人工智能（AI）為各行業(yè)領(lǐng)域的企業(yè)提供了發(fā)展和改善業(yè)務(wù)運營的機會,。根據(jù)《財富商業(yè)見解》的調(diào)查,，2019年全球人工智能市場規(guī)模為270億美元,，這一數(shù)字預(yù)計到2027年將達到2670億美元,。這表明很多企業(yè)致力于采用當(dāng)今時代這個最具生產(chǎn)力的技術(shù),。

　　但是,，實施人工智能戰(zhàn)略面臨著挑戰(zhàn),，特別是對于那些根本不知道從哪里開始的傳統(tǒng)企業(yè)來說,。

　　規(guī)劃人工智能試點項目的4個技巧

　　根據(jù)定義,，企業(yè)在進行大規(guī)模定量研究之前需要進行試點,，以避免在設(shè)計不足的項目上浪費更多的時間和費用。試點項目與正式項目實際上并沒有什么不同,，但提供了“先試后買”的功能,，可以幫助企業(yè)了解新的解決方案或流程、面臨的挑戰(zhàn)和帶來的潛在價值,。盡管大多數(shù)人遵循相同的基本原則（定義問題,、期望的目標、成本,、所需的資源,，以及衡量結(jié)果），但是不斷變化的人工智能領(lǐng)域具有一些應(yīng)該了解的細微差別,。企業(yè)選擇人工智能試點項目之前,，需要考慮以下四個標準：

　　1. 明確定義企業(yè)的人工智能項目應(yīng)該交付的業(yè)務(wù)成果

　　在過去的幾年中，人工智能獲得了巨大的發(fā)展,，如今仍然是一個熱門話題,。雖然某些方面讓人們感到振奮，人工智能有助于提高冠狀病毒疫苗接種率,，改善購物體驗,。但在某些方面卻令人感到沮喪，例如可能帶來的失業(yè)或道德困境,，但人工智能仍不斷發(fā)展,。明智的企業(yè)正在尋找各種使用人工智能的策略和方法。

　　盡管具有廣泛的吸引力,，但人工智能并非適用于每個業(yè)務(wù)流程,，并且也不是萬能的,。在企業(yè)開始實施人工智能試點項目之前，需要確保已經(jīng)明確定義面臨的問題和希望得到的結(jié)果,。是否有商業(yè)措施來跟蹤進度,？

　　定義項目并將其提交給企業(yè)的領(lǐng)導(dǎo)者批準之后，就將應(yīng)對下一個挑戰(zhàn),。

　　2. 選擇正確的方法

　　通過采用開源,、云服務(wù)、具有內(nèi)置人工智能功能的產(chǎn)品,，企業(yè)可以聘請數(shù)據(jù)科學(xué)家來構(gòu)建自己的解決方案,，或者采用現(xiàn)成的人工智能方案，但這兩種方法各有利弊,。例如,，現(xiàn)成的云計算解決方案已經(jīng)廣泛使用，但是接受訓(xùn)練的數(shù)據(jù)并不是企業(yè)自己的,，并且成本可能非常昂貴,。企業(yè)聘請數(shù)據(jù)科學(xué)家構(gòu)建自己的解決方案可以提供在其他地方找不到的自定義級別，但要獲得適當(dāng)?shù)娜瞬藕蛯I(yè)知識是很困難的,。

　　為了在阻力最小的路徑上獲得所需的結(jié)果,，企業(yè)需要考慮最終選擇的解決方案所帶來的挑戰(zhàn)，但沒有一個解決方案是完美的,。權(quán)衡現(xiàn)有IT生態(tài)系統(tǒng)中最合適的資源,，不僅需要讓企業(yè)的試點項目啟動和運行，而且需要對其進行部署,，持續(xù)改進所需的資源,，以及利益相關(guān)者積極地參與試點項目，以使其計劃步入正軌,。

　　3. 預(yù)測學(xué)習(xí)曲線

　　人工智能模型需要訓(xùn)練,。隨著時間的推移，它們會變得越來越智能（在經(jīng)過適當(dāng)設(shè)計的情況下）,，但是其學(xué)習(xí)曲線并不僅僅針對與之交互的人類,。這是針對模型本身的。即使使用主要云計算提供商提供的開箱即用的解決方案,，也需要進行調(diào)整以適應(yīng)企業(yè)的業(yè)務(wù)需求,、固有偏差和目標，這將花費大量時間和精力,，因此需要考慮這些因素對項目的成功來說有多重要,。

　　另一方面，企業(yè)可以使用先進的技術(shù)，但是如果沒有為使用這些技術(shù)的人員提供適當(dāng)?shù)呐嘤?xùn),，那么無法充分利用這些技術(shù)的好處,。例如，一種算法可以像人類一樣準確地了解X射線的結(jié)果,，但是如果醫(yī)療保健機構(gòu)沒有充分了解其使用的技術(shù)和過程,，那么將會面臨失敗。

　　4. 了解測試與生產(chǎn)準備的情況

　　人工智能的試點計劃之所以獲得關(guān)注,，是因為它們在提交之前會測試提議的解決方案的最高風(fēng)險,。如果項目太復(fù)雜、資源過多或財務(wù)負擔(dān)沉重,，那么企業(yè)可以從中學(xué)到一些經(jīng)驗教訓(xùn),，并從最小的損失中解脫出來。但是也要注意,，成功的人工智能試點項目并不能保證成功進行生產(chǎn),。

　　業(yè)務(wù)需求和數(shù)據(jù)在不斷變化,。為了從企業(yè)的人工智能計劃中獲得最好的結(jié)果,，必須對模型進行持續(xù)的測試和再訓(xùn)練，才能為企業(yè)的客戶提供準確的結(jié)果,。

　　這種情況在將人工智能用于生產(chǎn)之后并不會消失,。一次性驗收測試適用于傳統(tǒng)（靜態(tài)）軟件，但不適用于人工智能系統(tǒng),，因為隨著周圍世界的變化,，人工智能系統(tǒng)必須自行改變。企業(yè)需要規(guī)劃一種不同類型的監(jiān)控,、在線測量和再訓(xùn)練策略,，以糾正數(shù)據(jù)和概念漂移、潛在偏差和道路上其他在早期測試中可能不明顯的問題,。

　　通過將這四個標準考慮在內(nèi),，企業(yè)可以為其業(yè)務(wù)選擇最具影響力的人工智能試點項目，并為其提供最佳采用人工智能技術(shù)的速度最快,、風(fēng)險最低的學(xué)習(xí)途徑,。