四個關鍵事項讓AI成就你的企業

紅杉匯

+ 關注

2022-12-27 11:22

567次閱讀

[ 編者按 ]在未來，越來越多的企業將會引入AI來實現企業抱負、充分激發潛力、提升創新能力。但是，想要掌握AI技術，讓其與企業各方面業務融合，并不是一件易事。

據統計，目前擁有高成熟度AI的企業并不多，僅有很少的一部分企業能夠利用AI來快速有效擴大規模并實現其收入目標。我們將這些同時具備強大的AI基礎（如云平臺和工具，以及數據平臺、架構和管理體系）與差異化的AI能力（如強大的AI戰略和高管投入）的公司稱為“AI成就者”（AI Achievers）。

如何邁入“AI成就者”的行列？盡管對于不同行業、不同企業有著不同的方法論，但是這里有4點需要引起你的注意，它們對企業發展AI的成熟度極為重要。

每期監測和精編全球高價值情報，為你提供先人一步洞察機會的新鮮資訊，為你提供升級思維方式的深度內容，是為[ 紅杉匯內參 ]。

為什么企業要向著“AI成就者”而努力？下圖是一次針對企業AI成熟度及影響的研究結果，其從宏觀的角度評估了被調研企業在為客戶、股東和員工實現更高回報的過程中，其AI基礎和AI能力的結合情況：

雖然導致差距的具體原因和做法將會涉及到公司的具體舉措，然而，這里有4種往往被忽視的行為，它們對發展AI的成熟度同樣重要。

事項1：打造你的AI數據中臺

大多公司面臨的與AI有關的最大挑戰之一，是跨平臺和系統的數據激增——本地的歷史遺留系統與公司日益增長的云計算系統被尷尬地混合在一起。在日常使用時，數據經常會出現諸如格式不匹配導致的無法訪問等問題。而這樣的問題，也會反過來限制公司在組織內推廣AI技術的效果。

我們來看看AI成就者都是怎么做的——它們往往會建立起AI數據中臺，即 運營數據和AI平臺，從而可以利用公司的人才、技術和數據生態系統，更好地平衡試驗與執行的比例。在研究中也發現，AI成就者相比AI試驗者，其實現數據管理治理規模化的可能性要高出33%，而實現數據管理治理規模化，正是建立強大的AI“核心”的第一步。

另外，AI核心可以幫助企業做很多有益的事情，比如迅速將AI應用產品化、將AI整合到其他應用中等。那么如何建立AI核心？大多數的AI成就者會在確保數據可靠的情況下，將它們存儲在一個單一的企業級云平臺上，配以適當的使用、監測和安全策略，來充分發揮內、外部數據的作用。

例如，瑞士制藥巨頭諾華（Novartis）從2019年開始便通過創建“決策中心”（Insight Centers）來拓展其AI治理和數據管理實踐，為該公司的制造業務和分銷點提供更實時的數據可見管理。與此同時，他們還努力完善這些技術的兼容性，最終大大提高了開發和生產藥物的能力，大大節省了時間和成本。

事項2：維持你的AI投資

對于AI成就者而言，AI投資之旅沒有終點，并不存在所謂“AI峰值”。因為這種認知，AI成就者們會進入一個AI收益的良性循環，即使AI成熟度日漸提升，但隨著時間推移，仍然不斷投入，從而繼續獲得更多收益。

對于AI成就者來說，持續的投資通常會用于提升AI的影響廣度，從而將影響最大化；同時，還將進一步嘗試各種跨領域AI解決方案，在過程中重新部署資源。例如，某奧地利能源公司近年來在AI驅動的數字孿生技術上投入了大量資金，幫助他們更好地為維也納市等客戶服務——除去帶來的其他積極影響外，該技術系統更精準地模擬出了客戶對供暖和制冷服務的需求，進而估算出來企業所需要的各種舉措的短期成本和長期能源節約。

事項3：培養AI方面的人才

AI成就者明白，讓AI與人類員工無縫合作，是最高效的工作方式。這也是很多AI成就者更傾向于制定積極主動的AI人才戰略，以保持在行業趨勢前沿的原因。除了以AI為重點的招聘外，AI成就者還經常與專業公司合作或收購專業公司來填補關鍵職位的人才空缺，如數據或行為科學家、社會科學家和倫理學家。

AI成就者也更有可能對大多數員工進行強制性的AI培訓，從產品開發工程師到高管團隊都會參與其中。而且，由于他們會更側重于提升員工AI方面的知識，他們的員工會比其他公司的同行更精通AI相關技能。

這些努力使得人類與AI的協作更容易實現規模化，并確保AI滲透到企業肌理當中。舉例來說，歐洲一家大型能源公司便打造了一個“數字工廠”，幫助員工在日常工作中使用分析技術與AI洞察，同時還讓數字工廠培訓現場工程師使用并改進機器學習模型。該工廠還為所有管理人員提供強制的數據與AI培訓，并為公司全體員工提供再培訓和技能提升支持。

得益于該組織對AI人才方面的投資，其業務部門如今在啟動開發的5個月內就能收到新的AI應用程序——在數字工廠建成之前，他們平均要等18個月。更長遠來看，到2025年，該公司預計其數字工廠每年將使其利潤增加15億美元。

事項4：打造靠譜的AI框架

隨著企業在越來越多的任務中部署AI，遵守法律、法規和道德規范正成為提升AI成熟度越來越重要的行為。事實上，能夠向外展示自己擁有高質量、值得信賴且達到監管要求的AI系統，將使這些走在前列的公司在短期和長期上都獲得巨大優勢，從而吸引更多新客戶，更好留住現有客戶，并提升投資者信心。

不靠譜的AI框架，會給企業自身、客戶帶來許多風險。以常見的算法偏見為例。它是指根據過往偏見數據訓練出來的AI也會繼承這方面的偏見，所以當你的AI框架中的訓練數據不夠“公平”，那么AI輸出的結果自然也不夠準確。這種時候，公司便可以結合對數據和算法中偏見原因的研究，對AI模型進行多層級的“算法公平”（algorithmic-fairness）評估，進而定義和應用公平性的量化措施，包括提出使算法更加公平的數據收集和建模方法。

除此之外，還可以通過不同專家的廣泛合作來重新設計AI框架，從員工到設計師、數據科學家、合規專業人士和商業分析師等。 將員工培訓成為AI專家，這對打造可靠AI框架也至關重要。