【51CTO.com快譯】　　據(jù)Gartner研究，約有37%的組織正在實施某種形式的人工智能。然而，根據(jù)知名咨詢公司安永的調(diào)查，僅有20%的公司能將人工智能發(fā)展為企業(yè)的戰(zhàn)略能力。極少有組織能成功駕馭AI真正的力量來創(chuàng)造有意義的影響。

　　如何利用人工智能？實現(xiàn)框架應(yīng)該是什么樣的？由麥肯錫全球研究所（MGI）發(fā)布的這篇論文提出了組織需要集中關(guān)注的五個領(lǐng)域。

　　這些領(lǐng)域彼此關(guān)聯(lián)，每一個領(lǐng)域都需要共同協(xié)作才能展現(xiàn)出可見的影響。我將在本文中詳細闡述實現(xiàn)這個框架的可行方法。

　　1. 識別正確的用例

　　當一個組織決定開始人工智能之旅，首要任務(wù)就是識別正確的用例。在這一方面，發(fā)散-收斂法屬于經(jīng)過驗證的、行之有效的方法。通過頭腦風(fēng)暴探索盡可能多的AI用例，完成后就能匯總候選列表，找出其中排名前三的用例。

　　問題的關(guān)鍵是：如何匯總用例？重點要考量哪些維度？

　　建議從以下三個方面入手：

　　業(yè)務(wù)影響：這個用例是否有實際的業(yè)務(wù)影響？對其進行量化。

　　技術(shù)可行性：當前的技術(shù)環(huán)境是否支持這個用例的實現(xiàn)？創(chuàng)建一份技術(shù)圖譜。

　　數(shù)據(jù)有效性：是否有相關(guān)的數(shù)據(jù)點來支持這個用例？好好做一下研究。

　　以這三個要素構(gòu)成一張基準圖，就可以用來判斷用例的可行與否。以下圖為例：

　　可以看到，在這張圖表上，橫縱軸分別表示業(yè)務(wù)影響和技術(shù)可行性，圓圈的大小則表明數(shù)據(jù)有效性。用例7和用例6在三個要素上均表現(xiàn)出較高水準。用例3雖然在其中一個維度表現(xiàn)欠佳，但相較其他用例，綜合來看可以列為下一個候選。

　　這里其實涉及到一個繞不過去的問題：到底多少數(shù)據(jù)算夠？

　　這個問題其實并沒有一個確切的答案。解決這個問題的經(jīng)驗之談是先回答下面這個問題：有效數(shù)據(jù)是否足以支撐建立一個最小規(guī)模的可行模型？如果答案是肯定的，那么建議可以繼續(xù)努力，好好考量這一用例的發(fā)展?jié)摿Α?/p>

　　2. 創(chuàng)建高效的數(shù)據(jù)平臺

　　數(shù)據(jù)是新型“石油”，在組織中呈“滿溢”之勢，如何從中提取價值就成為每個組織都面臨的挑戰(zhàn)。而人工智能和數(shù)據(jù)是共生關(guān)系，需要彼此來互相成就。

　　長久以來，組織機構(gòu)就試圖創(chuàng)建一個數(shù)據(jù)分析平臺，從數(shù)據(jù)庫、數(shù)據(jù)倉庫一直到數(shù)據(jù)湖，都試圖馴服這只“野獸”。而新的數(shù)據(jù)結(jié)構(gòu)模式隨著數(shù)據(jù)技術(shù)的發(fā)展應(yīng)運而生。2017年，我在博文《揭秘數(shù)據(jù)湖架構(gòu)》中重點提到了——實用的AI數(shù)據(jù)平臺的組成要件。數(shù)據(jù)技術(shù)雖然在不斷進化，但核心還是不變的，這些概念依舊可用。

　　但有個問題有必要做一下深入思考：數(shù)據(jù)平臺利用人工智能的原則是什么?

