加快公司 AI 实施的 5 个技巧

了解公司范围内人工智能实施的无与伦比的潜力并不是内幕消息。 即使近年来取得了所有进步，我们仍然感觉我们才刚刚开始看到人工智能可以做什么。

数十个行业的企业将人工智能用于各种任务和流程的例子数不胜数。 算法可帮助公司预测客户行为和购买模式、优化供应链、个性化体验、了解您的员工队伍，甚至帮助您找到 Waldo 。

然而，对于一些公司来说，实施和加速全面实施是一个令人生畏的前景。 许多人担心供应商、集成能力、成本以及隐私和监管问题。 鉴于这些挑战，果汁是否值得挤压？

因此，如果您正在考虑在您的流程中进一步采用 AI，或者您已经开始过渡并发现它令人沮丧或乏味，这里有五种方法可以更快地实现您的目标。

资料来源：麦肯锡公司

1) 获得高管赞助

与之前的SaaS 示例一样，与内部部署软件相比，人工智能正在引入一种新的做事方式。 但随着变化，挑战也随之而来。 获得最高管理层的支持对于成功至关重要。

高层在使用人工智能方面的信息和参与度越高，在企业范围内采用的机会就越大。 “强大的行政领导力与更强大的人工智能应用密不可分。

来自已成功大规模部署人工智能技术的公司的受访者对高管支持的评价往往是未采用人工智能技术的公司的受访者的近两倍，”麦肯锡全球研究所的这项研究表明。

如果没有一位商业领袖能够领导您的 AI 转型，那么您的开端就已经很糟糕了。 确保那些担任执行职务的人负责人工智能集成计划的不同方面。

每个步骤还必须配备适当的人员来推动流程，而不必害怕在活动过程中改变管理层以取得成功。

每周与主要利益相关者安排一次电话会议，以确保角色不断完善，并且每个人都了解采用状态。

还值得强调的是，作为此次活动的负责人，您需要能够支配整个组织的资源、投资和整体战略。 这包括积极与您周围的人互动，以获得对 AI 战略、人力和 IT 资产以及文化采用的支持。

