首頁熱門文章
數字戰略已經過時，人工智能戰略的時代已經開啟
發布時間：2018-08-10 分類：交通百科
當一項新技術出現時，組織他們的領導者就會摸索出一個連貫的、與業務相關的策略，這并不是什么新鮮事。近年來，隨著數字化的興起，我們已經看到了這一點，從定義什么是真正的數字，到定義成功意味著什么，這些都引發了問題?，F在，一系列認知解決方案如人工智能、機器學習等等，已經開始被接受。
隨著人工智能和認知計算成為今年的潮流，是時候開始探索它究竟能為業務增長做些什么，以及如何實現它了。一些好消息是：人工智能不像數碼那樣無定形和軟綿綿的，更好的消息是：前幾代技術帶來的許多問題也適用于人工智能，首先是最基本的原則：不要為了技術而實現技術，要有一個商業目標。
其中一個不太好的消息是，大量資金正開始投入人工智能和認知技術領域。供應商們對此議論紛紛，分析人士告訴我們，如果我們不這么做，我們很快就會擺脫困境。因此，隨著越來越多的資金被投入其中，制定更多的戰略非常重要，以使其在企業中具有更廣泛的用途。正如托馬斯·達文波特(ThomasDavenport)和維克拉姆·馬希達爾(Vikram Mahidhar)最近在“麻省理工學院斯隆管理評論”(MIT Sloan Management Review)上觀察到的那樣，“許多公司承擔的項目都不是針對重要的商業問題或機會，大多數組織沒有針對認知技術的戰略“。
那么，什么是人工智能戰略的基本組成部分，或接近戰略的東西，這里有幾個的建議：
1、從行業的角度看待人工智能：許多開發或向他人提供人工智能的公司，在技術本身和實現人工智能所需的數據科學家方面都有相當大的實力，但他們可能缺乏對終端市場的深刻理解，尋求提供人工智能驅動產品的公司不僅應分析其人工智能舉措的價值，還應分析其所在行業采用人工智能的情況。
2、讓人工智能關注人和賦權：人工智能可能會導致許多自主的過程，但人們將決定它將如何推動業務。人工智能的愿景應該始終是增強技術專業人士和企業公民的權能，以建立更好的用戶體驗。
3、利用數據：這是為人工智能輸出提供動力的燃料。機器學習之所以如此成功，部分原因在于它能夠根據數據訓練模型，而不是用傳統方法明確定義應用程序的行為。利用組織中的機器學習告訴世界，您確實是數據驅動的。建議建立一個基于用例的數據計劃，并能夠產生結果和預測，這些結果和預測可以被輸入到設計好的界面中，供人類在交易系統上采取行動，也可以被輸入到交易系統中。這包括繪制出數據是如何創建、獲取、管理和交付給人工智能引擎的。