　　以下是我的三條建議：

　　（1）以原始格式存儲所有數(shù)據(jù)：數(shù)據(jù)的本質(zhì)是復(fù)雜的。只有當你在真正使用時才能了解這些數(shù)據(jù)的用法。最好的策略是將它們?nèi)恳栽几袷酱鎯Γ蛔鋈魏巫儎印Ｔ萍夹g(shù)的出現(xiàn)降低了數(shù)據(jù)存儲的成本。存儲在云中的數(shù)據(jù)可能根據(jù)其生成方式、處理方式以及在生存期內(nèi)的訪問方式而有所不同。以Azure為例，Azure存儲提供了不同的訪問層，包括熱訪問層、冷訪問層、存檔訪問層。用戶所存儲的數(shù)據(jù)0-50TB是按平均每月每GB 0.044美元計費，約為每月每TB 4.4美元，花銷還比不上星巴克的一杯中杯摩卡。這里有一條建議，對企業(yè)來說，我建議至少存儲過去5年的數(shù)據(jù)，那之后如果發(fā)現(xiàn)沒什么用，再歸檔也不遲。

　　（2）解耦存儲和計算：存儲和計算這兩種負載對計算機資源的訴求完全不同，解耦存儲和計算有助于系統(tǒng)負載均衡調(diào)度。處理引擎可以面向批處理，也可以面向流處理。按需處理在一定程度上可以控制成本。根據(jù)所需的處理類型構(gòu)建適當?shù)奶幚硪妫蝿?wù)完成后可以中止或銷毀處理引擎。解耦計算和存儲節(jié)省了大量的支出，還提供了很大的靈活性。

　　（3）對數(shù)據(jù)進行編目和管理：防止數(shù)據(jù)湖變成交換平臺的一個最關(guān)鍵的原則是對數(shù)據(jù)進行詳盡的編目和管理。作為一條經(jīng)驗法則，任何非瞬時化的內(nèi)容都會被編目。對于業(yè)務(wù)分析人員、數(shù)據(jù)科學(xué)家或任何希望以正確格式找到正確數(shù)據(jù)的人來說，積極編目有利于輕松搜索數(shù)據(jù)元素，因此再怎么強調(diào)積極編目的重要性都不為過。編目和管理決定了數(shù)據(jù)分析平臺的成敗。

　　3. 采用正確的工具、過程和技術(shù)

　　除了識別正確的用例、創(chuàng)建高效的數(shù)據(jù)平臺之外，選擇合適的工具和技術(shù)來實現(xiàn)AI也非常重要。要推動人工智能的蓬勃發(fā)展，這里有三個原則需要遵循：

　　利用規(guī)模優(yōu)勢：數(shù)據(jù)與人工智能之間密切相關(guān)，通常來說，要訓(xùn)練的數(shù)據(jù)越多，就意味著模型越可用。過去由于存儲和計算能力有限，訓(xùn)練模型的能力也因此受限。而在過去的二十年里，存儲和計算技術(shù)持續(xù)進化，云平臺不斷創(chuàng)新，存儲和計算成本變得可控，在可接受的范圍內(nèi)進行規(guī)模化的數(shù)據(jù)處理和模型訓(xùn)練逐漸成為可能。

　　關(guān)注功能而不是技術(shù)：構(gòu)建一個靈活的數(shù)據(jù)架構(gòu)，每個組件都滿足特定的功能，但可用的技術(shù)特性并不會與組件綁定。基于功能是恒定的而技術(shù)是不斷變化的，云平臺的一大優(yōu)勢就凸顯出來。云平臺的創(chuàng)新往往意味著可以不斷引進新技術(shù)，以更低的成本提供相同或更好的功能。

　　擁抱數(shù)據(jù)項目中的敏捷性：著名統(tǒng)計學(xué)家George Box曾打趣道：“所有模型都有謬誤，但依然有一些是有用的。”因為模型都建立在一定的假設(shè)上，超出特定范圍就可能出現(xiàn)紕漏。而找到有用的模型就是一個迭代的過程，每次迭代都是向那個有用的模型邁進的一步。記住，不要在AI項目中追求“絕對答案 ”。完美的模型就是烏托邦，以此為目標對于既定現(xiàn)實來說已經(jīng)完全足夠了。

