AI專案帶來了哪些挑戰？ | 商業人工智慧#65

已發表: 2024-02-15

您想在公司實施新專案時利用人工智慧的功能嗎？ 人工智慧可以促進概念階段、簡化單一任務的執行，以及對專案活動的當前和歷史結果的分析。 然而，在專案實施過程中選擇人工智慧輔助是否總是值得的？ 如何評估AI項目的獲利能力？ 如何應對數據和專家的短缺？ 從哪裡開始避免常見的陷阱？ 繼續閱讀並了解使用人工智慧的專案面臨哪些挑戰。

AI 項目 - 目錄

  1. 如何有效地將AI專案融入您的業務策略？
  2. 人工智慧專案預算。 主要挑戰
  3. 人工智慧專案中的資料管理問題。 你應該知道什麼
  4. AI專案中的技術與安全挑戰
  5. 企業家在人工智慧方面的關鍵能力。 你可能會遇到什麼困難？
  6. 人工智慧專案成功分析。 衡量投資報酬率時如何避免錯誤？
  7. 概括

如何有效地將AI專案融入您的業務策略？

Gartner研究稱，到2030年，80%的專案管理任務將由人工智慧處理。 使用人工智慧來完成任務的項目百分比會是什麼樣子——還有待觀察。 然而，如何將人工智慧融入公司的營運策略中已經值得考慮。

第一步是了解這項技術的潛力和限制。 人工智慧在分析趨勢和模式方面表現出色，但在多步驟推理和道德決策等方面卻表現不佳。 它創造了令人驚嘆的視覺效果，但要讓它持續生成與品牌形象相匹配的材料需要相當多的技巧。 這就是為什麼當我們開始研究人工智慧專案時，我們不能以與其他專案相當的機率來假設它是否會產生具體的、可衡量的結果。

因此，一個好的起點是分析利弊：

  • AI計畫實施各階段的總成本是多少？
  • 應定義哪些 KPI 來評估人工智慧專案的業務影響？

為了獲得這些問題的可信答案，最好選擇簡單的人工智慧項目，這些項目能夠帶來可觀的價值，易於衡量，並且適合公司的策略。 一家提供快遞服務的新創公司可以作為一個例子。 其目標是改善客戶服務並提高供應鏈靈活性。 例如，一個簡單但有價值的人工智慧專案是實現處理客戶查詢的聊天機器人。 這樣的虛擬助理將比傳統呼叫中心處理更多的請求，透過快速回應查詢和一致的通訊品質來提高客戶滿意度。 相較之下，優化快遞路線的先進系統符合提高遞送彈性的目標，但複雜且風險更高。

一旦確定了最初的人工智慧項目，新創公司就應該評估其可行性，例如人工智慧項目應適合的預算。

人工智慧專案預算。 主要挑戰

實施現成的 SaaS 或人工智慧即服務 (AIaaS) 解決方案，或所謂的「現成的人工智慧」有許多優點。 一是使用該工具的可預測成本以及實施人工智慧專案的相對容易估計的成本。 您可以選擇以下解決方案：

  • 用於客戶服務的聊天機器人 – 例如 Intercom Fin、Chatbot.com 的 LiveChat、Drift 或 FreshChat，
  • 社群媒體分析可增加行銷訊息的覆蓋範圍 - 使用 Cortex、Buffer 或 Lately，或者
  • 使用 Microsoft Power BI、Tableau 進行業務資料分析，或用於不太複雜的任務 – Google Bard，它與 Google 文件整合。

對於更大規模的人工智慧項目，其成本往往被低估。 特別是當涉及到資料收集和準備所需的資源和時間時。 例如，根據IBM的Arvind Krishna的說法，人工智慧學習的資料準備階段可以占到專案持續時間的80%之多。

AI project

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

此外，專案越需要個人化的人工智慧模型，我們需要收集的定性資料就越多。 例如，用於學習的深度神經網路需要數十萬個範例。 這增加了獲取和清理如此龐大資料集的成本。 幸運的是，人工智慧的快速發展意味著越來越多的人工智慧專案可以實施，而無需昂貴的學習自訂模型。

然而，規劃人工智慧專案的公司不僅應該考慮​​解決方案開發階段，還應該考慮資料的準備和系統的持續運行，包括維護、更新或收集新資料的成本。 這樣你才能評估人工智慧投資的真正回報。

