人工智能（AI）為各行業(yè)領(lǐng)域的企業(yè)提供了發(fā)展和改善業(yè)務(wù)運(yùn)營(yíng)的機(jī)會(huì)。根據(jù)《財(cái)富商業(yè)見(jiàn)解》的調(diào)查，2019年全球人工智能市場(chǎng)規(guī)模為270億美元，這一數(shù)字預(yù)計(jì)到2027年將達(dá)到2670億美元。這表明很多企業(yè)致力于采用當(dāng)今時(shí)代這個(gè)最具生產(chǎn)力的技術(shù)。

　　但是，實(shí)施人工智能戰(zhàn)略面臨著挑戰(zhàn)，特別是對(duì)于那些根本不知道從哪里開(kāi)始的傳統(tǒng)企業(yè)來(lái)說(shuō)。

　　規(guī)劃人工智能試點(diǎn)項(xiàng)目的4個(gè)技巧

　　根據(jù)定義，企業(yè)在進(jìn)行大規(guī)模定量研究之前需要進(jìn)行試點(diǎn)，以避免在設(shè)計(jì)不足的項(xiàng)目上浪費(fèi)更多的時(shí)間和費(fèi)用。試點(diǎn)項(xiàng)目與正式項(xiàng)目實(shí)際上并沒(méi)有什么不同，但提供了“先試后買(mǎi)”的功能，可以幫助企業(yè)了解新的解決方案或流程、面臨的挑戰(zhàn)和帶來(lái)的潛在價(jià)值。盡管大多數(shù)人遵循相同的基本原則（定義問(wèn)題、期望的目標(biāo)、成本、所需的資源，以及衡量結(jié)果），但是不斷變化的人工智能領(lǐng)域具有一些應(yīng)該了解的細(xì)微差別。企業(yè)選擇人工智能試點(diǎn)項(xiàng)目之前，需要考慮以下四個(gè)標(biāo)準(zhǔn)：

　　1. 明確定義企業(yè)的人工智能項(xiàng)目應(yīng)該交付的業(yè)務(wù)成果

　　在過(guò)去的幾年中，人工智能獲得了巨大的發(fā)展，如今仍然是一個(gè)熱門(mén)話(huà)題。雖然某些方面讓人們感到振奮，人工智能有助于提高冠狀病毒疫苗接種率，改善購(gòu)物體驗(yàn)。但在某些方面卻令人感到沮喪，例如可能帶來(lái)的失業(yè)或道德困境，但人工智能仍不斷發(fā)展。明智的企業(yè)正在尋找各種使用人工智能的策略和方法。

　　盡管具有廣泛的吸引力，但人工智能并非適用于每個(gè)業(yè)務(wù)流程，并且也不是萬(wàn)能的。在企業(yè)開(kāi)始實(shí)施人工智能試點(diǎn)項(xiàng)目之前，需要確保已經(jīng)明確定義面臨的問(wèn)題和希望得到的結(jié)果。是否有商業(yè)措施來(lái)跟蹤進(jìn)度？

　　定義項(xiàng)目并將其提交給企業(yè)的領(lǐng)導(dǎo)者批準(zhǔn)之后，就將應(yīng)對(duì)下一個(gè)挑戰(zhàn)。

　　2. 選擇正確的方法

　　通過(guò)采用開(kāi)源、云服務(wù)、具有內(nèi)置人工智能功能的產(chǎn)品，企業(yè)可以聘請(qǐng)數(shù)據(jù)科學(xué)家來(lái)構(gòu)建自己的解決方案，或者采用現(xiàn)成的人工智能方案，但這兩種方法各有利弊。例如，現(xiàn)成的云計(jì)算解決方案已經(jīng)廣泛使用，但是接受訓(xùn)練的數(shù)據(jù)并不是企業(yè)自己的，并且成本可能非常昂貴。企業(yè)聘請(qǐng)數(shù)據(jù)科學(xué)家構(gòu)建自己的解決方案可以提供在其他地方找不到的自定義級(jí)別，但要獲得適當(dāng)?shù)娜瞬藕蛯?zhuān)業(yè)知識(shí)是很困難的。

