论文部分内容阅读
AI（人工智能）為全球企业提供的巨大发展潜力是毋庸置疑的。但是，战略上的缺陷、应对变化的方法过少、专业知识的匮乏、普遍缺乏技术理解等现状使得许多企业难以从AI中获取更多的价值。
麻省-斯隆管理评论和BCG咨询集团对2500名企业高管进行了调查，在他们撰写的报告《AI制胜：先驱与策略，组织行为与技术》中称，有九成的企业投资了AI项目，但是只有不到40%的企业获得了商业收益。
AI涵盖了机器学习（ML）和自然语言处理（NLP）之类的相关技术，这两类技术均旨在模仿人类的思维。目前AI的运用确实存在许多技术障碍。对此，BCG和Gartner的专家指出了企业部署AI过程中的五大陷阱并给出了解决办法。
BCG的合伙人、负责GAMMA人工智能项目的主管Shervin Khodabandeh表示，许多企业采用了与企业资源计划（ERP）系统相同的模式，即由IT来领导AI的开发和部署。这可以说是一个重大失误，因为通用的AI解决方案对业务没有多大帮助。
Khodabandeh举例说，BCG的一个客户的IT部门虽然花了8500万美元购买了一套顶尖的机器学习堆栈和现代化架构，但是这笔投资对于网站和应用程序的提升却可以说是微乎其微的。
相反，企业应当调整其AI计划使之与业务战略相适应。这意味着AI项目不应由IT领导，而应由首席执行官或者是由想通过AI技术获取收益的业务部门来牵头。这样做可以识别出AI能够在哪些地方提升竞争优势，并确保对流程做出适当的变更，使AI的投入与产出相匹配。BCG和MIT的研究显示，88%的受访者称，整合了人工智能创新与数字化战略的AI对他们的业务带来了影响。
由IT领导的AI项目通常在技术层面上很不透明，这导致AI项目成为了一个“暗箱操作的”解决方案，没人知道系统给出的建议是如何推算出来的。由于无法得知其到底能够实现哪些功能，因此企业往往并不会采纳这种方案。MIT和BCG的报告称，在由首席信息官负责AI项目的企业当中，只有17%的企业从AI项目中获得了收益。相比之下，在由首席执行官直接负责AI项目的企业当中，这一比例为34%。
从AI项目中获益的企业已经意识到，AI并不仅仅是一项技术上的机遇，更是一种全新的战略手段，它需要企业对AI人才、数据和流程变更进行投资。我们也应当从整体的角度看待AI战略，而不是仅仅探索其中某项技术能做什么。
我们之前一定见过这样一幕：IT错误地以为新的技术对象和结构概念验证无法获得发展动力，也无法产生业务价值。更糟糕的是，很多正在进行业务转型的企业也没有足够资源进行这类试验。
Khodabandeh说：“有人认为以概念验证的方式创建一些AI功能并看看它们是否工作，纯粹是浪费时间。我们将这种观点称为概念验证综合症。企业往往会说我们尝试过了，但是它们没有成效。这种技术与业务成果捆绑在一起的做法非常失败。”
取而代之的方法是，减少试验转而支持“针头运动”（指组合在一起后足以对商业成果产生巨大影响的每一个细小的步骤和行动方案）。成功的企业会将重点放在优先处理少数几个关键的业务上，通过AI促进增长、提高利润并创造竞争优势。这与业务转型是相统一的。Khodabandeh表示，“成功的话，这些想法将以一种有意义的方式推动‘针头’前进，整个企业也将围绕着它们进行调整。”
概念验证通常由于缺乏人才而无法得到继续发展。Gartner的分析师Tracy Tsai解释，这意味着能够使用AI并了解AI价值的人才很匮乏，或是AI产品经理无法针对特定产品的价值进行有效沟通。有时甚至连数据科学家都无法就AI促进业务发展的方式进行建模。
