企业切入人工智能的四点建议

今天和大家分享来自哈佛商业评论的一些研究。

近年来，人工智能（AI）系统在从客户支持到癌症治疗等诸多领域得到了惊人的发展。

只要把‘AI'做为关键字似乎成了拿到投资的保证。

同时媒体也在不断渲染和夸大AI对人类社会的威胁，诸如传统工作的消亡；一些政府似乎也对那些超级智能的机器人杀手有所顾虑。

然而人们对于究竟什么是AI，以及该如何应对AI对商业企业的冲击等等却讨论甚少。

当论及人工智能，机器学习，自动化，大数据，认知计算或深度学习时，我们指的是机器基于数据和推理实现目标的能力。

这种能力机器远胜于人且极其重要，它已经在诸多领域内取得了振奋人心的成果。

然而这并非AI的全部。在AI的核心仍然有几个重大问题并未取得实质性进展，比如类比学习和自然语言理解。

机器学习并非魔术，事实上很多时候我们并没有足够的数据，技术也尚未成熟到能让机器像人类一样穿梭于多个领域自如地做决策。

也许这会让许多狂热的AI支持者失望，但我们认为，未来十年出现全面超智能AI系统的概率微乎其微。

公司的决策者们应该把精力放在那些目前已出现的技术上。

在未来5到10年内，AI带来的价值将主要来自于在正确的时间向正确的人群提供正确的信息。

在过去几年的商业智能革命的基础上，机器学习将加速模式发现以及自动化价值提取。

数据将日益推动实体经济，更有效地整合资源及按需求来提供货物或服务，从而降低故障率和提高可预测性。

在服务业中，我们不仅将更好地预测需求，而且还将学习在极度个性化的基础上提供正确的产品（如Netflix）。

在零售业中，我们将看到更复杂的供应链，以及能够更深入地了解消费者的喜好，定制产品和购买在线／离线体验的能力。零售商将专注于引领趋势，了解用户偏好及创立品牌等方面。

在制造业中，我们将看到全系统实时监控以及大量运用机器学习算法来自动检测异常。系统各组件间将无缝对接，从而优化组件寿命，并减少人类干预。

在农业中，我们将大量采用数据来决定作物种植的位置，种类及数量。这将保证以更少的资源来实现更可持续的增长。

如今，管理者如何将AI纳入日常决策和长期规划？公司又将如何准备迎接机器学习的冲击？

我们建议考虑如下几方面：

首先，标准化业务流程。

找出那些频繁使用的关键决定或程序，并收集尽可能多的影响结果的相关数据。

打比方说银行贷款审核，我们需要记录

a)贷款是否被批准，

b) 用于作出该决定的数据; 以及

c)有关决定背后情况的任何其他信息。（谁做的？一天中的什么时间？他们对决策有多大的自信？）这些都是AI的宝贵燃料。

其次，专注于简单明晰的问题。

AI适用于问题定义明确的情形。打比方说，欺诈交易检测问题就定义非常清楚。相反，问题“做什么客户会喜欢？”则太模糊。

再次，如果简单标准业务逻辑已经胜任，不要为了AI而AI。

AI适用于存在大量难以描述的规则，或者规则遵循复杂的非线性模式的情形。如果您希望高透明度及可靠性，请选择符合性能标准的最简单的手段。

第四，如果决策过程过于复杂，我们可以采用AI来辅助决策者。

如果目标定义不清，可尝试用AI来创建中间结果。你可以将机器学习看作是层次决策路径的一部分，用来帮助人们对问题理解更深入。

结束语。现如今许多企业都可以实现一些不太复杂的AI应用来帮助大部分员工提高工作效率，并使他们的工作变得为更有趣且更有价值。

记住一点，AI目前并没有扭转乾坤的魔力，然而它可以将一个平凡企业变的更加伟大。

原文出处：https://hbr.org/2016/11/how-to-make-your-company-machine-learning-ready&ab=Article-Links-End_of_Page_Recirculation

本文经公众号aihelps（人工智能商业）授权转发

特别提示：

本文章由亮剑会提供，亮剑会是邹洪亮和胡曾剑联合创办的AI商业应用社群，致力于人工智能的商业化。

邹洪亮，电子商务资深顾问，拥有15年丰富的互联网一线操盘经验，曾任500彩票网(纽交所: WBAI)副总裁。移居加拿大后，创办Havlek咨询公司，为加拿大著名企业MEC、JYSK、Saje、Uniserve等提供云架构设计、大规模计算、商业智能分析等服务。

胡曾剑，Simon Fraser University 计算机博士，人工智能科学家，专长算法设计、运筹学、机器学习以及智能软件开发。现在美国著名能源交易服务公司The Energy Authority 任职Research Scientist，2014年作为首席架构师项目获得运筹学最高奖Edelman Prize 提名。