内容
- 数据科学改善业务成果的关键
- 将AI扩展到具有领域专业知识的人员
- 了解决定的内容
- 没有错误，没有压力-在不破坏生活的情况下创建可改变生活的软件的分步指南
- 互联网兴起的教训
- 现在使技术变得可访问
- 通过减少时间和成本来减少风险
资料来源：Denisismagilov / Dreamstime.com
带走：
人工智能的未来不是令人印象深刻的月球，而是我们与电子表格关联的日常日常使用。这就是人工智能从稀有领域到普通商业用途的涌现。
数据科学改善业务成果的关键
在一个 哈佛商业评论 文章的创始人和首席执行官Alessandro Di Fiore 欧洲战略创新中心 （ECSI）反驳了“ 数据科学家 更有机会产生业务影响。”基于他的咨询工作和 研究，他得出的结论是，雇用更多的数据科学家并不一定能为企业带来更好的结果。
Fincross International的创始人兼副首席执行官Henry James在最近的一次采访中对我也有同样的看法，他说，他在拥有大量可投资资源的企业中所看到的 数据科学 实际上，如果一支5人一组的团队比50人一支的团队，他们可以做得更好。
将AI扩展到具有领域专业知识的人员
Di Fiore指出，对于一家公司而言，真正与众不同的是“获取信息的民主化 人工智能 他说：“最佳实践表明，民主化如何带来更快，更好的分布式决策，使公司变得更加敏捷，对市场变化和机遇做出响应。 ”（要了解某些企业如何使用AI，请查看 今日AI：谁正在使用它以及如何使用.)
尽管他不在乎“民主化”一词，而是喜欢“团队运动”一词，但Ople的首席运营官Todd Hay同意这种观点。正如他在Techopedia的一次采访中所解释的那样，他设想了从稀有和集中化的AI到大众的转变，类似于采用 电子表格，所有商人都应使用的有用工具。
Hay说：“主题和领域专家最适合评估可能影响业务的预测。”但是，通过设置可以让数据科学家负责这些工作 预测模型，“将它们从流程中排除。”这对企业没有好处。
尽管他承认数据科学家具有数学和统计学方面的专业知识，可以判断模型是否运行良好，但是他们没有能力确定应该向AI提出哪些问题来解决。模型专业知识和利益相关者专业知识之间的差距就是“ 70％-80％的案例模型从未使用过”这一事实的原因。
了解决定的内容
无法理解模型的工作方式还有其他影响。 Hay说，在诸如医疗保健，保险或金融等受监管的行业中，人们所担心的是他们必须向审计师解释决策过程，而不能这样做。
Ople的AI高级销售营销主管Rick Saletta 机器学习 与数据科学，在采访中注意到他的同意，并说这就是为什么企业现在希望开发“透明AI”的原因， 可解释的人工智能。正如我们所见 人工智能做了一些解释，在没有对AI如何得出结论的清晰解释的情况下，您无法确定它是否“无偏见”。他补充说，通过说“ AI确实做到了”来摆脱企业公平运营的责任已不再被接受。它。”
没有错误，没有压力-在不破坏生活的情况下创建可改变生活的软件的分步指南
当没有人关心软件质量时，您就无法提高编程技能。
互联网兴起的教训
像黑盒子一样运作的AI仍然存在恐惧，这使企业无法获得其可能带来的全部收益。 Hay说，这是一种必须改变的观念。他建议 今天的AI 就像90年代后期的互联网一样。这意味着将会出现一些严重的故障，例如 Pets.com 以及由于人们不确定如何应用新技术而导致的其他类似的失败。他说，对新技术的恐惧使人们望而却步：“它是新的，可怕的，非常复杂的。”
但是对于那些弄清楚它的人来说也有很大的机会。 Hay说：“我们现在看到的所有东西都是通过互联网开放的，因为人们愿意尝试新事物。”现在情况也一样 人工智能使人 找到“他们甚至都不知道他们应该寻找的东西”。他们也不应怀疑自己的能力，因为许多“公司中的技能比他们想象的要多，尤其是”主题专家 以及了解数据的人。”
现在使技术变得可访问
Hay宣称：“我们希望看到现在每个公司如何利用AI的今天。”为了做到这一点，有必要使AI能够在数据科学专家圈子之外访问。他解释说：“世界上合格的数据科学家的数量远远少于可从中受益的公司数量。”因此，解决更多业务问题的关键是“不是让更多的人成为吴恩达，而是要使技术可供人们使用。”
确实，这就是未来的潮流 加特纳，该公司预计今年的 “自助”分析。人工智能以及诸如“SaaS （云） 分析 和 双 Gartner研究总监Carlie J. Idoine指出，这些平台使非专业人员能够比以往更轻松，更具成本效益地进行有效的分析并更好地为他们的决策提供依据。
当这在企业中实施时，更多的员工克服了他们不愿意帮助自己获得AI好处的意愿，它可以真正成为组织中的参与性运动，而不是旁观者运动。这种转变会产生巨大的影响。 （（如果您对企业的AI不太了解，则可能需要考虑以下一些实现： 公司可能要考虑使用AI的5种方法.)
通过减少时间和成本来减少风险
Hay解释说：“人们非常害怕花六个月来进行假设，”因为这是对时间和金钱的重大投资，最终可能会失败。但是，如果 人工智能 并不是为那些时间跨度较长的大型月球计划保留的，而是对于更快速地完成甚至可能每天执行的更常见的任务，它们变得“更像电子表格”，这意味着人们可以使用的廉价易用工具甚至不尝试尝试几种不同的方法来找到最适合他们需求的方法。
但是，Idoine警告说，这并不意味着企业应该只期望员工自己掌握如何使用和适应其需求。她坚持认为“需要培训，支持和入门过程，以帮助大多数自助用户获得有意义的输出。”因此，有必要提供“关于如何快速启动和运行以及如何应用的正确指导。而不是增加数据科学团队的人数，这是更好地解决业务问题的关键。
