如今,人工智能經(jīng)常被吹捧為各行業(yè)組織的未來之路,但是確保人工智能實施的投資回報率(ROI)真正實現(xiàn)往往是一件棘手的事情。一組以人工智能為導(dǎo)向的企業(yè),例如Appen、Cognizant、Cortex、Dataiku、DataRobot和德勤公司合作,并委托ESI ThoughtLab進行了一項研究,該研究對1,200個組織進行了基準(zhǔn)測試,以確定導(dǎo)致投資回報率(ROI)增長的因素人工智能。企業(yè)需要制定人工智能成功的路線圖。
除了有關(guān)人工智能投資和回報的數(shù)據(jù)外,跨行業(yè)調(diào)查還收集了有關(guān)1200個組織如何以及為何實施人工智能的詳細(xì)數(shù)據(jù)。利用這些數(shù)據(jù),結(jié)合人工智能成熟度框架,來自人工智能專家顧問委員會的意見以及與人工智能領(lǐng)導(dǎo)者的深入訪談,ESI Thought Lab得出了有關(guān)人工智能商業(yè)現(xiàn)狀的一系列結(jié)論。
ThoughtLab發(fā)現(xiàn),三分之二的企業(yè)高管認(rèn)為人工智能將對他們的業(yè)務(wù)至關(guān)重要,但這與人工智能投資的平均回報率只有1.3%,平均每個企業(yè)需要17個月才能達到收支平衡,40%的人工智能項目沒有正收益。然而,在其企業(yè)范圍內(nèi)擴大人工智能范圍的平均回報率更高(1.5%),對于人工智能領(lǐng)導(dǎo)者的平均回報率更高(4.3%)。
但是什么是人工智能領(lǐng)導(dǎo)者?哪些因素推動了更智能的人工智能實施帶來更高的投資回報率?ThoughtLab匯集了五項核心原則,這些原則是其1,200名接受者中最成功的人工智能實施的特征。
1.從試點開始,然后在整個企業(yè)范圍內(nèi)擴展人工智能。成功的實施始于需要人工智能的特定用例,并在這些試點案例中證明了其價值,然后將其擴展到整個企業(yè)。
2.打下堅實的基礎(chǔ)。在大多數(shù)情況下,成功的人工智能實施始于強大的IT和數(shù)據(jù)管理系統(tǒng)。許多人還擁有大量可用預(yù)算,考慮了人工智能中的道德和隱私問題,并制定了清晰的愿和計劃。
3.正確獲取數(shù)據(jù)。ThoughtLab發(fā)現(xiàn),十位領(lǐng)導(dǎo)者中有九位在數(shù)據(jù)管理方面很先進,其中包括心理數(shù)據(jù)、地理空間數(shù)據(jù)和實時數(shù)據(jù)等豐富的數(shù)據(jù)格式。
4.解方程的人為方面。企業(yè)領(lǐng)導(dǎo)者將其人工智能預(yù)算的27%用于人員上,幾乎是其他人的兩倍。企業(yè)領(lǐng)導(dǎo)者還更傾向于任命高級人員(例如首席人工智能或數(shù)據(jù)官)來監(jiān)督人工智能的工作。
5.采取協(xié)作和學(xué)習(xí)的文化。85%的回報豐厚的企業(yè)確保人工智能與業(yè)務(wù)專家之間密切合作,90%的企業(yè)為非數(shù)據(jù)科學(xué)家提供了獨立使用人工智能的技能,使人工智能在工作場所內(nèi)分散化。
輝瑞公司機器學(xué)習(xí)和人工智能負(fù)責(zé)人Peter Henstock說:“隨著人工智能的日益普及,有一種趨勢是提出新的人工智能計劃來解決問題。在不了解底層技術(shù)的情況下,很容易浪費資金來重復(fù)解決同一問題。隨著人工智能的廣泛應(yīng)用,需要制定一種以對問題域和機器學(xué)習(xí)領(lǐng)域的深刻了解為指導(dǎo)的策略。”
責(zé)任編輯:tzh
-
數(shù)據(jù)
+關(guān)注
關(guān)注
8文章
7015瀏覽量
88992 -
人工智能
+關(guān)注
關(guān)注
1791文章
47244瀏覽量
238367 -
機器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8414瀏覽量
132607
發(fā)布評論請先 登錄
相關(guān)推薦
評論