人工智慧專案中的資料管理問題。 你應該知道什麼

人工智慧專案的一個關鍵挑戰是數據——其可用性、數量和品質。 那該怎麼辦？ 在開始人工智慧專案之前，您需要：

  • 仔細檢查公司擁有哪些數據——以什麼形式儲存以及來自哪裡，
  • 照顧基礎設施並開發內部資料收集流程，
  • 如果供應短缺，請考慮購買外部資料集或眾包。

一個常見的問題是資料分散在多個系統和格式中。 合併它們、清理它們並為人工智慧學習做好準備可能具有挑戰性。 AI 團隊與 IT 部門或資料分析師密切合作是一個很好的做法。 他們應該共同確保正確的基礎設施和數據採集流程到位。

AI專案中的技術與安全挑戰

人工智慧不僅僅是機器學習演算法。 為了使它們在實踐中發揮作用，需要完整的 IT 基礎架構。 同時，將新的人工智慧系統與公司現有的系統整合可能具有挑戰性。 它通常需要適應舊的業務系統，這對許多公司來說意味著相當大的升級成本。

此外，人工智慧專案需要數據科學和數據工程方面的專業知識。 同時，世界正面臨該領域專家的短缺。 根據麥肯錫《2023年科技趨勢展望》報告，招募廣告與可用專家的比例為7比100，需求不斷成長。

資料安全問題也不容忽視。 人工智慧系統處理大量敏感資訊，必須妥善保護這些資訊以防洩漏。 與此同時，近年來資料外洩事件顯著增加。 因此，這是實施人工智慧專案時要記住的另一個重要風險。

企業家在人工智慧方面的關鍵能力。 你可能會遇到什麼困難？

實施人工智慧專案的一個常見障礙可能是管理者和業務決策者對人工智慧的了解不足。 如果不深入了解該技術的功能，就很難評估特定項目的可行性並做出明智的決策。 這就是為什麼有必要投資於提高管理者在新技術領域的知識。

對現有員工進行再培訓也有幫助。 人們越來越多地談論所謂的「公民資料分析師」（「公民資料科學家」）。 這些專家利用尖端技術來解決他們每天面臨的特定業務問題，他們對自己所在的行業非常了解。 透過成為人工智慧專案團隊的一員，他們使人工智慧專家能夠透過回答行業特定問題來專注於實施問題。

除了評估人工智慧建議和做出決策等技術技能之外，軟技能也很重要，包括領導力和策略思維。 這是解決企業人工智慧技能短缺的另一種方法。

分析人工智慧專案的成功。 衡量投資報酬率時如何避免錯誤？

網路上流傳著一個未經證實（也可能不真實）的謠言，稱高達 87% 的人工智慧專案從未進入生產階段。 雖然我們無法獲得對成功專案的可靠研究，但早期定義衡量成功的方法是評估人工智慧實施的真正影響的關鍵。

一個好的做法是進行小規模實驗。 例如，它涉及測試人工智慧效能，例如，對隨機使用者樣本進行測試，並將結果與使用標準解決方案的對照組進行比較。 這樣的 A/B 測試可以幫助您驗證新的 AI 系統是否可以帶來預期的結果，例如轉換率或客戶滿意度的提升。

AI project

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

即使在人工智慧實施之後，A/B 測試也值得定期重複，因為模型在解決問題時可能會失去準確性和相關性。 這將使您能夠快速識別新出現的異常情況以及重新校準系統的需要，以便它可以繼續交付預期的業務結果。

AI project

概括

雖然人工智慧提供了巨大的機遇，但該領域的專案也面臨著巨大的挑戰。 為了取得成功，您必須實際評估人工智慧的成本和收益，注意數據採集和質量，發展內部能力，並押注新技術的逐步實施。 衡量實施的實際業務影響並對新出現的問題做出快速反應也至關重要。 只有這樣，人工智慧才會對公司產生增強作用，而不是威脅。

如果您喜歡我們的內容，請在 Facebook、Twitter、LinkedIn、Instagram、YouTube、Pinterest、TikTok 上加入我們的忙碌蜜蜂社群。