获取AI工具的途径有很多种。在某些情况下，业务线（LoB）可能在内部设置有数据科学家，这些数据科学家可以在IT的支持下构建AI解决方案。有时，业务线和IT都没有数据科学家团队，所以他们必须要依靠AI方案提供商。在这种情况下，通常是业务线提出请求，但是他们难以说清自己的具体要求，所以只能依靠IT来选择解决方案合作伙伴并开发业务用例。因此在一些企业里，虽然AI项目也是由业务线提出并进入到概念验证阶段，但是AI项目是由IT推动的。
按照Tsai的说法，不管企业采取何种方案，IT、业务线和数据科学家都有责任在进行概念验证之前就对业务预期达成共识。这意味着他们必须在提取数据的本体与分类、如何对输入的数据进行说明以及如何预估机器学习模型的产出等方面达成一致。为了实现这一目标，企业需要对AI人才进行投资。
很多企业在部署AI技术的同时忽视了流程变更的必要性。例如，当企业利用AI来自动收集客户数据搞促销活动时，很可能会出现越权行使部分营销职能的情况。团队可能会被重新定位为专注开发新的消费者体验，但是并不是所有企业都会为其团队可能出现的类似麻烦做足预案。
Kodabandeh表示，从AI中获益的企业都将流程变更视为业务战略中的核心环节，并将AI技术与其整体业务战略紧密整合在一起。流程变更涉及到要让AI生产与消费保持一致，并且需要业务、流程、战略、数据科学和技术团队之间进行强有力的协作，以创建与目标相匹配的AI。同时企业应建立跨职能团队的卓越中心，来指导与监管此类流程。
Kodabandeh提醒，AI是一项很有前景的战略机遇，但是如果企业在处理上不够谨慎，同样也会成为重大的战略风险。因此企业必须认真地将AI整合到自己的核心业务战略和核心业务流程当中。
本文作者Clint Boulton为美国CIO.com网站资深撰稿人，专门研究IT领导力、首席信息官职能和数字化转型等问题。
原文网址
https：//www.cio.com/article/3534470/5-hurdles-to-ai-value-and-how-to-overcome-them.html
麻省-斯隆管理评论和BCG咨询集团对2500名企业高管进行了调查，在他们撰写的报告《AI制胜：先驱与策略，组织行为与技术》中称，有九成的企业投资了AI项目，但是只有不到40%的企业获得了商业收益。
AI涵盖了机器学习（ML）和自然语言处理（NLP）之类的相关技术，这两类技术均旨在模仿人类的思维。目前AI的运用确实存在许多技术障碍。对此，BCG和Gartner的专家指出了企业部署AI过程中的五大陷阱并给出了解决办法。
1.AI由IT领导会浪费机会
BCG的合伙人、负责GAMMA人工智能项目的主管Shervin Khodabandeh表示，许多企业采用了与企业资源计划（ERP）系统相同的模式，即由IT来领导AI的开发和部署。这可以说是一个重大失误，因为通用的AI解决方案对业务没有多大帮助。
Khodabandeh举例说，BCG的一个客户的IT部门虽然花了8500万美元购买了一套顶尖的机器学习堆栈和现代化架构，但是这笔投资对于网站和应用程序的提升却可以说是微乎其微的。
相反，企业应当调整其AI计划使之与业务战略相适应。这意味着AI项目不应由IT领导，而应由首席执行官或者是由想通过AI技术获取收益的业务部门来牵头。这样做可以识别出AI能够在哪些地方提升竞争优势，并确保对流程做出适当的变更，使AI的投入与产出相匹配。BCG和MIT的研究显示，88%的受访者称，整合了人工智能创新与数字化战略的AI对他们的业务带来了影响。
2. 技术陷阱
由IT领导的AI项目通常在技术层面上很不透明，这导致AI项目成为了一个“暗箱操作的”解决方案，没人知道系统给出的建议是如何推算出来的。由于无法得知其到底能够实现哪些功能，因此企业往往并不会采纳这种方案。MIT和BCG的报告称，在由首席信息官负责AI项目的企业当中，只有17%的企业从AI项目中获得了收益。相比之下，在由首席执行官直接负责AI项目的企业当中，这一比例为34%。