如果您将文化采用作为优先事项，让组织领导者在执行继续转型所需的修订时承担责任，这将有所帮助。 最高管理层必须消除技术和文化方面的障碍和障碍，以增加您成功的机会。

一旦最高管理层与您的目标保持一致，您就需要确定您希望如何管理和控制预算。 如果您当前的环境由相互竞争的内部分析或 AI 工作组成，则尤其如此。

最后，不要忘记庆祝并与您的组织交流进展。 这有助于加强高管的承诺并获得对转型的支持。

资料来源：麦肯锡公司

2) 定义数据管理和治理

更智能、更易于访问的“自助服务”和团队协作软件带来了数据、数据源和更多最终用户期望的增加。

因此，对适当数据治理的需求变得至关重要。 没有它，数据就毫无意义地存在于数据湖或仓库中。 这样看，更多的数据不受限制，可以给企业更多的自由。

然而，在企业层面，这可能意味着错过步骤、低效产出和疏忽。 在感觉像是解决方案之前，更快的分析可能会成为一个问题。

在高管的支持下解决这个问题至关重要。 这意味着定义资源来管理和增强所有重要功能的数据收集、效率和使用。

此外，数据治理团队必须制定和监督数据政策、标准、定义并管理数据质量。

请记住，并非所有数据都是平等的。 定义哪些需要执行控制，哪些数据可以公开使用。

鉴于当今更加用户友好的分析和可视化工具的可用性，可以允许多少“自助服务”来创建更好的预测模型或创建新业务流程的不同方式？ 谁能定义这些数据集和用例？

这些都是需要考虑的重要方面，因为需要在严格和保护性以及灵活之间取得平衡。 这再次强调了有用的数据治理模型的重要性。

过多的控制可能意味着流程缓慢、缺乏响应、繁文缛节、需要诸如电子邮件验证之类的东西，以及公开使用以业务为主导的 IT 解决方案。

太多的灵活性可能意味着真相的不同版本，导致没有真正的所有权或责任、冲突和生产力的降低。

资料来源：毕马威 

当您做出有关 AI 的决策时，数据治理流程允许您实施和管理所述决策。 包括谁可以访问什么、访问多少以及访问需要什么。

3）考虑和测试方法而不是成功或失败

所有 AI 应用都是独一无二的，并且都面临着各自的挑战。 因此，您需要以“测试和改进”方法而不是“成功或失败”方法开始所有 AI 介绍。

通常，分析方法推断变量之间的定义关系。 试验一个片面的假设将验证或拒绝它，但不会发现变量之间的隐藏联系； 其所以然。

为每一步创建假设，然后在下一步中使用这些学习和经验是至关重要的。 这意味着改进和策划您的 AI 部署，直到感觉像一个可行的解决方案，提供有意义的结果是一个更容易的过程。

而且，虽然这种方法不可避免地会延长部署期限，但它也允许您微调结果以结合实际经验教训。

如果您将 AI 集成到自动聊天机器人等计算机化客户服务中，那么无论客户走到哪里，都有答案在等着他们，这一点至关重要。 它不能工作到某一点，它需要绝对的。 最终解决方案将与员工和最终用户的需求保持一致。

资料来源：普华永道

4) 花时间在变革管理和培训上

部署 AI API 以摄取新数据集非常简单。 然而，改变未来将使用这些流程的分析师的管理和培训是一项挑战。

大多数形式的人工智能都会创建自动化决策——“是”或“否”。 然而，通常情况下，ML 算法的集成也可以允许更微妙的响应。 这些响应可以与现有流程结合使用以提供最佳结果。

例如，如果 AI 决策评分为 1-10 的适用性范围的贷款申请，则 7-10 的分数可能会自动产生是。

但是，任何较低的内容仍然需要人工输入来批准或拒绝申请。 如果您正在集成 AI 以通过VoIP 通信分析呼叫中心中的语音命令，那么它如何能比“选项 1 或选项 2”更深入地区分命令？

就像您花时间培训员工如何使用特定流程一样，基于人工智能的结果也是如此。

人类员工可能需要花几周时间分析 AI 算法返回的结果。 这将为他们提供如何最好地解释分数的参考框架。

如果您使用 AI 供应商，他们可以就如何理解结果以及员工如何充分利用新系统提供指导。 否则，学习如何创建在线学习平台可能是一项值得的投资，可以让团队成员跟上进度。

人工智能不是“魔法”。 这只是了解模式和行为以提供更准确的结果并做出预测的一种方式。 人工智能只有在它有一个明确的问题需要解决并且有正确的衡量标准才能成功时才起作用。 如果你没有明确定义你购买 AI 来解决的问题，你就不会得到正确的解决方案。

资料来源：哈佛商业评论

5) 巩固和吸收自动化

随着企业范围内 AI 的普及，这些流程在未来会随着多种类型自动化的引入而发生变化。 从完整的手动流程到采用 RPA，甚至更高级的 AI 协议。

最好只是（我知道这是一个很大的问题）在考虑 AI 的情况下从头开始重新发明业务流程。 然后，您可以在任何给定步骤为工作应用最佳工具。

仅仅将 RPA 或 AI 插入已建立的流程可能意味着您会错过其所有潜力。 您还需要考虑在进一步集成时需要进行的交接。

这包括人机学习或机器机器学习。 通过简化交接并使其更加无缝和可靠，您可以进一步增强未来的流程，使其具有成本效益、竞争力和敏捷性。

资料来源：哈佛商业评论

人工智能实施可以加快。 然而，这并不一定是为了变得更聪明。 这是关于做出正确的选择。 让高管认同与定义的数据治理团队相结合至关重要。

随着对数据质量的关注，投入足够的时间来改变管理，并进行没有明确预期方法的测试。

如果您发现您的 AI 项目占用了太多时间，请耐心等待。 就像任何类型的数字化转型一样，当您接近终点线时，您可能会遇到另一个障碍。 但是，克服它，可能性是无限的。

John Allen 是 RingCentral 的全球 SEO 总监，RingCentral 是一家全球 UCaaS、VoIP 和视频会议解决方案提供商。 他在构建和优化数字营销计划方面拥有超过 14 年的经验和广泛的背景。 他曾为 Hubspot 和 BambooHR 等网站撰稿。