如何實(shí)現(xiàn)人工智能驅(qū)動

許多公司都采用了“數(shù)據(jù)驅(qū)動”的方法進(jìn)行運(yùn)營決策。雖然數(shù)據(jù)可以改進(jìn)決策，但它需要合適的處理器來充分利用它。但是，對于“數(shù)據(jù)驅(qū)動”這一術(shù)語來說這意味著數(shù)據(jù)將由人類進(jìn)行整理和總結(jié)，以便進(jìn)行處理。

如果要真正充分利用數(shù)據(jù)中包含的價值，公司需要將人工智能（AI）引入到工作流程中，這能幫助管理層從數(shù)據(jù)中解放出來，將他們的貢獻(xiàn)轉(zhuǎn)移到企業(yè)的其它的地方。

要區(qū)分“數(shù)據(jù)驅(qū)動”和“人工智能驅(qū)動”，我們需要區(qū)分它們是兩種不同的資產(chǎn)：數(shù)據(jù)和處理能力。數(shù)據(jù)包含能夠做出更好決策的洞察；處理能力則代表著提取這些數(shù)據(jù)并采取行動的方法。人類和人工智能都是處理器，但它們有著非常不同的能力。為了了解并如何最好地利用每一種方法，回顧一下人類決策在工業(yè)中是如何發(fā)展的，將對我們理解“數(shù)據(jù)驅(qū)動”和“人工智能驅(qū)動”大有裨益。

就在50年前，人類的判斷是商業(yè)決策的核心處理器。專業(yè)人士依靠他們在各自領(lǐng)域多年的經(jīng)驗發(fā)展而來的高度調(diào)整的直覺：為廣告活動挑選合適的創(chuàng)意；確定合適的庫存水平；或批準(zhǔn)合適的金融投資。經(jīng)驗和直覺是區(qū)分好與壞，高與低，以及風(fēng)險與安全的主要標(biāo)準(zhǔn)。

我們會發(fā)現(xiàn)，以經(jīng)驗和直覺來做判斷會太過人性化。許多時候，許多事件證明了我們的直覺并不適合用于決策。我們的大腦受到許多認(rèn)知偏見的影響，這些偏見以可預(yù)知的方式損害了我們的判斷。僅僅依靠人類的直覺是低效的、反復(fù)無常的、容易出錯的，并且限制了企業(yè)擴(kuò)展的能力。

數(shù)據(jù)驅(qū)動的工作流

感謝如今的數(shù)字革命，這讓我們相互連接的設(shè)備捕獲了不可想象的數(shù)據(jù)量：每一筆交易、每一個客戶狀態(tài)、每一個微觀和宏觀經(jīng)濟(jì)指標(biāo)都更好的為決策提供信息。為了響應(yīng)這個新的豐富的數(shù)據(jù)環(huán)境，我們調(diào)整了我們的工作流程。IT部門支持使用數(shù)據(jù)庫、分布式文件系統(tǒng)等來傳遞信息流，并且將無法管理的數(shù)據(jù)量減少到可消化的核心數(shù)據(jù)。人們可以使用電子表格、數(shù)據(jù)儀表盤和分析應(yīng)用程序等工具進(jìn)一步處理這些核心數(shù)據(jù)。最終，這些高度處理的、可管理的核心數(shù)據(jù)被提交給決策者。這是“數(shù)據(jù)驅(qū)動”為主的工作流，它將數(shù)據(jù)作為一種輸入?yún)R總，依托在人類這個中央處理器的判斷之下。

我們其實(shí)不如機(jī)器善于利用所有的數(shù)據(jù)。盡管我們擅長于消化周圍環(huán)境，輕松地處理大量的環(huán)境信息，但在處理結(jié)構(gòu)化數(shù)據(jù)方面，我們卻明顯受到限制。處理數(shù)百萬或數(shù)十億條結(jié)構(gòu)化數(shù)據(jù)記錄是不可理解的；我們只能處理一些小的總結(jié)，例如總銷售額和平均銷售價格匯總到一個區(qū)域級別。然而，匯總的數(shù)據(jù)可能會掩蓋原始（大）數(shù)據(jù)集中包含的許多見解、關(guān)系和模式。匯總統(tǒng)計數(shù)據(jù)（如總和和平均數(shù)）并不能提供決策所需的全部信息。

