人工智能可以为企业带来竞争优势，并释放难以获得的巨大商机。因此，人们需要了解制定有效的人工智能优先策略的6个步骤。
人工智能对现代企业的影响令人难以置信。那么你是否知道Netflix公司的人工智能推荐引擎每年可以获得10亿美元的收入?Netflix公司并不是唯一意识到人工智能重要性的企业，调查表明84%的企业认为人工智能可以给他们带来竞争优势。
人工智能技术在过去几年中取得了飞速的发展。自动化和人工智能领域的许多发展和进步都集中在提高员工生产力上。根据调研机构埃森哲公司的预测，到2035年，人工智能将使企业的生产率提高40%。
人工智能技术最有影响力的应用并不是生产力或运营业务速度的提高，而是解决以前无法解决的问题的能力。
人工智能优先战略的主张是：人工智能提供以前由于技术限制而无法获得的业务解决方案，这些解决方案可以使企业具有竞争优势。人工智能优先的战略将人工智能融入业务活动的技术堆栈中，以至于它消失在基础设施中。客户无需学习适应，员工无需人工处理，其结果可以实时提供给各个用户，无论是客户还是员工。
与传统的数据驱动决策过程不同，企业获得人工智能系统生成的见解，然后做出明智的决策，而人工智能优先策略可自动执行决策，从而极大地提高了业务响应能力。
创建人工智能优先策略的步骤
有些组织创建了自己的人工智能战略，其战略只是对其业务运营采用人工智能并进行改进。人工智能优先策略与这种方法有所不同，因为它通常会彻底改变常规业务。
人工智能优先战略将释放新的商机，创造更高的客户价值，并使用颠覆性解决方案解决原有的业务问题。而潜在的颠覆性技术需要采用颠覆性的方法来实现。并非所有企业都意识到这一点，这就是所有人工智能项目中有50%最终失败的原因!
以下是实施有效的人工智能优先策略的6个步骤：
1.建立人工智能就绪文化
人工智能优先战略将人工智能嵌入到业务方法的基本结构中。它使员工能够利用人工智能开发创新的解决方案，从而为客户增加价值，并提高企业的收入。因此，需要转变企业文化的模式为这种策略腾出空间。而且与任何变革措施一样，它也会充满原有的惯性。
人工智能优先战略必须获得企业内部各个层面和各个部门的支持才能获得成功。以下是一些在企业内部为人工智能策略提供支持的想法：
获得高层管理人员的支持
企业需要从上向下领导变革。在高层管理人员率先进行人工智能转型的过程中，可以向员工明确地传达人工智能转型是至关重要的这一信息。
建立人工智能变革团队
企业召集内部各个部门的创新性人才，并任命他们为变革推动者。从他们那里了解有关各自部门需求、人工智能应用程序以及对人工智能转型面临障碍的反馈。授权这些变革推动者领导各自部门的人工智能转型，对个人的成就进行奖励以提高团队成就。
教育利益相关者
企业的变革推动者只是推动人工智能转型还不够，还必须广泛采用人工智能。而且只有当认识到人工智能的潜力时，这种情况才会发生。因此需要对他们进行有关人工智能和应用以及对企业具有潜在影响的教育。
2.投资人才
招募人工智能技能的人才是有效实施人工智能优先策略的第二个重要的措施，仅次于数据质量。企业在创建人工智能团队时，需要考虑以下几点：
寻求合适的人才
招募合适的人才对于实现人工智能目标至关重要。但是，找到具有机器学习专业技能的人才说起来容易做起来难。人工智能技术发展如今仍然处于萌芽状态，因此，没有合适的人才，实施人工智能项目的成本很高。
此外，人工智能项目需要各种资源，需要数据工程师或研究人员来组织企业的数据，需要数据科学家从中提取见解，还需要软件工程师创建应用程序。
人员招聘
现在，人工智能的潜在投资回报远远超过其成本。那并不意味着在人员招聘花费更多的费用。有时候，培养内部人才比招聘外部人才更明智。通过传授经验和知识培训，企业的内部员工通常能够承担开发人工智能项目的工作。
基于价值的战略
确保人工智能团队了解企业的目标和价值观，并根据这些制定人工智能目标。与此同时，新组建的人工智能团队必须具有明确的头衔和团队结构，才能像运转良好的机器那样发挥作用，以实现共同的目标。此外，还应该根据业务现状和企业价值确定优先级。
3.实施计划
人工智能项目不同于其他常规项目。它的成功将对企业的各个方面及其未来发展产生深远的影响。因此必须有一个明确的实施计划。
从人工智能目标入手
企业需要创建流程、任务和问题的全面列表，在这个列表中，人工智能可以提供最大或即时的影响。此外，根据它们对业务的重要性来确定这些人工智能目标的优先级，并按顺序进行处理。阐明企业中每个部门的人工智能目标，并确定其范围，其中包括技术先决条件和理想结果。
通过人工智能框架实现标准化
