SigOpt:选择人工智能项目试点的重要标准
2019年03月13日 由 浮生 发表
350596
0
1. 你有一个定义明确的问题要解决
如果你对组织中早期人工智能实验的进展感到沮丧,那可能是因为这些试验还没有明确的结果。
Wilde建议:“选择一个最终结果在脑海中的项目或用例。”“太多的人工智能努力开始于创新或发现项目,而没有考虑任何实际的商业结果。几乎所有人都停滞不前。”因此,首先确定一个人工智能可能能够帮助解决的业务问题。Wilde以自动化手动业务流程来加快周期时间和优化有价值的资源为例。“它不需要大的或战略性的,但你需要有一个明确的问题来试验和学习,”他说。
2. 你有明确的方法来衡量结果
让我们更多地谈谈“成功指标”。在开始之前,您需要知道如何定义和度量它们,否则即使是最辉煌的成功故事也会让您感到痛苦。
Wilde说:“选择一个你可以定义理想状态的机会。”“许多组织与人工智能打交道的理念是,它将告诉他们,在一个庞大的数据池中,正确的答案是什么。实际上,人工智能很擅长发现映射到或匹配已定义的期望状态的内容。”Wilde分享了一些经验:假设您的业务问题与遵从性有关。您的团队花费了无数的人力时间来检查合同和其他文档,以寻找可能的遵从性问题。对于人工智能(以及机器学习等子学科)来说,这可能是一个好问题,但前提是你要教会你的人工智能遵从性的参数。:“如果这就是符合合同语言的样子,人工智能就可以自动识别哪些合同符合,哪些不符合。”“如果你不能定义想要的状态,就不要指望人工智能为你做这件事。”
3. 你已经尽可能平衡了最大的影响性和最低的复杂性
试点的目的不是快速解决公司最复杂的挑战。相反,您想要实现真正的影响,而不是让团队从头开始就陷入高度的复杂性。试点的一个关键目标是建立一个可参考的胜利。
West Monroe Partners高级架构师Jeremy Wortz说:“与任何试点项目一样,高影响和低复杂性的用例是最好的,具有可测量的ROI。”“通常,当销售团队的推荐引擎之类的简单用例是有形的、可测量的,并能迅速回报价值时,人工智能飞行员可以变成一个‘科学实验’,部署过于复杂的解决方案来展示技术实力。”
这里的风险通常很高,所以确保你最初的雄心是有根据的:“如果第一个试点不成功,人工智能计划可能会无限期地停滞不前,”Wortz说。
4. 你可以时刻访问数据
“人工智能应用程序的最大先决条件是大量数据,” SPR的数据,执行总监Mike Vogt说。“越多越好。”“如果数据字段经常变化,那么算法很难产生一致性,”Vogt补充说:“没有模型是完美的,不负责任的用例会产生危险的自动化决策。最后,不要忘记这些算法需要由团队维护。“