　　為了在阻力最小的路徑上獲得所需的結(jié)果，企業(yè)需要考慮最終選擇的解決方案所帶來(lái)的挑戰(zhàn)，但沒(méi)有一個(gè)解決方案是完美的。權(quán)衡現(xiàn)有IT生態(tài)系統(tǒng)中最合適的資源，不僅需要讓企業(yè)的試點(diǎn)項(xiàng)目啟動(dòng)和運(yùn)行，而且需要對(duì)其進(jìn)行部署，持續(xù)改進(jìn)所需的資源，以及利益相關(guān)者積極地參與試點(diǎn)項(xiàng)目，以使其計(jì)劃步入正軌。

　　3. 預(yù)測(cè)學(xué)習(xí)曲線(xiàn)

　　人工智能模型需要訓(xùn)練。隨著時(shí)間的推移，它們會(huì)變得越來(lái)越智能（在經(jīng)過(guò)適當(dāng)設(shè)計(jì)的情況下），但是其學(xué)習(xí)曲線(xiàn)并不僅僅針對(duì)與之交互的人類(lèi)。這是針對(duì)模型本身的。即使使用主要云計(jì)算提供商提供的開(kāi)箱即用的解決方案，也需要進(jìn)行調(diào)整以適應(yīng)企業(yè)的業(yè)務(wù)需求、固有偏差和目標(biāo)，這將花費(fèi)大量時(shí)間和精力，因此需要考慮這些因素對(duì)項(xiàng)目的成功來(lái)說(shuō)有多重要。

　　另一方面，企業(yè)可以使用先進(jìn)的技術(shù)，但是如果沒(méi)有為使用這些技術(shù)的人員提供適當(dāng)?shù)呐嘤?xùn)，那么無(wú)法充分利用這些技術(shù)的好處。例如，一種算法可以像人類(lèi)一樣準(zhǔn)確地了解X射線(xiàn)的結(jié)果，但是如果醫(yī)療保健機(jī)構(gòu)沒(méi)有充分了解其使用的技術(shù)和過(guò)程，那么將會(huì)面臨失敗。

　　4. 了解測(cè)試與生產(chǎn)準(zhǔn)備的情況

　　人工智能的試點(diǎn)計(jì)劃之所以獲得關(guān)注，是因?yàn)樗鼈冊(cè)谔峤恢皶?huì)測(cè)試提議的解決方案的最高風(fēng)險(xiǎn)。如果項(xiàng)目太復(fù)雜、資源過(guò)多或財(cái)務(wù)負(fù)擔(dān)沉重，那么企業(yè)可以從中學(xué)到一些經(jīng)驗(yàn)教訓(xùn)，并從最小的損失中解脫出來(lái)。但是也要注意，成功的人工智能試點(diǎn)項(xiàng)目并不能保證成功進(jìn)行生產(chǎn)。

　　業(yè)務(wù)需求和數(shù)據(jù)在不斷變化。為了從企業(yè)的人工智能計(jì)劃中獲得最好的結(jié)果，必須對(duì)模型進(jìn)行持續(xù)的測(cè)試和再訓(xùn)練，才能為企業(yè)的客戶(hù)提供準(zhǔn)確的結(jié)果。

　　這種情況在將人工智能用于生產(chǎn)之后并不會(huì)消失。一次性驗(yàn)收測(cè)試適用于傳統(tǒng)（靜態(tài)）軟件，但不適用于人工智能系統(tǒng)，因?yàn)殡S著周?chē)澜绲淖兓斯ぶ悄芟到y(tǒng)必須自行改變。企業(yè)需要規(guī)劃一種不同類(lèi)型的監(jiān)控、在線(xiàn)測(cè)量和再訓(xùn)練策略，以糾正數(shù)據(jù)和概念漂移、潛在偏差和道路上其他在早期測(cè)試中可能不明顯的問(wèn)題。

　　通過(guò)將這四個(gè)標(biāo)準(zhǔn)考慮在內(nèi)，企業(yè)可以為其業(yè)務(wù)選擇最具影響力的人工智能試點(diǎn)項(xiàng)目，并為其提供最佳采用人工智能技術(shù)的速度最快、風(fēng)險(xiǎn)最低的學(xué)習(xí)途徑。