(jī)器學(xué)習(xí)往往沒有相關(guān)的損益。”

他解釋說，AI計劃通常是卓越中心的一部分，ROI由業(yè)務(wù)部門掌握，而在其他情況下，它很難衡量。

“問題是，人工智能是業(yè)務(wù)的一部分嗎?還是一種效用?如果你是數(shù)字原生代，人工智能可能是業(yè)務(wù)運行燃料的一部分，”他說。“但在一個擁有傳統(tǒng)業(yè)務(wù)或正在轉(zhuǎn)型的大型組織中，如何衡量投資回報率是他們必須解決的一個基本問題。”