人工(gōng)智能(néng)項目失敗将不再歸咎于人才缺口

當人工(gōng)智能(néng)計(jì)劃落空(kōng)時(shí)，通常會(huì)把責任歸咎于技能(néng)差距。但(dàn)是還有更多。您的組織是否優先考慮這(zhè)三個基礎人工(gōng)智能(néng)支柱？ 聘請(qǐng)合适的技術人才仍然是企業組織采用(yòng)人工(gōng)智能(néng)（AI）的重要障礙。根據OReilly最近的一項調查，略多于六分之一的受訪者表示，雇用(yòng)和(hé)保留具有人工(gōng)智能(néng)技能(néng)的專業人員很(hěn)困難，這(zhè)是其組織采用(yòng)人工(gōng)智能(néng)的重大(dà)障礙。 盡管人才缺口仍然是對(duì)話(huà)的主要内容，但(dàn)這(zhè)一數字與去年相比有所減少，這(zhè)表明(míng)其他(tā)挑戰正成爲企業探索和(hé)部署人工(gōng)智能(néng)項目的首要考慮因素。 不過，技術技能(néng)差距并不是采用(yòng)人工(gōng)智能(néng)的最大(dà)障礙，也(yě)不是那麽多人工(gōng)智能(néng)項目失敗的原因。實際上(shàng)，根據OReilly公司的調查，受訪者認爲缺乏機構支持是最大(dà)的問題，其次是确定合适的業務用(yòng)例時(shí)遇到(dào)困難。 當然，這(zhè)是一個更難以下(xià)咽的藥丸：這(zhè)意味着真正的挑戰在于我們，而不是隻有數量有限的專業人員來(lái)完成這(zhè)項工(gōng)作(zuò)。 人工(gōng)智能(néng)項目成功的三大(dà)支柱 那麽組織如何避免人工(gōng)智能(néng)項目的常見陷阱呢(ne)？與其他(tā)技術實施一樣，這(zhè)全都取決于公司範圍内的适當培訓，生産環境以及适當的基礎。有了(le)這(zhè)三個支柱，您就可以更早地實現(xiàn)人工(gōng)智能(néng)的商業價值。 1.正确的基礎 成功的人工(gōng)智能(néng)項目需要三件事(shì)： ?數據科學家必須具有高(gāo)效的工(gōng)具，具有領域專長并且可以訪問相關數據。盡管從(cóng)處理(lǐ)偏見預防，可解釋性，概念漂移和(hé)類似要求等方面對(duì)人工(gōng)智能(néng)技術的理(lǐ)解已得到(dào)很(hěn)好(hǎo)的理(lǐ)解，但(dàn)許多團隊在這(zhè)裏仍然不夠。 ?組織必須學習如何在生産中部署和(hé)操作(zuò)人工(gōng)智能(néng)模型。這(zhè)就需要部署DevOps、SecOps和(hé)新興的人工(gōng)智能(néng)Ops工(gōng)具和(hé)流程，以便模型能(néng)夠随着時(shí)間的推移在生産中繼續準确地工(gōng)作(zuò)。 ?産品經理(lǐ)和(hé)業務主管必須從(cóng)一開(kāi)始就參與其中，以便重新設計(jì)新的技術功能(néng)并決定如何應用(yòng)這(zhè)些(xiē)技術來(lái)使客戶滿意。 盡管在過去幾年中，教育和(hé)工(gōng)具有了(le)顯着改善，但(dàn)實際生産中運行的人工(gōng)智能(néng)模型仍有很(hěn)大(dà)的改進空(kōng)間。因此，産品管理(lǐ)和(hé)用(yòng)戶交互設計(jì)已成爲人工(gōng)智能(néng)成功的常見障礙。 這(zhè)些(xiē)問題可以通過動手教育來(lái)解決。在教室和(hé)會(huì)議(yì)廳外(wài)，來(lái)自(zì)組織各部門(mén)的專業人員必須獲得實際從(cóng)事(shì)人工(gōng)智能(néng)項目的經驗，了(le)解他(tā)們可以做什(shén)麽以及該技術如何推動您的業務發展。 2.全公司範圍内的合作(zuò)與培訓 當然，人才是問題的一部分，但(dàn)不僅需要數據科學人才。問題的根源通常在于業務和(hé)産品專業知(zhī)識。