人工智能正在迅速進入新的市場，并迅速成為企業(yè)戰(zhàn)略決策的重要工具。盡管許多領導者都很難理解如何使用人工智能，但是有一個簡單的流程可以用于任何人工智能計劃。

人工智能正迅速成為當今商業(yè)中一個重要的流行語。就像云和區(qū)塊鏈等其他技術一樣，它經(jīng)常被人們所提及，但對其使用和應用則了解甚少。但是，與許多其他流行技術不同，人工智能實際上擁有大量的潛在應用。它實際上與大多數(shù)行業(yè)和業(yè)務功能有關，并且正在迅速滲透入市場。這一事實使得問題更加嚴重，因為很少有人真正清楚如何將人工智能應用于戰(zhàn)略性業(yè)務問題。

所以，讓我們共同努力，在這一流行語的陰霾中掃清一條道路，并弄清楚企業(yè)要開發(fā)出差異化、有價值的人工智能應用應做哪些工作。在OpenMatters公司，我們多次與客戶合作來開發(fā)人工智能應用，以支持其在資本配置、領導力構成和人才招聘等關鍵領域作出更好的決策。我們使用下面的流程圖向合作伙伴解釋我們從構思到應用的步驟。

人工智能計劃的四個重要團隊

我們發(fā)現(xiàn)，要想成功完成人工智能工作，有四個關鍵團隊必須參與：

1. 首先是領導團隊--董事會和高管。領導層的認同和支持對工作成功完成至關重要。新的人工智能計劃需要時間、資金和新技能，所有這些都需要有領導層的支持，否則很難實現(xiàn)。雖然領導團隊永遠不會去管理人工智能計劃中的技術細節(jié)，但他們應該參與構思--設想人工智能可以在哪方面以及如何幫助企業(yè)。

2. 其次是業(yè)務實施團隊。這個團隊負責貫徹領導團隊的愿景，同時管理技術團隊。沒有商業(yè)目的的人工智能顯然是在浪費時間，業(yè)務實施團隊需要深入?yún)⑴c收集數(shù)據(jù)，形成見解并迭代算法。這是一個全職而非兼職的工作。

3. 第三，我們有人工智能技術團隊。這個團隊擁有將數(shù)據(jù)轉化為洞察力所需的人工智能專業(yè)知識。人工智能團隊應該了解業(yè)務目標和應用，但重點是明確能將人工智能轉換為現(xiàn)實應用的工具和技術。該團隊將決定所使用的編程環(huán)境、支持工具（如TensorFlow）和技術（如神經(jīng)網(wǎng)絡）。

4. 最后，我們有基礎設施團隊。人工智能的基石是數(shù)據(jù)，一大堆數(shù)據(jù)很快就會變成一團糟。該基礎設施團隊將負責管理和存儲數(shù)據(jù)，以便使其易于訪問和使用。該團隊將處理一些棘手且重要的問題，如明確一個好的符號系統(tǒng)以將數(shù)據(jù)集連接在一起，并在多個用例和更新同時發(fā)生時管理并發(fā)情況。

這些團隊中的每一個對于成功將人工智能用于商業(yè)決策都至關重要。如果沒有所有這些團隊的工作（我們已經(jīng)嘗試過并且也清楚），該人工智能實施工作將無法正常完成，并且每個小組確實需要由具備多種熟練技能的個人組成一個“團隊”。上面列出的許多職能都是極具技術性的，其所使用的工具和技術正在迅速發(fā)展。一個人在沒有同伴支持和監(jiān)督的情況下工作，可能很快就會落后或掩蓋其工作錯誤。

人工智能設計過程中的關鍵步驟

一旦你的團隊被組建起來，那么創(chuàng)建人工智能的過程實際上是相當清晰和可復制的。這并不意味著這個工作很容易，而是這確實意味著相同的過程可以應用于無數(shù)的企業(yè)戰(zhàn)略決策中。

第一步是領導團隊設定目標。該領導團隊要回答的關鍵問題是：（1）我們所掌握的數(shù)據(jù)具有哪些獨特的主題或應用，（2）我們可以添加哪些假設或觀點，以及（3）這些新見解如何變得有用。請注意，這些問題始于數(shù)據(jù)。數(shù)據(jù)是人工智能的基礎。領導團隊不需要仔細審查并詳細理解這些數(shù)據(jù)，但確實需要了解組織能夠訪問的數(shù)據(jù)是有區(qū)別的和有用的。通常這些數(shù)據(jù)已經(jīng)存儲多年，并且由人力分析師偶爾地使用以支持業(yè)務決策。

例如，零售商可能有權訪問許多商店、多個年份和眾多客戶的銷售點數(shù)據(jù)。領導團隊可能會假設某個客戶群體具有不同的季節(jié)性購物習慣。他們的目標可能是使用人工智能來了解不同客戶群體的季節(jié)性購物習慣，以便更好地定位和投送宣傳廣告。

