加快公司 AI 實施的 5 個技巧

了解公司範圍內人工智能實施的無與倫比的潛力並不是內幕消息。 即使近年來取得了所有進步，我們仍然感覺我們才剛剛開始看到人工智能可以做什麼。

數十個行業的企業將人工智能用於各種任務和流程的例子數不勝數。 算法可幫助公司預測客戶行為和購買模式、優化供應鏈、個性化體驗、了解您的員工隊伍，甚至幫助您找到 Waldo 。

然而，對於一些公司來說，實施和加速全面實施是一個令人生畏的前景。 許多人擔心供應商、集成能力、成本以及隱私和監管問題。 鑑於這些挑戰，果汁是否值得擠壓？

因此，如果您正在考慮在您的流程中進一步採用 AI，或者您已經開始過渡並發現它令人沮喪或乏味，這裡有五種方法可以更快地實現您的目標。

資料來源：麥肯錫公司

1) 獲得高管贊助

與之前的SaaS 示例一樣，與內部部署軟件相比，人工智能正在引入一種新的做事方式。 但隨著變化，挑戰也隨之而來。 獲得最高管理層的支持對於成功至關重要。

高層在使用人工智能方面的信息和參與度越高，在企業範圍內採用的機會就越大。 “強大的行政領導力與更強大的人工智能應用密不可分。

來自已成功大規模部署人工智能技術的公司的受訪者對高管支持的評價往往是未採用人工智能技術的公司的受訪者的近兩倍，”麥肯錫全球研究所的這項研究表明。

如果沒有一位商業領袖能夠領導您的 AI 轉型，那麼您的開端就已經很糟糕了。 確保那些擔任執行職務的人負責人工智能集成計劃的不同方面。

每個步驟還必須配備適當的人員來推動流程，而不必害怕在活動過程中改變管理層以取得成功。

每週與主要利益相關者安排一次電話會議，以確保角色不斷完善，並且每個人都了解採用狀態。

還值得強調的是，作為此次活動的負責人，您需要能夠支配整個組織的資源、投資和整體戰略。 這包括積極與您周圍的人互動，以獲得對 AI 戰略、人力和 IT 資產以及文化採用的支持。