與技術人才一樣重要，了(le)解人工(gōng)智能(néng)如何在産品中發揮作(zuò)用(yòng)以及如何将人工(gōng)智能(néng)轉化爲更好(hǎo)的客戶體驗和(hé)新收入同樣重要-而且責任不僅僅在于研發團隊。 例如，我們擁有可以像人類一樣準确地讀取X射線的算(suàn)法，但(dàn)是我們現(xiàn)在才剛開(kāi)始将此功能(néng)集成到(dào)臨床工(gōng)作(zuò)流程中。如果不對(duì)醫(yī)生和(hé)護士進行如何使用(yòng)這(zhè)項技術以簡化其工(gōng)作(zuò)流程的培訓，則對(duì)他(tā)們或患者沒有任何價值。 能(néng)夠訓練和(hé)部署準确的人工(gōng)智能(néng)模型并不能(néng)解決如何最有效地使用(yòng)它們來(lái)幫助您的客戶的問題。爲此，需要對(duì)所有組織學科進行培訓，包括銷售，營銷，産品，設計(jì)，法律，客戶成功，财務等方面，以了(le)解該技術爲何有用(yòng)以及它将如何影響其工(gōng)作(zuò)職能(néng)。 做得好(hǎo)，新的支持人工(gōng)智能(néng)的功能(néng)使産品團隊能(néng)夠完全重新考慮用(yòng)戶體驗。 做得好(hǎo)，新的支持人工(gōng)智能(néng)的功能(néng)使産品團隊能(néng)夠完全重新考慮用(yòng)戶體驗。Netflix或Spotify将推薦添加爲輔助功能(néng)與圍繞内容發現(xiàn)設計(jì)用(yòng)戶界面之間的區(qū)别。這(zhè)有很(hěn)大(dà)的不同，但(dàn)要實現(xiàn)這(zhè)個目标還需要一個村莊。因此，由執行團隊帶頭的全公司範圍的收購對(duì)于人工(gōng)智能(néng)成功至關重要。 3.适當的生産環境 并非所有生産環境都相同，因此并非所有結果都相同。了(le)解基于組織擁有的人才、基礎設施和(hé)數據的人工(gōng)智能(néng)項目的局限性，并從(cóng)一開(kāi)始就設定明(míng)确的期望非常重要。 例如，最近的一篇研究論文(wén)（針對(duì)ACM計(jì)算(suàn)機系統人爲因素會(huì)議(yì)（CHI）系列學術會(huì)議(yì)而完成）探索了(le)一種新的深度學習模型，該模型用(yòng)于從(cóng)患者眼睛的圖像中檢測出糖尿病性視(shì)網膜病變。科學家們訓練了(le)一種深度學習模型，從(cóng)過去幾年的眼科檢查中的角膜照片中識别出患者的糖尿病性視(shì)網膜病變的早期階段。目的是減少失明(míng)，這(zhè)種失明(míng)是未經治療的疾病症狀。 該論文(wén)描述了(le)在泰國農(nóng)村地區(qū)的診所中使用(yòng)相同準确有效的模型時(shí)發生的情況：用(yòng)于爲患者的眼睛拍(pāi)攝圖像的機器并不像用(yòng)于訓練模型的機器那樣複雜(zá)。如訓練有素的模型所假設的，所使用(yòng)的檢查室并非完全黑暗。對(duì)于某些(xiē)患者來(lái)說，放(fàng)假一天來(lái)進行後續随訪或進行其他(tā)檢查不是一個可行的選擇。首先，并不是所有的醫(yī)生和(hé)護士都接受過培訓，以解釋爲什(shén)麽需要這(zhè)項新測試。 缺乏适當的基礎設施和(hé)醫(yī)院工(gōng)作(zuò)人員的凝聚力教育，加上(shàng)對(duì)實際局限性的理(lǐ)解，是人工(gōng)智能(néng)項目失敗的一個典型例子。 随着教育趕上(shàng)行業，人工(gōng)智能(néng)人才缺口在未來(lái)幾年仍将是一個挑戰。但(dàn)是與此同時(shí)，組織可以采取一些(xiē)步驟來(lái)确保其人工(gōng)智能(néng)項目取得成功。 僅僅訓練您的模型是不夠的，還需要訓練您的組織。花(huā)時(shí)間對(duì)您的業務的各個方面進行教育，以了(le)解您爲何要執行某個人工(gōng)智能(néng)項目，該項目将如何影響他(tā)們的角色和(hé)客戶體驗以及期望是什(shén)麽。 合适的人才會(huì)到(dào)來(lái)，組織是否準備好(hǎo)使用(yòng)它？