一旦目標確定下來，接下來非常重要的一步就是建立數(shù)據(jù)集。獲取正確的數(shù)據(jù)是人工智能計劃中最困難和最重要的一步。通常，組織需要使用來自其內(nèi)部和外部不同的多個數(shù)據(jù)集。這些數(shù)據(jù)需要進行組合和清理，這是一個非常細致和痛苦的過程。必須刪除異常值和其他不良數(shù)據(jù)，并使用標識符（例如使用CUSIP來標識一個公司或使用地址來標識一個客戶）將匹配的數(shù)據(jù)集放在一起。有許多有價值的外部數(shù)據(jù)源，但有效地組合數(shù)據(jù)始終是一個難題。例如，上述零售商可能需要將他們的銷售點數(shù)據(jù)與供應商提供的營銷數(shù)據(jù)庫結合起來，該數(shù)據(jù)庫提供有關客戶的人口統(tǒng)計信息。

訓練數(shù)據(jù)通常是對您數(shù)據(jù)集的一個重要補充。這就是你獨特的見解或假設發(fā)揮作用的地方。為了讓人工智能“學習”一個過程，這就需要進行指導以幫助它理解該過程的良好狀態(tài)是什么樣子。例如，我們假設零售商需要準確定義它想要識別的那種購物習慣類型。例如，在特定產(chǎn)品類別中花費50美元或以上的行為，這可能是一個有用的事件，表明了人工智能應該發(fā)現(xiàn)的模式類型。定義或創(chuàng)建訓練數(shù)據(jù)是業(yè)務團隊的一項工作，因為它需要應用人工的洞察力，讓人工智能對這一洞察力進行復制。

數(shù)據(jù)集和訓練數(shù)據(jù)永遠不會真正完成--隨著時間的推移，它們會被添加并更新。但是，每個版本都應該由基礎設施團隊記錄在案，并安全地存儲。數(shù)據(jù)是寶貴的資產(chǎn)，應該這樣操作。

隨著數(shù)據(jù)收集工作的結束，現(xiàn)在應該把工作交給人工智能團隊了。人工智能團隊必須考慮業(yè)務目標，并確定使用哪些工具和技術最能有助于實現(xiàn)這些目標。目前市場上有多種不同的工具，適用于不同的目標應用。谷歌公司的TensorFlow，Salesforce公司的Einstein和Facebook公司的Pytorch只是其中的幾個工具。另一個重要的考慮因素是哪種人工智能方法適合您的應用。例如，神經(jīng)網(wǎng)絡是一個強大的工具，但其結果很難解讀并向人類用戶解釋。對于許多商業(yè)應用來說，這種黑匣子的情況是不可接受的，而其他技術如邏輯回歸則更為適合。

人工智能團隊將開始生成算法，并根據(jù)這些算法復制訓練數(shù)據(jù)的能力來對其進行“評分”。當團隊認為該系統(tǒng)足夠“聰明”時，他們會將結果返回給業(yè)務團隊進行審查。由人工智能生成的算法需要擴展到訓練數(shù)據(jù)之外，并進行大規(guī)模應用，但這需要進行業(yè)務審查，以確認該算法在其訓練數(shù)據(jù)以外進行應用有良好的表現(xiàn)。此外，業(yè)務團隊通常還需要仔細審查其他考慮事項。例如，某一組特定的客戶比其他客戶更重要，是否可以正確地識別。

在許多情況下，人工智能在達到成熟之前需要進行迭代。變換訓練數(shù)據(jù)，采用不同的人工智能技術和新的數(shù)據(jù)集，這些都是潛在的方式，可用于改進表現(xiàn)不佳的人工智能。在這里我們可以看到基礎設施團隊的另一個重要角色：記錄每個版本的人工智能。該文檔不僅應包括人工智能所使用的特征和公式，還應包括所采用的訓練數(shù)據(jù)、技術和產(chǎn)品的總體表現(xiàn)，以及對人工智能進行業(yè)務評估所需的其他內(nèi)容?；ㄒ粋€月時間進行迭代并得出結論，即之前的版本更為理想，這是很常見的，團隊必須快速地將各個版本與完整且標準化的文檔進行比較和對比。

在順利的情況下，所有人都對你的人工智能表示滿意，您可以愉快地進行應用--使用新的人工智能來幫助補充和擴展團隊中現(xiàn)有的人員智能。這并不是說開發(fā)工作已經(jīng)完成，因為新的數(shù)據(jù)、技術和應用總會不斷出現(xiàn)。但是，你已邁出了擁抱人工智能重要的第一步。

我們不可能始終清楚人工智能會如何影響我們的工作和市場，以及影響的程度有多大。但是，人工智能在未來成為高管人員不可或缺的工具，這是肯定的。人工智能會產(chǎn)生新的見解，會對策略進行量化，并會擴展零邊際成本--在10年內(nèi)，沒有人會在無人工智能的情況下進行運營。

責任編輯：ct