在业务中采用人工智能的10个步骤

人工智能（AI）显然是技术行业中不断增长的力量。 AI在会议上占据中心位置，并显示了零售和制造业等众多行业的潜力。 虚拟助手嵌入了新产品，而聊天机器人正在回答从在线办公室供应商的站点到网络托管服务提供商的支持页面等所有问题的客户问题。 同时，诸如Google，Microsoft和Salesforce之类的公司正在将AI作为整个技术堆栈中的情报层进行集成。 是的，AI绝对有它的时刻。

这不是流行文化使我们期望的AI。 它不是有感觉的机器人或天网，甚至不是托尼·史塔克的贾维斯助手。 这种AI平台正在发生，这使我们现有的技术变得更加智能，并释放了企业收集的所有数据的力量。 这意味着什么：机器学习（ML），计算机视觉，深度学习和自然语言处理（NLP）的广泛进步使将AI算法层烘焙到您的软件或云平台中比以往更加容易。

对于企业而言，实际的AI应用程序可以根据您的组织需求和从您收集的数据中得出的商业智能（BI）见解以各种方式体现出来。 从挖掘社交数据到推动客户关系管理（CRM）参与到资产跟踪和管理的优化物流和效率优化，企业都可以使用AI。

TechCode的全球AI +加速器计划总经理Luke Tang指出，ML在AI的发展中扮演着关键角色，该计划孵化了AI初创公司，并帮助公司将AI整合到现有产品和服务之上。

Tang说：“目前，人工智能是由ML的所有最新进展所驱动的。您没有一个可以指出的突破，但是我们现在可以从ML中提取的商业价值却遥遥无期。” “从企业的角度来看，现在发生的事情可能会破坏围绕协调和控制的一些核心公司业务流程：调度，资源分配和报告。” 在这里，我们提供了一些专家的技巧，以解释企业可以采取哪些步骤将AI集成到您的组织中并确保成功实施。

1.熟悉AI

花一些时间来熟悉现代AI可以做什么。 TechCode Accelerator通过与斯坦福大学等组织以及AI领域的公司建立合作伙伴关系，为初创企业提供了广泛的资源。 您还应该利用丰富的在线信息和资源来熟悉AI的基本概念。 Tang建议由Udacity等组织提供的一些远程研讨会和在线课程，作为开始使用AI并增加您对组织内ML和预测分析等领域知识的简便方法。

以下是可用于入门的许多在线资源（免费和付费）：

• Udacity的AI课程入门和人工智能纳米学位课程
• 斯坦福大学的在线讲座：人工智能：原理与技术
• 哥伦比亚大学提供的edX的在线AI课程
• 微软的开源认知工具包（以前称为CNTK）可帮助开发人员掌握深度学习算法
• Google用于机器智能的开源（OS）TensorFlow软件库
• AI资源，来自AI Access Foundation的开源代码目录
• 人工智能促进协会（AAAI）的资源页面
• MonkeyLearn的机器学习柔和指南
• 斯蒂芬·霍金和埃隆·马斯克的未来人生研究所
• OpenAI，一个开放的行业和学术界的深度学习计划

2.确定您希望AI解决的问题

一旦掌握了基础知识，任何企业的下一步就是开始探索不同的想法。 考虑如何将AI功能添加到现有产品和服务中。 更重要的是，您的公司应牢记AI可以解决业务问题或提供可证明的价值的特定用例。

“与公司合作时，我们首先概述其关键技术计划和问题。我们希望能够向其展示自然语言处理，图像识别，机器学习等如何适合这些产品，通常与公司管理层一起举办的类似的研讨会。”唐说。 “具体细节因行业而异。例如，如果公司进行视频监视，则可以通过在该过程中添加ML来获取很多价值。”

3.优先考虑具体价值

接下来，您需要评估已确定的各种可能的AI实施的潜在业务和财务价值。 在“空中撒谎”的AI讨论中很容易迷失方向，但是Tang强调了将您的计划直接与业务价值联系起来的重要性。

汤说：“要进行优先排序，要考虑潜力和可行性的维度，并将它们放入2x2矩阵中。” “这将帮助您基于近期的可见性确定优先级，并了解公司的财务价值。为此，您通常需要经理和高层管理人员的所有权和认可。”

4.认识内部能力差距

您想要完成的工作与您具有在给定时间内实际实现的组织能力之间存在明显的差异。 Tang表示，在开始全面的AI实施之前，企业应该从技术和业务流程的角度了解其能力，而不是能力。

唐说：“有时候这可能需要很长时间。” “解决内部能力差距意味着在开始之前就需要确定要获取的东西以及需要在内部进行发展的任何流程。根据业务的不同，可能存在现有的项目或团队可以为某些业务部门有机地做到这一点。 ”

