点蓝色字关注“信息化时代”

战略方针不当，通常包括两点，一是好高骛远，二是缺乏商业方法。

采用人工智能，意味着时间、金钱、资源和人力的巨大投资。所以，企业也期待更高的回报。但人工智能的采用是一个循序渐进的过程，不可能一蹴而就地产生回报。从小项目开始循序渐进增加项目，人工智能才会更好地理解企业需求，获得更好的投资回报。

企业决定构建人工智能项目的时候，总是从技术角度看问题。这一做法会影响其客观衡量商业价值。企业必须从商业角度来考虑问题。你想解决什么商业问题？界定成功的衡量标准是什么？回答完这两个问题后，再决定用哪种技术来解决问题，构建人工智能解决方案。

近十年来，大多数软件工具都具备了收集海量数据的能力。由于数据越来越多，人工智能开始引起注意。

新的问题随之而来：数据的质量。在构建有效的人工智能系统方面，数据是最关键的需求之一。尽管企业已经开始收集大量数据，但是不需要的数据、非结构化数据等问题仍然存在。收集数据的方式有很多种，比如结构化、非结构化、半结构化等。数据通常是无组织的，包含了各种各样的参数，这些参数可能对于人工智能项目尤其重要，也可能没有任何用。

要解决数据问题，请考虑在启动人工智能项目前，让所有的利益相关方都参与进来。这样能清楚地理解建立人工智能模型所需的数据、数量和形式。当了解它之后，企业可以根据需要清理并转换数据。此外，当准备好数据后，需要进行测试，以确保构建的人工智能符合企业或项目的意图。

很多人认为，人工智能将取代他们的工作。不过，真实的情况并非如此。

当企业采用人工智能时，他们也必须对其员工进行教育，使其了解人工智能。培育“数据素养”是非常重要的。原因有二：一是确定员工（特别是非技术人员）理解人工智能的作用及能力。二是教育员工不盲目依赖人工智能的决策。促进人工智能的普及，把它当作一项任务而非工作。让员工理解人工智能的唯一目的就是释放人类的时间，使他们能够专注于复杂的问题。

构建和部署人工智能就像拥有一辆汽车，购买之后还需要维护。不过，维护人工智能是一项远比汽车维护更大的工程。

人工智能系统会根据提供给它们的数据来作出无数的决策。假如人们不能理解一个人工智能是如何作出某一决策的，那么这个人工智能系统就被称为“黑盒人工智能”。在决策时，确定人工智能不会变成黑盒是至关重要的，这将是一个很大的挑战。另外，数据和业务场景的动态特性也是一个挑战。数据不太可能在人工智能项目的整个生命周期中保持静态。当数据改变时，人工智能也需要重新校准，以确保不会偏离其性能。

对人工智能系统进行重新校准的过程与构建一个全新的模型相似。正如其他人工智能项目一样，这需要时间和资源。为了达到这个目的，大多数公司都在很长一段时间内延伸自己的模型，而没有“维护”或适应模型中的业务变更。但不能等到模型开始“漂移”而造成不必要的影响。

要解决这些问题，组织必须持续监控他们的人工智能系统。当数据和业务场景发生变化时，人工智能需要定期更新。要降低这一过程的难度，你可以使用人工智能观察工具，帮助你监控模型和报告不必要的“漂移”。

人工智能是一种强大的技术，它正在改变今天的商业模式。但是，它也需要人们花费时间和精力去发掘并发挥它的能力。

作为人工智能的推动者，我们建议组织逐步采用人工智能。人工智能投资的回报并不是线性的，当你开始在你的组织中使用它的时候，这就会变得复杂。当你拥有了特定的人工智能用例后，你就可以在企业范围内扩展人工智能系统的采用。

—End—

注：转载、添加白名单以及商务合作请在公众号文章留言，未经许可、不得转载，不得随意修改及盗用原文。