一家大型咨詢(xún)公司去年展開(kāi)的調(diào)查中，三分之二的首席執(zhí)行官表示他們將比以前更多地使用AI來(lái)創(chuàng)建新的勞動(dòng)力模式。甚至更多的人計(jì)劃將運(yùn)營(yíng)、客戶(hù)互動(dòng)、商業(yè)模式和收入流數(shù)字化。

　　這種巨大的加速和轉(zhuǎn)變可能會(huì)給企業(yè)帶來(lái)很大的風(fēng)險(xiǎn)，使企業(yè)更容易遭受損失(在某些情況下甚至是關(guān)鍵的基礎(chǔ)設(shè)施)，因?yàn)閷⑵潢P(guān)鍵決策移交給AI。

　　基于對(duì)AI的大肆宣傳，讓人們誤以為似乎可以通過(guò)篩選大量數(shù)據(jù)的復(fù)雜算法來(lái)改善一切。從簡(jiǎn)化客戶(hù)服務(wù)到發(fā)明新的香水甚至是指導(dǎo)足球隊(duì)，AI看起來(lái)就像是競(jìng)爭(zhēng)優(yōu)勢(shì)不可阻擋的供應(yīng)商，實(shí)際上公司高管要做的就是放開(kāi)它，然后一邊吃午飯(由AI機(jī)器人廚師烹制)，一邊看著公司利潤(rùn)攀升。

　　可悲的是，我們?cè)趫?zhí)行過(guò)程中看到的是一個(gè)完全不同的世界——從管理不當(dāng)?shù)钠谕綐O其昂貴的失敗和錯(cuò)誤?，F(xiàn)實(shí)中，AI有時(shí)并不是通往公司光明未來(lái)的閃亮之光，而是在錯(cuò)誤的道路上引領(lǐng)盲人，直到有人跌下懸崖。

　　在A(yíng)I世界中負(fù)責(zé)炒作的大多數(shù)人從未編寫(xiě)過(guò)任何代碼，更不用說(shuō)將AI部署到實(shí)際生產(chǎn)中了。甚至沒(méi)有幾個(gè)開(kāi)發(fā)人員能夠給您一些現(xiàn)實(shí)的應(yīng)用案例。作為一個(gè)在經(jīng)常使用AI建立平臺(tái)和工作的技術(shù)專(zhuān)家，我親眼目睹了當(dāng)一些世界上最大的公司應(yīng)用AI時(shí)出現(xiàn)了什么問(wèn)題，以下是一些使用AI的最糟糕方法：

　　1 根據(jù)錯(cuò)誤的數(shù)據(jù)做出決策

　　AI擅長(zhǎng)在龐大的數(shù)據(jù)集中查找模式，并能有效地根據(jù)這些模式預(yù)測(cè)結(jié)果，并查找不相關(guān)的alpha(數(shù)據(jù)集中的隱藏模式)。但是，如果將錯(cuò)誤的數(shù)據(jù)(或異常信息)提取到數(shù)據(jù)集中，則會(huì)出現(xiàn)大問(wèn)題。

　　例如， 我們?cè)c一家專(zhuān)注于TMT行業(yè)(技術(shù)、媒體、電信)的客戶(hù)合作。創(chuàng)始人來(lái)自一家大型金融公司，并帶來(lái)了一些曾為REITS和能源部門(mén)的交易系統(tǒng)工作的程序員。他們的目標(biāo)是建立一個(gè)分析引擎。問(wèn)題是，他們的開(kāi)發(fā)人員復(fù)制并合并了為房地產(chǎn)投資信托基金和能源交易建立的兩個(gè)引擎，并試圖將與TMT行業(yè)更相關(guān)的技術(shù)指標(biāo)納入這一混合系統(tǒng)。

　　我們花了一些時(shí)間才意識(shí)到，盡管創(chuàng)始人認(rèn)為他們的團(tuán)隊(duì)已經(jīng)建立了一個(gè)專(zhuān)門(mén)為T(mén)MT設(shè)計(jì)的全新引擎，但它實(shí)際上是拼湊而成的。雖然這三個(gè)行業(yè)都有類(lèi)似的技術(shù)指標(biāo)，但AI是敏感而細(xì)致的工作，每個(gè)引擎都應(yīng)該被定制。確保您的AI是基于正確的數(shù)據(jù)提出建議的。

　　2 未能正確訓(xùn)練您的AI

　　您可以向AI引擎提供所有正確的數(shù)據(jù)，并讓它得到正確的答案，但是在未經(jīng)測(cè)試之前，您不知道它會(huì)做什么。急于賦予它更多的責(zé)任，就像把一個(gè)小孩送入現(xiàn)實(shí)世界一樣——對(duì)兩者來(lái)說(shuō)都不會(huì)帶來(lái)好的結(jié)果。

　　一家企業(yè)對(duì)AI進(jìn)行量化交易很感興趣。他們雇用了一個(gè)外部團(tuán)隊(duì)來(lái)構(gòu)建AI引擎的概念驗(yàn)證模型。要構(gòu)建一個(gè)好的AI引擎，您將需要一個(gè)大型的同類(lèi)歷史數(shù)據(jù)集。通常，數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)越多，引擎檢測(cè)未來(lái)結(jié)果的能力就越好;這些數(shù)據(jù)點(diǎn)將幫助設(shè)計(jì)良好的引擎發(fā)現(xiàn)數(shù)據(jù)的非線(xiàn)性相關(guān)性，以幫助進(jìn)行預(yù)測(cè)。