企业开发一套具有标准的人工智能框架，以评估人工智能在预定目标方面的成功与否。这些标准应该引导企业找到合适的指标，以帮助评估人工智能计划在每个层面上的成功。
考虑构建与购买
企业需要权衡构建人工智能系统与购买人工智能的利弊。通常情况下，购买或租用人工智能系统是一种更加经济可行的选择，可以立即开始使用。但是，第三方人工智能并不是专门为企业的业务和应用程序设计的，因此并未针对它们进行优化。因此，需要降低对第三方人工智能解决方案的期望。
另一方面，从头开始构建人工智能既昂贵又费时。但是，由于针对独特应用程序进行全面优化，因此其结果将会更好。
4.数据收集与准备
强大的数据策略是成功的人工智能策略的核心。开发其策略将涉及三个步骤：
识别数据集
对于从人工智能中获得的收益具有清晰的认识，并确定获得这些收益所必需的数据源。人工智能的一些用例可以是：
(1)开发改进或全新的产品或服务。
(2)自动化操作和流程。
(3)提供个性化的客户体验。
(4)价格优化。
在正式确定了人工智能用例之后，就可以指定用于这些目的所需的数据。
创建数据处理指南
下一步是确定数据源、数据治理以及收集、存储、处理和操作数据所需的技术。此外，考虑到与数据采集、处理和利用有关的隐私问题也是至关重要的。企业还要制定明确的数据处理指南，以确保解决隐私合规性问题。
定义错误和数据质量
有些数据可能需要在使用前进行清理，因此需要定义数据错误并根据需要设置数据质量标准。
5.建立模型
目前一些可以实施的机器学习模型并不是能够解决每个业务问题的全面解决方案。为了从人工智能中获取最大价值，企业必须采用一种为其独特应用场景提供最佳结果的机器学习模型。
选择合适的机器学习模型
从选择合适的机器学习模型开始实施项目。通过回答以下问题，企业可以找到适合自己的机器学习模型：
(1)如何交付人工智能项目?
(2)谁拥有人工智能项目——是分析小组，自动化小组，还人工智能卓越中心?
(3)下一步是什么?
(4)谁负责交付每个行动、任务和里程碑?
(5)应该遵循哪些工作流程?
评估机器学习模型
可以根据企业的场景和业务应用比较不同的机器学习模型。例如，准确性是必须考虑的因素之一。对于无人驾驶汽车来说，达到99%的精度还是不能满足要求。而在另一方面，对于电影推荐引擎来说，60%的准确性绰绰有余。无论选择哪种机器学习模型，都具有一系列的权衡。因此在做出选择之前，需要先了解它们。
定义机器学习模型的工作流程
典型的机器学习模型工作流程分为三个步骤。第一步是数据工程，其中包括数据收集、数据预处理和构建数据集。第二步是机器学习模型工程，其中包括模型培训和优化、评估和部署到生产。最后一步是代码工程，它将机器学习模型集成到产品中，并包括部署到生产中。
持续迭代模型
一旦采用了机器学习模型，需要对其进行更新迭代，直到获得所需的结果。完善机器学习模型需要大量的高质量数据集。同样，还要对机器学习算法进行调整，以优化它们并提高其准确性。因此，需要花费大量的时间从机器学习模型中获得所需的结果，而不是匆忙地完成。
6.交付模型和结果
成功的人工智能优先策略可以带来长期收益。但是，如果人工智能计划花费太长时间才能取得成果，则可能会失去实施动力。有一些方法可以克服这一障碍，而又不影响人工智能性能的质量：
利用敏捷来迭代交付
企业的首要任务必须是快速获得人工智能的好处，并得到更多人的支持。当然，敏捷交付模型对于人工智能优先策略的成功至关重要。迭代交付结果将会超出企业的期望，并消除了采用人工智能的内在惯性。
建立DevOps思维方式
DevOps的思维方式可以显著提高人工智能交付业务成果的速度。通过尽快取得一些胜利或提供高影响力的结果，人工智能团队可以消除企业内部人员对人工智能的怀疑态度。
DevOps的思维方式使人工智能团队对企业的需求和市场的反应更加迅速。
采取机器学习即服务(MLaaS)方法
在将来，人工智能技术应该在企业内部员工队伍中都能够访问且易于使用。在理想情况下，机器学习即服务(MLaaS)模型消除了与人工智能团队进行协调的需求，并授权其他员工使用人工智能来适应其业务用例。
度量和测量
人工智能转型项目的成功不应该通过对其绩效的主观分析来衡量。这样做会使它受到抵制变革的内部人员的批评。因此，必须根据上述三个步骤中讨论的预定指标来衡量人工智能的成功。如果人工智能无法满足预期的结果，需要对其进行迭代，直到达到预期的水平。
结论
人工智能优先战略是一项持续改进的项目。无论企业的人工智能计划提供多少价值以及解决了多少问题，总有改进的空间。通过教育所有利益相关者并激发他们思考使用人工智能解决业务问题的方法，企业将能够在广泛的流程和环境中更好地利用人工智能，从而最终在业务活动的各个方面获得竞争优势。
