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