　　我們建議該客戶(hù)給AI引擎更多的時(shí)間來(lái)處理他們的數(shù)據(jù)集，以使其更加均質(zhì)并且不遵循主流定價(jià)信號(hào)。遺憾的是，他們沒(méi)有這樣做，并且對(duì)特定的數(shù)據(jù)集進(jìn)行了精細(xì)的調(diào)整，以至于它不能與新的、未見(jiàn)過(guò)的數(shù)據(jù)一起工作。換句話(huà)說(shuō)，它對(duì)實(shí)時(shí)市場(chǎng)數(shù)據(jù)毫無(wú)用處。

　　3 忽略決策的人為責(zé)任

　　無(wú)論您對(duì)AI進(jìn)行什么編程，它都不會(huì)共享您的人類(lèi)目標(biāo)或承擔(dān)其后果。因此，我們已經(jīng)看到了AI的早期示例，這些AI將早期的GPS用戶(hù)引導(dǎo)到河流中，或者刪除了關(guān)鍵信息以“最小化”數(shù)據(jù)集中的差異。要記住，軟件實(shí)際上并不做決定，它只是識(shí)別模式，也不會(huì)對(duì)決定負(fù)責(zé)。人類(lèi)才是最終對(duì)決定負(fù)責(zé)的。

　　4 高估數(shù)據(jù)價(jià)值

　　某些數(shù)據(jù)根本無(wú)法用于構(gòu)建任何有用的信息。例如，一個(gè)使用AI方面失敗的案例是一個(gè)醫(yī)療診斷平臺(tái)的整合，它有自己的數(shù)據(jù)湖和廣泛的數(shù)據(jù)集。擁有該平臺(tái)的公司收購(gòu)了另一個(gè)平臺(tái)，帶來(lái)了一系列孤立的數(shù)據(jù)集。高管們想從這些雜亂無(wú)章的數(shù)據(jù)集中獲得一些洞察力，并需要在潛在客戶(hù)的入職方面得到幫助。問(wèn)題是，這些數(shù)據(jù)集描述的是不同的醫(yī)療問(wèn)題/檔案，試圖找到真正有價(jià)值的共同標(biāo)準(zhǔn)是不可能的。盡管擁有所有的匯編信息，但與新平臺(tái)的數(shù)據(jù)整合就像擁有沒(méi)有實(shí)際聯(lián)系的樂(lè)高碎片。僅僅因?yàn)樗鼈冊(cè)诤芏喾矫娑己芟嗨?，并不意味著你可以用它們?lái)建造一座城堡。

　　一家房地產(chǎn)開(kāi)發(fā)商希望我們?yōu)榻ㄖQ策的洞察力設(shè)計(jì)AI模型，其概念是，如果我們能從房地產(chǎn)列表中攝取足夠的數(shù)據(jù)，就可以進(jìn)行分析，為他們的新開(kāi)發(fā)項(xiàng)目的布局提供決策依據(jù)。客戶(hù)希望通過(guò)AI獲得的洞察力能夠告訴他們，根據(jù)建筑物的位置，什么是最理想的布局。

　　在攝取了不同州的房地產(chǎn)列表數(shù)據(jù)，進(jìn)行了數(shù)據(jù)集分析，并與主題專(zhuān)家互動(dòng)后，很明顯，由于房地產(chǎn)市場(chǎng)是高度本地化的，一個(gè)放之四海而皆準(zhǔn)的算法是不行的。曼哈頓東部中城的房地產(chǎn)與西部中城略有不同，布魯克林與皇后區(qū)也不同，更不用說(shuō)紐約州的整個(gè)數(shù)據(jù)集了。眾多的數(shù)據(jù)集獨(dú)立起來(lái)太小，無(wú)法建立一個(gè)有意義的分類(lèi)算法，這個(gè)項(xiàng)目也就沒(méi)有通過(guò)。

　　在這些情況下，這些公司通過(guò)前期調(diào)研減少了損失，但許多其他公司只是繼續(xù)向AI投錢(qián)，更深入地研究與目標(biāo)無(wú)關(guān)的細(xì)節(jié)。在構(gòu)建AI引擎之前，請(qǐng)確保您的目標(biāo)具有可行性。

　　深入了解AI的現(xiàn)實(shí)意義

　　AI可能是這個(gè)加速的數(shù)字商業(yè)世界的未來(lái)，但就目前而言，仍然有太多的炒作。企業(yè)應(yīng)該考慮AI，但要有深入的見(jiàn)解和對(duì)AI真正作用的正確理解。決策者需要了解AI的現(xiàn)實(shí)意義，以及它帶來(lái)的潛力和其背后的挑戰(zhàn)。考慮到可用數(shù)據(jù)、時(shí)間表、成本和期望，制定任何潛在A(yíng)I項(xiàng)目的明確策略。通常，成功的AI項(xiàng)目提供的是長(zhǎng)期的結(jié)果，而不是短暫的收益。

　　AI的核心只是推理。它可以幫助分析大量細(xì)節(jié)，但是別忘了，只有人類(lèi)才能理解全局。我們了解，作為人類(lèi)，我們的決策會(huì)產(chǎn)生后果(商業(yè)、法律和道德)，并且給AI虛假的人類(lèi)特征掩蓋了事實(shí)，即它不會(huì)像我們所做的那樣思考。人類(lèi)可能比AI犯更多的“錯(cuò)誤”，但我們也有更多的能力去識(shí)別它們。因此，當(dāng)您在考慮如何部署AI時(shí)，請(qǐng)確保您自己的“情報(bào)”仍處于優(yōu)先地位。