　　4. 在過程中整合AI決策

　　任何基于AI的項目的最終目標都是創(chuàng)造積極的影響。但是很多大有可為的人工智能項目在襁褓中就夭折了，自此不見天日。因此，一個AI項目從孵化階段開始就需要全程觀察。

　　有一點我需要再三強調(diào)：AI項目并不是純技術(shù)項目，而是注重影響力的項目。所有項目都需要一個結(jié)果。

　　這意味著，當你展望一個AI項目的前景時，不應(yīng)該是關(guān)于模型和算法的，而必須是關(guān)于結(jié)果的，一個會給最終用戶帶來利益的結(jié)果。因為每個流程都是環(huán)環(huán)相扣的，所以需要回答這樣一些問題：

　　AI會影響流程中的多少步？

　　——這推進了流程自動化嗎？

　　——這加強了流程建設(shè)嗎？

　　再根據(jù)答案畫出正確的路線。

　　5. 構(gòu)建實驗文化

　　文化是所有變化的基石。現(xiàn)代管理學(xué)大師彼得•德魯克曾經(jīng)說過：“文化能把戰(zhàn)略當早餐吃掉。”對于AI項目來說，此話非常精辟。決定成敗的往往不是技術(shù)，而是價值觀。對于AI實現(xiàn)來說，反復(fù)灌輸實驗文化至關(guān)重要。根據(jù)定義，實驗是一種驗證或推翻假設(shè)的過程。并不是所有的實驗都會成功，但所有的實驗都有收益。這種實驗文化需要滲透到公司的靈魂中。以下三條準則可以幫助公司構(gòu)建實驗文化。

　　1、衡量指標。組織中的每個部門都需要衡量以下三個指標：在給定的時間內(nèi)嘗試的實驗數(shù)量；在給定的時間內(nèi)業(yè)務(wù)工作流中采用的的實驗數(shù)量；給定時間范圍內(nèi)正在進行的實驗數(shù)量。

　　2、擁抱敏捷。敏捷是人工智能的出路。考慮到AI的本質(zhì)，迭代方法最適合人工智能。敏捷理念中的三個核心教義：持續(xù)改進、信息透明和深度協(xié)作應(yīng)該滲透到公司的DNA中。

　　3、樹立員工對AI的正確認知。關(guān)于人工智能的宣傳可以說鋪天蓋地，與這種炒作相伴而生的是一種恐懼，恐懼被取代，恐懼因此而失業(yè)。這種擔(dān)心其實沒有任何依據(jù)。在公司中建立對AI的理智認知非常重要。員工需要清醒地認識到AI能做什么、不能做什么。樹立了正確的認識后，員工對AI的接受度更高，也更容易運用AI來提升他們的工作技能。

　　總結(jié)

　　采用負責(zé)任的人工智能是不可避免的，所有人都應(yīng)該接受這一現(xiàn)實。人工智能不是萬能靈藥，但是有了正確的框架，AI就有潛力產(chǎn)生積極的影響。

　　原文：https://medium.com/swlh/a-practical-framework-for-ai-adoption-a-five-step-process-ed8349977695

　　參考文獻：

　　Technology Review: The growing impact of AI on business

　　https://www.technologyreview.com/2018/04/30/143136/the-growing-impact-of-ai-on-business/

　　ZDNET: Enterprise adoption of AI has grown 270 percent over the past four years

　　https://www.zdnet.com/article/enterprise-adoption-of-ai-has-grown-270-percent-over-the-past-four-years/

　　McKinsey Global Institute: Artificial Intelligence The Next Digital Frontier

　　https://www.mckinsey.com/~/media/McKinsey/Industries/Advanced%20Electronics/Our%20Insights/How%20artificial%20intelligence%20can%20deliver%20real%20value%20to%20companies/MGI-Artificial-Intelligence-Discussion-paper.ashx

【51CTO譯稿，合作站點轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】