从AI项目中获益的企业已经意识到，AI并不仅仅是一项技术上的机遇，更是一种全新的战略手段，它需要企业对AI人才、数据和流程变更进行投资。我们也应当从整体的角度看待AI战略，而不是仅仅探索其中某项技术能做什么。
3. 概念验证综合症
我们之前一定见过这样一幕：IT错误地以为新的技术对象和结构概念验证无法获得发展动力，也无法产生业务价值。更糟糕的是，很多正在进行业务转型的企业也没有足够资源进行这类试验。
Khodabandeh说：“有人认为以概念验证的方式创建一些AI功能并看看它们是否工作，纯粹是浪费时间。我们将这种观点称为概念验证综合症。企业往往会说我们尝试过了，但是它们没有成效。这种技术与业务成果捆绑在一起的做法非常失败。”
取而代之的方法是，减少试验转而支持“针头运动”（指组合在一起后足以对商业成果产生巨大影响的每一个细小的步骤和行动方案）。成功的企业会将重点放在优先处理少数几个关键的业务上，通过AI促进增长、提高利润并创造竞争优势。这与业务转型是相统一的。Khodabandeh表示，“成功的话，这些想法将以一种有意义的方式推动‘针头’前进，整个企业也将围绕着它们进行调整。”
4. 人才和知识阻碍了AI的部署
概念验证通常由于缺乏人才而无法得到继续发展。Gartner的分析师Tracy Tsai解释，这意味着能够使用AI并了解AI价值的人才很匮乏，或是AI产品经理无法针对特定产品的价值进行有效沟通。有时甚至连数据科学家都无法就AI促进业务发展的方式进行建模。
获取AI工具的途径有很多种。在某些情况下，业务线（LoB）可能在内部设置有数据科学家，这些数据科学家可以在IT的支持下构建AI解决方案。有时，业务线和IT都没有数据科学家团队，所以他们必须要依靠AI方案提供商。在这种情况下，通常是业务线提出请求，但是他们难以说清自己的具体要求，所以只能依靠IT来选择解决方案合作伙伴并开发业务用例。因此在一些企业里，虽然AI项目也是由业务线提出并进入到概念验证阶段，但是AI项目是由IT推动的。
按照Tsai的说法，不管企业采取何种方案，IT、业务线和数据科学家都有责任在进行概念验证之前就对业务预期达成共识。这意味着他们必须在提取数据的本体与分类、如何对输入的数据进行说明以及如何预估机器学习模型的产出等方面达成一致。为了实现这一目标，企业需要对AI人才进行投资。
5. 流程变更的失败
很多企业在部署AI技术的同时忽视了流程变更的必要性。例如，当企业利用AI来自动收集客户数据搞促销活动时，很可能会出现越权行使部分营销职能的情况。团队可能会被重新定位为专注开发新的消费者体验，但是并不是所有企业都会为其团队可能出现的类似麻烦做足预案。
Kodabandeh表示，从AI中获益的企业都将流程变更视为业务战略中的核心环节，并将AI技术与其整体业务战略紧密整合在一起。流程变更涉及到要让AI生产与消费保持一致，并且需要业务、流程、战略、数据科学和技术团队之间进行强有力的协作，以创建与目标相匹配的AI。同时企业应建立跨职能团队的卓越中心，来指导与监管此类流程。
Kodabandeh提醒，AI是一项很有前景的战略机遇，但是如果企业在处理上不够谨慎，同样也会成为重大的战略风险。因此企业必须认真地将AI整合到自己的核心业务战略和核心业务流程当中。
本文作者Clint Boulton为美国CIO.com网站资深撰稿人，专门研究IT领导力、首席信息官职能和数字化转型等问题。
原文网址
https：//www.cio.com/article/3534470/5-hurdles-to-ai-value-and-how-to-overcome-them.html