如果您將文化採用作為優先事項，讓組織領導者在執行繼續轉型所需的修訂時承擔責任，這將有所幫助。 最高管理層必須消除技術和文化方面的障礙和障礙，以增加您成功的機會。

一旦最高管理層與您的目標保持一致，您就需要確定您希望如何管理和控制預算。 如果您當前的環境由相互競爭的內部分析或 AI 工作組成，則尤其如此。

最後，不要忘記慶祝並與您的組織交流進展。 這有助於加強高管的承諾並獲得對轉型的支持。

資料來源：麥肯錫公司

2) 定義數據管理和治理

更智能、更易於訪問的“自助服務”和團隊協作軟件帶來了數據、數據源和更多最終用戶期望的增加。

因此，對適當數據治理的需求變得至關重要。 沒有它，數據就毫無意義地存在於數據湖或倉庫中。 這樣看，更多的數據不受限制，可以給企業更多的自由。

然而，在企業層面，這可能意味著錯過步驟、低效產出和疏忽。 在感覺像是解決方案之前，更快的分析可能會成為一個問題。

在高管的支持下解決這個問題至關重要。 這意味著定義資源來管理和增強所有重要功能的數據收集、效率和使用。

此外，數據治理團隊必須制定和監督數據政策、標準、定義並管理數據質量。

請記住，並非所有數據都是平等的。 定義哪些需要執行控制，哪些數據可以公開使用。

鑑於當今更加用戶友好的分析和可視化工具的可用性，可以允許多少“自助服務”來創建更好的預測模型或創建新業務流程的不同方式？ 誰能定義這些數據集和用例？

這些都是需要考慮的重要方面，因為需要在嚴格和保護性以及靈活之間取得平衡。 這再次強調了有用的數據治理模型的重要性。

過多的控制可能意味著流程緩慢、缺乏響應、繁文縟節、需要諸如電子郵件驗證之類的東西，以及公開使用以業務為主導的 IT 解決方案。

太多的靈活性可能意味著真相的不同版本，導致沒有真正的所有權或責任、衝突和生產力的降低。

資料來源：畢馬威 

當您做出有關 AI 的決策時，數據治理流程允許您實施和管理所述決策。 包括誰可以訪問什麼、訪問多少以及訪問需要什麼。

3）考慮和測試方法而不是成功或失敗

所有 AI 應用都是獨一無二的，並且都面臨著各自的挑戰。 因此，您需要以“測試和改進”方法而不是“成功或失敗”方法開始所有 AI 介紹。

通常，分析方法推斷變量之間的定義關係。 試驗一個片面的假設將驗證或拒絕它，但不會發現變量之間的隱藏聯繫； 其所以然。

為每一步創建假設，然後在下一步中使用這些學習和經驗是至關重要的。 這意味著改進和策劃您的 AI 部署，直到感覺像一個可行的解決方案，提供有意義的結果是一個更容易的過程。

而且，雖然這種方法不可避免地會延長部署期限，但它也允許您微調結果以結合實際經驗教訓。

如果您將 AI 集成到自動聊天機器人等計算機化客戶服務中，那麼無論客戶走到哪裡，都有答案在等著他們，這一點至關重要。 它不能工作到某一點，它需要絕對的。 最終解決方案將與員工和最終用戶的需求保持一致。

資料來源：普華永道

4) 花時間在變革管理和培訓上

部署 AI API 以攝取新數據集非常簡單。 然而，改變未來將使用這些流程的分析師的管理和培訓是一項挑戰。

大多數形式的人工智能都會創建自動化決策——“是”或“否”。 然而，通常情況下，ML 算法的集成也可以允許更微妙的響應。 這些響應可以與現有流程結合使用以提供最佳結果。

例如，如果 AI 決策評分為 1-10 的適用性範圍的貸款申請，則 7-10 的分數可能會自動產生是。

但是，任何較低的內容仍然需要人工輸入來批准或拒絕申請。 如果您正在集成 AI 以通過VoIP 通信分析呼叫中心中的語音命令，那麼它如何能比“選項 1 或選項 2”更深入地區分命令？

就像您花時間培訓員工如何使用特定流程一樣，基於人工智能的結果也是如此。

人類員工可能需要花幾週時間分析 AI 算法返回的結果。 這將為他們提供如何最好地解釋分數的參考框架。

如果您使用 AI 供應商，他們可以就如何理解結果以及員工如何充分利用新系統提供指導。 否則，學習如何創建在線學習平台可能是一項值得的投資，可以讓團隊成員跟上進度。

人工智能不是“魔法”。 這只是了解模式和行為以提供更準確的結果並做出預測的一種方式。 人工智能只有在它有一個明確的問題需要解決並且有正確的衡量標準才能成功時才起作用。 如果你沒有明確定義你購買 AI 來解決的問題，你就不會得到正確的解決方案。

資料來源：哈佛商業評論

5) 鞏固和吸收自動化

隨著企業範圍內 AI 的普及，這些流程在未來會隨著多種類型自動化的引入而發生變化。 從完整的手動流程到採用 RPA，甚至更高級的 AI 協議。

最好只是（我知道這是一個很大的問題）在考慮 AI 的情況下從頭開始重新發明業務流程。 然後，您可以在任何給定步驟為工作應用最佳工具。

僅僅將 RPA 或 AI 插入已建立的流程可能意味著您會錯過其所有潛力。 您還需要考慮在進一步集成時需要進行的交接。

這包括人機學習或機器機器學習。 通過簡化交接並使其更加無縫和可靠，您可以進一步增強未來的流程，使其具有成本效益、競爭力和敏捷性。

資料來源：哈佛商業評論

人工智能實施可以加快。 然而，這並不一定是為了變得更聰明。 這是關於做出正確的選擇。 讓高管認同與定義的數據治理團隊相結合至關重要。

隨著對數據質量的關注，投入足夠的時間來改變管理，並進行沒有明確預期方法的測試。

如果您發現您的 AI 項目佔用了太多時間，請耐心等待。 就像任何類型的數字化轉型一樣，當您接近終點線時，您可能會遇到另一個障礙。 然而，克服它，可能性是無限的。

John Allen 是 RingCentral 的全球 SEO 總監，RingCentral 是一家全球 UCaaS、VoIP 和視頻會議解決方案提供商。 他在構建和優化數字營銷計劃方面擁有超過 14 年的經驗和廣泛的背景。 他曾為 Hubspot 和 BambooHR 等網站撰稿。