通常，決策需要了解數(shù)據(jù)值的完整分布或數(shù)據(jù)元素之間的重要關(guān)系。當(dāng)數(shù)據(jù)聚合時，此類信息就丟失了。在某些情況下，匯總的數(shù)據(jù)甚至可能是完全誤導(dǎo)性的?；煜蛩乜梢宰屢粋€積極的關(guān)系出現(xiàn)，當(dāng)它實(shí)際上可能是相反的（辛普森的案件就說明了混淆因素的復(fù)雜性）。然而，一旦數(shù)據(jù)被聚合，就可能無法恢復(fù)這些因素，更別說對它們進(jìn)行適當(dāng)?shù)目刂屏?。簡而言之，通過使用人類作為數(shù)據(jù)的中央處理器，我們?nèi)匀辉跈?quán)衡準(zhǔn)確性以及如何規(guī)避人類數(shù)據(jù)處理的高成本問題。

人工智能驅(qū)動的工作流

我們需要進(jìn)一步發(fā)展，將人工智能納入工作流程。對于只依賴結(jié)構(gòu)化數(shù)據(jù)的常規(guī)決策，我們最好將決策委托給人工智能。人工智能不受認(rèn)知偏見的影響。人工智能可以被訓(xùn)練為在人群中找到特殊——因為人類可能會因感情而產(chǎn)生偏見，而人工智能卻不會。人工智能更適合處理非線性關(guān)系，不管是指數(shù)關(guān)系、冪律關(guān)系、幾何級數(shù)關(guān)系、二項式分布關(guān)系還是其他關(guān)系。這些關(guān)系計算量龐大，遠(yuǎn)遠(yuǎn)超出我們?nèi)祟惪梢蕴幚淼姆秶?/p>

人工智能工作流可以更好地利用數(shù)據(jù)中包含的信息，并且在其決策中體現(xiàn)一致性并保持和觀。它可以更好地確定哪種廣告創(chuàng)意最有效，如何設(shè)定的最佳庫存水平，或者進(jìn)行哪些金融投資。同時，它可以降低成本。人工智能的價值在于做出比人類所能做得更好的決定，這也就提高了效率，為企業(yè)新的形態(tài)作出演變。

在工作流中同時利用人工智能和人工處理器

人工智能工作流的出現(xiàn)并不意味著人已過時。有許多業(yè)務(wù)決策不僅僅依賴于結(jié)構(gòu)化數(shù)據(jù)。愿景陳述、公司戰(zhàn)略、公司價值觀、市場動態(tài)——所有這些都是信息的例子都依賴于人。這些信息只能在我們的頭腦中獲得，并通過文化和其他形式的非數(shù)字通信進(jìn)行傳播。人工智能無法訪問這些信息，而這些信息又與業(yè)務(wù)決策極其相關(guān)。

例如，人工智能可以客觀地確定正確的庫存水平，以實(shí)現(xiàn)利潤最大化。然而，在競爭環(huán)境中，公司可能會選擇更高的庫存水平，以提供更好的客戶體驗，即使以犧牲利潤為代價。在其他情況下，人工智能可能會決定在市場營銷中投入更多的資金，在公司可選擇的方案中，投資回報率最高。然而，一家公司可能會選擇緩和增長以維持質(zhì)量標(biāo)準(zhǔn)。在其他情況下，選擇廣告的最佳營銷創(chuàng)意可能需要人工智能無法考慮的因素。以策略、價值觀和市場條件的形式提供給人類的額外信息，可能會偏離人工智能的客觀合理性，但卻對推動消費(fèi)市場有著無可比擬的價值。在這種情況下，人工智能可以用來產(chǎn)生和推演各種可能性，而由人來豐富其價值。

在工作流中同時利用人工智能和人工處理器意味著人類不是直接與數(shù)據(jù)交互，而是與人工智能處理數(shù)據(jù)產(chǎn)生的可能性信息交互。價值觀、戰(zhàn)略和文化是我們以客觀理性協(xié)調(diào)決策的方式。通過同時利用人工智能和人類，我們可以做出更好的決定。