AI项目带来了哪些挑战？ | 商业人工智能#65

已发表: 2024-02-15

您想在公司实施新项目时利用人工智能的功能吗？ 人工智能可以促进概念阶段、简化单个任务的执行，以及对项目活动的当前和历史结果的分析。 然而，在项目实施过程中选择人工智能辅助是否总是值得的？ 如何评估AI项目的盈利能力？ 如何应对数据和专家的短缺？ 从哪里开始避免常见的陷阱？ 继续阅读并了解使用人工智能的项目面临哪些挑战。

AI 项目 - 目录

  1. 如何有效地将AI项目融入您的业务战略？
  2. 人工智能项目预算。 主要挑战
  3. 人工智能项目中的数据管理问题。 你应该知道什么
  4. AI项目中的技术和安全挑战
  5. 企业家在人工智能方面的关键能力。 你可能会遇到什么困难？
  6. 人工智能项目成功分析。 衡量投资回报率时如何避免错误？
  7. 概括

如何有效地将AI项目融入您的业务战略？

Gartner研究称，到2030年，80%的项目管理任务将由人工智能处理。 使用人工智能来完成任务的项目百分比会是什么样——还有待观察。 然而，如何将人工智能融入到公司的运营战略中已经值得考虑。

第一步是了解这项技术的潜力和局限性。 人工智能在分析趋势和模式方面表现出色，但在多步推理和道德决策等方面却表现不佳。 它创造了令人惊叹的视觉效果，但要让它持续生成与品牌形象相匹配的材料需要相当多的技巧。 这就是为什么当我们开始研究人工智能项目时，我们不能以与其他项目相当的概率来假设它是否会产生具体的、可衡量的结果。

因此，一个好的起点是分析利弊：

  • AI项目实施各阶段的总成本是多少？
  • 应定义哪些 KPI 来评估人工智能项目的业务影响？

为了获得这些问题的可信答案，最好选择简单的人工智能项目，这些项目能够带来可观的价值，易于衡量，并且适合公司的战略。 一家提供快递服务的初创公司可以作为一个例子。 其目标是改善客户服务并提高供应链灵活性。 例如，一个简单但有价值的人工智能项目是实现处理客户查询的聊天机器人。 这样的虚拟助理将比传统呼叫中心处理更多的请求，通过快速响应查询和一致的通信质量来提高客户满意度。 相比之下，优化快递路线的先进系统符合提高递送灵活性的目标，但复杂且风险更高。

一旦确定了最初的人工智能项目，初创公司就应该评估其可行性，例如人工智能项目应适合的预算。

人工智能项目预算。 主要挑战

实施现成的 SaaS 或人工智能即服务 (AIaaS) 解决方案，或所谓的“现成的人工智能”有很多优势。 一是使用该工具的可预测成本以及实施人工智能项目的相对容易估计的成本。 您可以选择以下解决方案：

  • 用于客户服务的聊天机器人 – 例如 Intercom Fin、Chatbot.com 的 LiveChat、Drift 或 FreshChat，
  • 社交媒体分析可增加营销信息的覆盖范围 - 使用 Cortex、Buffer 或 Lately，或者
  • 使用 Microsoft Power BI、Tableau 进行业务数据分析，或者用于不太复杂的任务 – Google Bard，它与 Google 文档集成。

对于更大规模的人工智能项目，其成本往往被低估。 特别是当涉及到数据收集和准备所需的资源和时间时。 例如，根据IBM的Arvind Krishna的说法，人工智能学习的数据准备阶段可以占到项目持续时间的80%之多。

AI project

来源：DALL-E 3，提示：Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

此外，项目越需要个性化的人工智能模型，我们需要收集的定性数据就越多。 例如，用于学习的深度神经网络需要数十万个示例。 这增加了获取和清理如此庞大数据集的成本。 幸运的是，人工智能的快速发展意味着越来越多的人工智能项目可以实施，而无需昂贵的学习自定义模型。

然而，规划人工智能项目的公司不仅应该考虑解决方案开发阶段，还应该考虑数据的准备和系统的持续运行，包括维护、更新或收集新数据的成本。 只有这样你才能评估人工智能投资的真正回报。