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

作者：羅伯特‧惠特尼

JavaScript 專家和 IT 部門的講師。 他的主要目標是透過教導其他人如何在編碼時有效合作來提高團隊生產力。

查看所有帖子

商業人工智慧：

  1. 人工智慧在商業中的威脅與機會（第 1 部分）
  2. 人工智慧在商業中的威脅與機會（第 2 部分）
  3. 人工智慧在商業中的應用 - 概述
  4. 人工智慧輔助文字聊天機器人
  5. 商業 NLP 的今天和明天
  6. 人工智慧在商業決策中的作用
  7. 安排社交媒體貼文。 人工智慧有何幫助？
  8. 自動社交媒體貼文
  9. 利用人工智慧運作的新服務和產品
  10. 我的經營理念有哪些弱點？ ChatGPT 的腦力激盪會議
  11. 在商業中使用 ChatGPT
  12. 合成演員。 排名前 3 的 AI 影片產生器
  13. 3 個有用的 AI 圖形設計工具。 商業中的生成式人工智慧
  14. 今天你必須嘗試的 3 位出色的人工智慧作家
  15. 探索人工智慧在音樂創作中的力量
  16. 使用 ChatGPT-4 探索新的商機
  17. 經理的人工智慧工具
  18. 6 個很棒的 ChatGTP 插件，讓您的生活更輕鬆
  19. 3 繪圖人工智慧。 商業情報總局
  20. 麥肯錫全球研究院認為人工智慧的未來是什麼？
  21. 商業人工智慧 - 簡介
  22. 什麼是 NLP，即商業中的自然語言處理
  23. 自動文件處理
  24. 谷歌翻譯 vs DeepL。 機器翻譯的 5 個商業應用
  25. 語音機器人的營運與商業應用
  26. 虛擬助理技術，或者說如何與AI對話？
  27. 什麼是商業智慧？
  28. 人工智慧會取代商業分析師嗎？
  29. 人工智慧如何幫助 BPM？
  30. 人工智慧和社群媒體——它們對我們有何評價？
  31. 內容管理中的人工智慧
  32. 今天和明天的創意人工智慧
  33. 多模態人工智慧及其在商業上的應用
  34. 新的互動。 人工智慧如何改變我們操作設備的方式？
  35. 數位公司中的 RPA 和 API
  36. 未來的就業市場和即將到來的職業
  37. 教育科技中的人工智慧。 發揮人工智慧潛力的 3 個公司範例
  38. 人工智慧與環境。 3 個人工智慧解決方案可協助您建立永續發展的業務
  39. AI 內容偵測器。 他們值得嗎？
  40. ChatGPT vs Bard vs Bing。 哪個人工智慧聊天機器人在這場競賽中處於領先地位？
  41. 聊天機器人人工智慧是谷歌搜尋的競爭對手嗎？
  42. 有效的 ChatGPT 人力資源和招募提示
  43. 及時工程。 即時工程師做什麼的？
  44. AI 模型產生器。 四大工具
  45. 人工智慧還有什麼？ 2024 年商業頂級技術趨勢
  46. 人工智慧和商業道德。 為什麼您應該投資道德解決方案
  47. 元人工智慧。 關於 Facebook 和 Instagram 的人工智慧支援功能，您應該了解哪些？
  48. 人工智慧監管。 身為企業家你需要了解什麼？
  49. 人工智慧在商業中的 5 個新用途
  50. 人工智慧產品和專案—它們與其他產品和專案有何不同？
  51. 人工智慧輔助流程自動化。 從哪裡開始？
  52. 如何將人工智慧解決方案與業務問題相匹配？
  53. 人工智慧作為您團隊中的專家
  54. AI團隊與角色分工
  55. 人工智慧職業領域如何選擇？
  56. 在產品開發過程中添加人工智慧是否總是值得的？
  57. 人力資源中的人工智慧：招募自動化如何影響人力資源和團隊發展
  58. 2023 年 6 個最有趣的人工智慧工具
  59. 人工智慧造成的六大商業災難
  60. 公司的人工智慧成熟度分析是怎樣的？
  61. 用於 B2B 個性化的 AI
  62. ChatGPT 用例。 2024 年如何利用 ChatGPT 改善業務的 18 個範例
  63. 微學習。 獲得新技能的快速方法
  64. 2024 年公司中最有趣的人工智慧實施
  65. 人工智慧專家做什麼的？
  66. AI專案帶來了哪些挑戰？