如何在您的组织中实施 AI：权威指南

从接听客户的电话到弄清楚为什么您的设备消耗的能源比以前多得多，人工智能可以做很多事情。

但是算法失败的事情也有很多，这促使人类工作者介入并微调他们的表现。

如何实施人工智能并开始从中受益——始终如一地、大规模地、以足够快的速度赢得高管对未来项目的支持？

问题是，大多数公司仍然缺乏合适的经验、人员和技术堆栈来释放人工智能的全部潜力，而无需经验丰富的人工智能顾问。

根据德勤 2020 年的调查，数字化成熟的企业在人工智能项目推出后仅 1.2 年就看到 4.3% 的投资回报率。 同时，人工智能落后者的投资回报率很少超过 0.2%，平均投资回收期为 1.6 年。

德勤还发现，公司从人工智能投资的第一天就看到了切实而快速的回报，为人工智能计划奠定了正确的基础。

普华永道对此表示赞同，声称人工智能领导者对人工智能开发和实施采取整体方法，并同时处理三个业务成果——即业务转型、系统现代化和增强决策制定。

那么，如何在您的组织中使用 AI 并加入人工智能领导者的行列呢？

为了回答这个问题，我们进行了广泛的研究，与 ITRex 专家交谈，并检查了我们投资组合中的项目。 这是我们学到的。

如何在业务中实施人工智能：智能转型企业的 5 步指南

免责声明：创新本身不会对您的公司有任何好处。

有时，机器人流程自动化 (RPA) 等更简单的技术可以处理与 AI 算法相当的任务，并且无需使事情过于复杂。

在其他情况下（想想基于人工智能的医学成像解决方案），机器学习模型可能没有足够的数据来高精度地识别 CT 扫描中的恶性肿瘤。

有时，需要多层神经网络和数月的无人值守算法训练才能将数据中心冷却成本降低 20%。

人工智能不是某种灵丹妙药的解决方案，它会神奇地提高员工的生产力并提高你的底线。 然而，它具有改变您业务的巨大潜力。

事不宜迟，这是您实施 AI 的指南

第 1 步：熟悉 AI 的能力和局限性

公司可以将人工智能集成到各种任务中，从挖掘社交数据以提供更好的客户服务到检测供应链中的低效率。

在更广泛的范围内，人工智能在商业中的使用分为：

• 调度
• 预测（以及“if-else”分析）
• 流程增强和自动化
• 资源管理和分配
• 报告
• 网络安全管理

随着人工智能在硬件设计和云计算的巨大进步的推动下不断发展，这份清单并不详尽。

促进或接管独立任务和整个流程的算法在数据来源、处理和解释能力方面有所不同——这就是您在制定 AI 采用策略时需要牢记的内容。

让我们以监督机器学习为例。 AI 工程师可以训练算法来检测 Instagram 帖子中的猫，方法是向它们提供我们猫科动物朋友的注释图像。 当面对不熟悉的物体时，这些算法严重不足。

但是，如果我们将标记数据从 ML 模型训练过程中取出，我们将获得能够处理大量信息的无监督机器学习算法——再次，让我们以猫挑选为例——直到有意义的见解。 不过，无监督 ML 模型仍然需要一些初始训练。 例如，我们可以告诉算法一个特定的数据库只包含猫和狗的图像，然后让人工智能来做数学运算。

还有强化学习——一种涉及让算法在野外松散的技术，以便他们可以提出业务问题的解决方案并从自己的错误中学习。 这种类型的人工智能可以帮助总结长文本或预测股市趋势。

最后，还有深度神经网络通过针对各种参数分析标记和未标记数据来进行智能预测。 深度学习已进入现代自然语言处理 (NLP) 和计算机视觉 (CV) 解决方案，例如语音助手和具有面部识别功能的软件。