人工智能项目中的数据管理问题。 你应该知道什么

人工智能项目的一个关键挑战是数据——其可用性、数量和质量。 那么该怎么办？ 在开始人工智能项目之前，您需要：

  • 仔细检查公司拥有哪些数据——以什么形式存储以及来自哪里，
  • 照顾基础设施并开发内部数据采集流程，
  • 如果供应短缺，请考虑购买外部数据集或众包。

一个常见的问题是数据分散在多个系统和格式中。 合并它们、清理它们并为人工智能学习做好准备可能具有挑战性。 AI 团队与 IT 部门或数据分析师密切合作是一个很好的做法。 他们应该共同确保正确的基础设施和数据采集流程到位。

AI项目中的技术和安全挑战

人工智能不仅仅是机器学习算法。 为了使它们在实践中发挥作用，需要完整的 IT 基础设施。 与此同时，将新的人工智能系统与公司现有的系统集成可能具有挑战性。 它通常需要适应旧的业务系统，这对许多公司来说意味着相当大的升级成本。

此外，人工智能项目需要数据科学和数据工程方面的专业知识。 与此同时，世界正面临该领域专家的短缺。 根据麦肯锡《2023年技术趋势展望》报告，招聘广告与可用专家的比例为7比100，需求不断增长。

数据安全问题也不容忽视。 人工智能系统处理大量敏感信息，必须妥善保护这些信息以防泄露。 与此同时，近年来数据泄露事件显着增加。 因此，这是实施人工智能项目时要记住的另一个重要风险。

企业家在人工智能方面的关键能力。 你可能会遇到什么困难？

实施人工智能项目的一个常见障碍可能是管理者和业务决策者对人工智能的了解不足。 如果不深入了解该技术的功能，就很难评估特定项目的可行性并做出明智的决策。 这就是为什么有必要投资于提高管理者在新技术领域的知识。

对现有员工进行再培训也有帮助。 人们越来越多地谈论所谓的“公民数据分析师”（“公民数据科学家”）。 这些专家利用尖端技术来解决他们每天面临的特定业务问题，他们对自己所在的行业非常了解。 通过成为人工智能项目团队的一员，他们使人工智能专家能够通过回答行业特定问题来专注于实施问题。

除了评估人工智能建议和做出决策等技术技能之外，软技能也很重要，包括领导力和战略思维。 这是解决企业人工智能技能短缺的另一种方法。

分析人工智能项目的成功。 衡量投资回报率时如何避免错误？

互联网上流传着一个未经证实（也可能不真实）的谣言，称高达 87% 的人工智能项目从未进入生产阶段。 虽然我们无法获得对成功项目的可靠研究，但早期定义衡量成功的方法是评估人工智能实施的真正影响的关键。

一个好的做法是进行小规模实验。 例如，它涉及测试人工智能性能，例如，对随机用户样本进行测试，并将结果与​​使用标准解决方案的对照组进行比较。 这样的 A/B 测试可以帮助您验证新的 AI 系统是否可以带来预期的结果，例如转化率或客户满意度的提高。

AI project

来源：DALL-E 3，提示：Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

即使在人工智能实施之后，A/B 测试也值得定期重复，因为模型在解决问题时可能会失去准确性和相关性。 这将使您能够快速识别新出现的异常情况以及重新校准系统的需要，以便它继续交付预期的业务结果。

AI project

概括

虽然人工智能提供了巨大的机遇，但该领域的项目也面临着巨大的挑战。 为了取得成功，您必须切实评估人工智能的成本和收益，注意数据采集和质量，发展内部能力，并押注新技术的逐步实施。 衡量实施的实际业务影响并对新出现的问题做出快速反应也至关重要。 只有这样，人工智能才会对公司产生增强作用，而不是威胁。

如果您喜欢我们的内容，请在 Facebook、Twitter、LinkedIn、Instagram、YouTube、Pinterest、TikTok 上加入我们的忙碌蜜蜂社区。

What challenges does the AI project bring? | AI in business #65 robert whitney avatar 1background