5.引进专家并建立试点项目

从组织和技术角度准备好业务之后，就该开始构建和集成了。 唐说，这里最重要的因素是从小处着手，牢记项目目标，最重要的是，要意识到您对AI的了解和不了解。 在这里聘请外部专家或AI顾问可能是无价之宝。

唐说：“您不需要花很多时间来进行第一个项目；通常对于一个试点项目来说，2-3个月是一个不错的选择。” “您希望将内部人员和外部人员召集在一起，组成一个小型团队，可能是4-5人，而且时间紧迫会使团队专注于简单的目标。试点完成后，您应该能够决定更长的时间长期的，更复杂的项目，以及价值主张是否对您的业务有意义。将双方的专业知识（了解业务的人员和了解AI的人员）合并到您的试点项目团队中也很重要”。

6.组建一个整合数据的工作队

Tang指出，在将ML应用于您的业务之前，您需要清理数据以使其准备就绪，以避免出现“垃圾入垃圾”的情况。 Tang说：“内部公司数据通常分布在不同遗留系统的多个数据孤岛中，甚至可能交由具有不同优先级的不同业务组处理。” “因此，获取高质量数据的一个非常重要的步骤是组成一个跨任务小组，将不同的数据集整合在一起，并找出不一致的地方，以使数据准确且丰富，并具有ML所需的所有正确维度。”

7.从小处着手

开始将AI应用于您的一小部分数据样本，而不要花太多时间。 M * Modal解决方案管理副总裁Aaron Brauser说：“从简单开始，逐步使用AI来证明价值，收集反馈，然后相应地扩展。” M * Modal为医疗保健组织以及其他组织提供自然语言理解（NLU）技术与电子病历（EMR）集成的AI平台。

特定类型的数据可以是有关某些医学专业的信息。 M * Modal的首席医学信息官（CMIO）吉兰·艾尔·萨达维（Gilan El Saadawi）博士说：“对AI的阅读要有选择性。” “例如，选择一个您要解决的特定问题，将AI集中在它上面，然后给它一个特定的问题来回答而不是扔掉所有数据。”

8.将存储作为AI计划的一部分

根据提供高性能计算的公司Penguin Computing的首席技术官（CTO）Philip Pokorny的说法，从少量数据样本中获取数据之后，您需要考虑存储需求以实现AI解决方案。 HPC），AI和ML解决方案。

“改进算法对于获得研究结果很重要。但是，如果没有大量数据来帮助构建更准确的模型，人工智能系统就无法充分改善以达到您的计算目标，” Pokorny在一份题为“关键决策：指南”的白皮书中写道。构建无悔的完整人工智能解决方案。” “这就是为什么在AI系统设计之初就应该考虑包含快速，优化的存储的原因。”

他建议，此外，您应该针对数据提取，工作流和建模优化AI存储。 Pokorny补充说：“花时间检查您的选项可能会对系统联机后的运行方式产生巨大的积极影响。”

9.将AI作为日常任务的一部分

根据IT运营AI（AIOps）提供商Moogsoft的全球IT传播者Dominic Wellington的说法，借助AI提供的额外洞察力和自动化功能，工人拥有了一种使AI成为日常工作的一部分的工具，而不是替代AI的工具。 ）。 惠灵顿解释说：“有些员工可能会担心会影响他们工作的技术，因此引入解决方案作为增加日常工作的一种方式很重要。”

他补充说，公司应该对技术如何解决工作流程中的问题保持透明。 他说：“这为员工提供了一个'幕后'体验，以便他们可以清晰地看到AI如何增强其作用而不是消除它。”

10.建立平衡

• 人工智能有一个偏见问题，这是我们的错人工智能有一个偏见问题，这是我们的错
• IBM人工智能应对人类辩论冠军IBM人工智能应对人类辩论冠军
• AI提供巨大潜力，但不会隔夜AI提供巨大潜力，但不会隔夜

Pokorny解释说，在构建AI系统时，它需要满足技术和研究项目的需求。 “即使在开始设计AI系统之前，首要的考虑是您应该平衡地构建系统，” Pokorny说。 “这听起来似乎很明显，但是很多时候，人工智能系统是围绕团队如何实现其研究目标的特定方面设计的，而没有理解支持该研究的硬件和软件的要求和局限性。无法达到预期目标的最佳系统，甚至功能失调的系统。”

为了实现这种平衡，公司需要为存储，图形处理单元（GPU）和网络建立足够的带宽。 安全也是经常被忽视的组成部分。 人工智能本质上要求访问大量数据以完成其工作。 确保您了解项目将涉及哪种数据，并且通常的安全保护措施（加密，虚拟专用网络（VPN）和反恶意软件）可能还不够。

“类似地，您必须权衡完成研究所需的总预算和通过冗余防止电源故障和其他情况的需要，” Pokorny说。 “您可能还需要增强灵活性，以便随着用户需求的变化重新利用硬件。”