无论人工智能解决方案的预测有多准确，在某些情况下，都必须有人类专家监督人工智能的实施过程，并将算法推向正确的方向。

例如，人工智能可以通过识别与 COVID 相关的肺炎患者来为肺科医生节省大量时间，但最终是人类医生审查扫描结果以确认或排除诊断。

如果没有有效的监控，有几个领域实施 AI 毫无意义：

• 生成创意内容，例如意见文章和转换优化的副本
• 编码复杂的软件系统（顺便说一句，像 GitHub Copilot 和 Tabnine 这样的工具确实可以预测和建议编辑器中的代码行，但我们不建议使用它们，除非是高级软件工程师使用它们）
• 独立做出判断和道德决定
• 为现实世界的问题提供创新的、开箱即用的解决方案

如果您的内部 IT 团队难以独自驾驭动态的人工智能环境，您可以寻求提供技术咨询服务的外部公司的帮助。

第 2 步：定义您的 AI 实施目标

要开始在业务中使用 AI，请确定您希望通过人工智能解决的问题，将您的计划与切实成果联系起来。

为此，您需要与可以从实施 AI 中受益的组织单位举行会议。 贵公司的 C-Suite 应该是这些讨论的一部分和驱动力。

此外，审核您的流程和数据，以及影响您组织的外部和内部因素。 有很多技术和框架可以支持您的决策。 其中包括 TEMPLES 微观和宏观环境分析、用于评估您的关键资产的 VRIO 框架以及总结您公司优势和劣势的 SWOT。 另一个评估人工智能采用的驱动因素和障碍的好工具是 Kurt Lewin 的力场分析。 此列表并不详尽； 尽管如此，它仍可能是您的 AI 实施之旅的起点。

评估在您的组织中实施 AI 的利弊的一种方法是执行力场分析。 这样做时，为每个影响因素分配分数。 如果您的综合得分是积极的，那么采用人工智能的好处超过了潜在的挑战。

专家认为，您应该根据近期的可见性以及它们可能为您的公司带来的财务价值来优先考虑 AI 用例。 这就是为什么您需要特定的目标和方法来衡量它们。

回到人工智能投资回报的问题，区分硬投资回报率和软投资回报率是关键。

以下是贵公司通过实施人工智能可以实现的硬投资回报率：

• 繁重任务的自动化推动了时间节省
• 人工智能辅助决策带来的生产力提升
• 由于自动化和员工生产力的提高，劳动力和运营成本降低
• 由于客户群的增长和所提供服务的更高价值，收入增加

软 ROI 人工智能的采用可以提供以下跨度：

• 个性化的客户体验，积极影响客户满意度和忠诚度
• 技能保留，围绕不断研究和验证新的人工智能实施概念，并有助于内部人工智能技能的发展
• 组织和数字敏捷性，使您的员工能够改造技术系统和整个工作流程，以应对新的挑战和机遇

实施 AI 试点的所有目标都应该是具体的、可衡量的、可实现的、相关的和有时限的 (SMART)。 例如，您的公司可能希望将保险理赔处理时间从 20 秒减少到 3 秒，同时到 2023 年第一季度将理赔管理成本降低 30%。

要设定切合实际的目标，您可以利用多种技术，包括市场研究、与竞争对手进行基准测试以及咨询外部数据科学和机器学习专家。

第 3 步：评估您的 AI 准备情况

人工智能就绪术语是指组织实施人工智能和利用技术实现业务成果的能力（见步骤 2）。

一旦您确定了可以从 AI 中受益的业务方面，就该评估执行 AI 实施计划所需的工具了。

根据 ITRex 首席执行官兼联合创始人 Vitali Likhadzed 的说法，您的 AI 实施策略将依赖于五个关键构建块：

人工智能开发人才。 您是否有内部 IT 专家和主题专家 (SME) 知道如何在上一步指定的时间范围内在技术和业务方面实施 AI？ 如果没有，您是否有预算将 AI 开发外包给第三方或购买和部署 SaaS 解决方案？ 但是，使用后一种选择，您仍然需要聘请 AI 开发人员来配置和定制软件。

软件开发、采购和维护成本。 根据您的业务目标，您可以选择基于 SaaS 的人工智能工具或采用自定义软件工程路线。 这两种方法都有其优点和缺点，例如在较长的 AI 实施周期和有限的定制选项之间进行权衡。 人工智能系统的总拥有成本 (TCO)，无论是定制的还是基于 SaaS 的，还包括供应商和维护费用，以及设置和运营云基础设施的价格（稍后会详细介绍）。 例如，基于 SaaS 的数据分析平台的成本可能在每年 10,000 美元到 25,000 美元之间，而许可成本仅占最终估算的一小部分。