作者：罗伯特·惠特尼

JavaScript 专家和 IT 部门的讲师。 他的主要目标是通过教其他人如何在编码时有效合作来提高团队生产力。

查看所有帖子

商业人工智能：

  1. 人工智能在商业中的威胁和机遇（第 1 部分）
  2. 人工智能在商业中的威胁和机遇（第 2 部分）
  3. 人工智能在商业中的应用 - 概述
  4. 人工智能辅助文本聊天机器人
  5. 商业 NLP 的今天和明天
  6. 人工智能在商业决策中的作用
  7. 安排社交媒体帖子。 人工智能有何帮助？
  8. 自动社交媒体帖子
  9. 利用人工智能运行的新服务和产品
  10. 我的经营理念有哪些弱点？ ChatGPT 的头脑风暴会议
  11. 在商业中使用 ChatGPT
  12. 合成演员。 排名前 3 的 AI 视频生成器
  13. 3 个有用的 AI 图形设计工具。 商业中的生成式人工智能
  14. 今天你必须尝试的 3 位出色的人工智能作家
  15. 探索人工智能在音乐创作中的力量
  16. 使用 ChatGPT-4 探索新的商机
  17. 经理的人工智能工具
  18. 6 个很棒的 ChatGTP 插件，让您的生活更轻松
  19. 3 绘图人工智能。 商业情报总局
  20. 麦肯锡全球研究院认为人工智能的未来是什么？
  21. 商业人工智能 - 简介
  22. 什么是 NLP，即商业中的自然语言处理
  23. 自动文档处理
  24. 谷歌翻译 vs DeepL。 机器翻译的 5 个商业应用
  25. 语音机器人的运营和商业应用
  26. 虚拟助理技术，或者说如何与AI对话？
  27. 什么是商业智能？
  28. 人工智能会取代商业分析师吗？
  29. 人工智能如何帮助 BPM？
  30. 人工智能和社交媒体——它们对我们有何评价？
  31. 内容管理中的人工智能
  32. 今天和明天的创意人工智能
  33. 多模态人工智能及其在商业中的应用
  34. 新的互动。 人工智能如何改变我们操作设备的方式？
  35. 数字公司中的 RPA 和 API
  36. 未来的就业市场和即将到来的职业
  37. 教育科技中的人工智能。 发挥人工智能潜力的 3 个公司示例
  38. 人工智能与环境。 3 个人工智能解决方案可帮助您建立可持续发展的业务
  39. AI 内容检测器。 他们值得吗？
  40. ChatGPT vs Bard vs Bing。 哪个人工智能聊天机器人在这场竞赛中处于领先地位？
  41. 聊天机器人人工智能是谷歌搜索的竞争对手吗？
  42. 有效的 ChatGPT 人力资源和招聘提示
  43. 及时工程。 即时工程师做什么的？
  44. AI 模型生成器。 四大工具
  45. 人工智能还有什么？ 2024 年商业顶级技术趋势
  46. 人工智能和商业道德。 为什么您应该投资道德解决方案
  47. 元人工智能。 关于 Facebook 和 Instagram 的人工智能支持功能，您应该了解哪些？
  48. 人工智能监管。 作为一名企业家你需要了解什么？
  49. 人工智能在商业中的 5 个新用途
  50. 人工智能产品和项目——它们与其他产品和项目有何不同？
  51. 人工智能辅助流程自动化。 从哪儿开始？
  52. 如何将人工智能解决方案与业务问题相匹配？
  53. 人工智能作为您团队中的专家
  54. AI团队与角色分工
  55. 人工智能职业领域如何选择？
  56. 在产品开发过程中添加人工智能是否总是值得的？
  57. 人力资源中的人工智能：招聘自动化如何影响人力资源和团队发展
  58. 2023 年 6 个最有趣的人工智能工具
  59. 人工智能造成的六大商业灾难
  60. 公司的人工智能成熟度分析是怎样的？
  61. 用于 B2B 个性化的 AI
  62. ChatGPT 用例。 2024 年如何利用 ChatGPT 改善业务的 18 个示例
  63. 微学习。 获得新技能的快速方法
  64. 2024 年公司中最有趣的人工智能实施
  65. 人工智能专家做什么的？
  66. AI项目带来了哪些挑战？