数据。 人工智能算法的好坏取决于你提供给它们的数据。 图像、视频、音频文件、PDF 文档、传感器读数和其他难以解释和修改的数据（即非结构化数据）占公司 IT 基础设施中存储的所有信息的 90%。 定位、聚合并为算法训练做好准备是创建准确、高性能的 AI 解决方案的重要一步。

计算和存储资源。 Microsoft Azure、Amazon Web Services、Google Cloud 和其他著名的云计算供应商提供了在云中训练、部署和运行机器学习模型的资源。 您的数据也将存在于云中——在组织整齐的数据仓库、数据湖或称为数据湖库的混合数据存储解决方案中。 因此，利用云计算服务是实施人工智能的关键。 你应该正确配置你的云基础设施——否则，实施人工智能的成本可能会超过你的潜在收入。

员工培训。 即使您与经验丰富的 AI 开发人员合作，您仍然需要对员工进行新技术教育，以便他们能够有效地完成工作——无论是现在还是将来，当您接近企业范围内的 AI 采用时。

根据英特尔的分类，拥有所有五个 AI 构建块的公司都已达到基础和可操作的人工智能就绪状态。 这些企业可以继续执行 AI 实施计划——如果他们拥有强大的数据治理和网络安全战略，并遵循 DevOps 和敏捷交付最佳实践，他们更有可能取得成功。

如果您的组织不符合这些标准，您可以与数字化转型服务公司合作升级您的 IT 基础架构并考虑 AI 实施选项。

第 4 步：开始将 AI 集成到选定的流程中，同时规划规模

在 ITRex，我们遵循“从小处着手、快速部署并从错误中吸取教训”的原则。 我们建议我们的客户遵循同样的原则——尤其是在商业中实施人工智能时。

Gartner 报告说，只有 53% 的 AI 项目从原型到生产。 造成这种情况的一个原因可能是公司未能在现实生活中的无菌测试环境中复制他们使用 POC 所取得的结果，人工智能算法会消耗来自多个来源的数据并增强不同的流程。

采用 AI 的一种务实方法是在您的脑海中拥有更大的图景，而不是专注于选定用例的孤立概念证明 (POC)，即使与雄心勃勃相比，后者可能看起来很容易实现登月倡议。

通过尽早为您的公司范围内的 AI 采用战略制定蓝图，您还将避免 75% 的 AI 先驱者的命运，他们可能会在 2025 年之前倒闭，不知道如何大规模实施 AI。

此外，人工智能 POC 的合理时间表不应超过三个月。 如果您没有在此框架内实现预期结果，则停止它并转移到其他使用场景可能是有意义的。

第 5 步：实现卓越的 AI

在启动试点、监控算法性能并收集初始反馈后，您可以利用您的知识在公司的流程和 IT 基础设施中逐层集成 AI。

为此，您需要设置：

• 强大的数据治理框架，确保整个公司的数据管理安全高效
• 用于收集、存储和组织算法训练信息的集成数据生态系统
• 一个 AI 卓越中心，您的内部团队将与第三方专家携手合作，学习新技能，不断提高 AI 性能并测试新概念
• 促进敏捷决策和持续业务流程重新设计的基础：随着人工智能将增强或自动化组织内的更多流程，您需要验证人和机器是否可以增强和互补彼此的工作

实施 AI 的渐进式方法可以帮助您更快地实现投资回报，获得 C-Suite 的支持，并鼓励其他部门尝试新技术。

了解人工智能是利用这项技术促进公司发展和繁荣的第一步。

为了帮助您入门，我们编写了人工智能业务指南（在此处下载）——这本电子书涵盖了您可能对这项技术提出的所有问题，从其类型和应用到企业范围内人工智能采用的实用技巧。

最初于 2022 年 9 月 1 日在 https://itrexgroup.com 上发布。