我們可以常常看到國內外的人工智能和機器學習團隊，他們不斷分享偉大成果的消息，但可能還沒有準備好落地應用。在嘗試使用新興技術時，總是會遇到挑戰，尤其是在沒有明確的成功途徑的情況下。比起制定一個可靠的路線圖，炒作更容易。

[[424846]]

新技術如何推進

新技術通常會以兩種方式滲入公司。

也許一位高管看到競爭對手通過應用一項新技術取得了成功;或者一位高管參加了一次會議，看到了利用最新、最偉大的工具創造競爭優勢的機會(也許我們的一篇文章就可以開始這一切)。

還有一條路徑，一種“草根”力量將新興技術整合到現有工作流程中。也許公司內部某個團隊的成員正在積極探索感興趣的領域，他們會向領導解釋為什么這將成為公司的游戲規則改變者。他開始嘗試推動應用，通過概念驗證加速改變。

這兩個切入點通常都是從原型的構建開始的，原型的目的旨在演示一些新技術如何工作。這些一次性解決方案通常構建在一個豎井中，這意味著它們幾乎沒有責任，成功與失敗都不會對現有運營造成太大影響。

畢竟，原型很容易創建，成本不高，而且它們不需要任何長期的承諾。在這個初始階段，構建生產就緒系統所必需的可行性研究是不需要的。這有利于公司內部迅速取得支持，高管們可以慶祝公司已經開始跟進技術趨勢和創新潮流。更不用說這種鍛煉對員工來說既有趣又令人興奮。然后，在興奮消散之后，項目處于停滯狀態。

這些情況反映了幾十年來公司陷入的困境。

人工智能帶來的挑戰

席卷企業界的最新技術——人工智能和機器學習——也面臨著同樣的應用挑戰，它們注定也要經歷這條艱難而尷尬的發展道路。

因為這些技術對許多業務負責人來說就像一個黑盒子。這意味著執行人員經常會猶豫是否要越過原型階段，即使最初原型產品實現產生了積極的結果。

對于這些類型的項目，在受控的環境中顯示成功是相當容易的。然而，當人工智能和機器學習失敗時，結果可能是毀滅性的。對許多領導人來說，大規模依賴科技來冒險經營是一種令人不安的前景。

更不用說人工智能還帶來了一個獨特的心理障礙：一個成功的人工智能或機器學習的實現幾乎肯定會減少以前這些崗位的人類。愛德曼公司2019年的一項調查顯示，只有30%的公眾對工作場所的人工智能持歡迎態度。人工智能項目失敗的原因不難理解。誰愿意積極推動會讓他們失業的技術?

當然，還有人工智能的人才挑戰。尋找和招聘具有項目經驗和嫻熟技能的人員需要大筆資金。

然而，那些敢于冒險的人往往會得到豐厚的回報。麥肯錫公司(McKinsey)的一項調查顯示，有78%的企業表示，它們從不同業務領域的人工智能應用中獲得了重大或中等價值回報。只有1%的人在實施后注明“沒有或負值”。

原型設計需要考慮以下幾點

盡管機器學習和人工智能等技術挑戰人類心理，但它們有望給大膽的商業領袖帶來切實的競爭優勢。如果你希望自己的業務也能得到同樣的結果，那么在進行原型設計之前，你需要考慮以下5條建議:

1. 首先考慮資金

將你的原型投資集中，并保持在可控范圍內。如果這筆資金還沒有到位，那就制定一個全面的計劃來確保資金到位。如果你知道自己很難獲得資源去完成原型的概念驗證，那么就不要在這方面投入太多時間和精力。

2. 衡量標準和投入產出測算

要清楚通過部署人工智能、機器學習或其他功能性技術解決方案，你想要實現什么。從實現中獲得的價值必須能夠衡量，以證明投資的合理性。如果你的原型只會產生名義上的增量價值，或者你看不到投資回報，那就尋找那些可以從原型解決方案中獲益更多的領域。

最后，并不是所有的原型都能帶來收益。要明確驗證實驗性質的原型和能夠成功實施的原型之間的界線。

3. 創建一個成熟的規劃

不要在沒有討論和計劃整個原型周期(包括原型階段落地驗證的事情)之前就開始構建原型。對一個成功的原型所遵循的內容達成共識，將加速項目的成熟階段，并使領導層與原型計劃的長期目標保持一致。

4. 創建一個原型作品集

如果你致力于構建人工智能、機器學習或其他解決方案的原型，構建和管理一個原型組合將使你的業務試驗與技術相結合，同時最大限度地共享知識。投資原型組合將帶來更好的結果。當你有不同的原型可以進行比較時，將提升你識別和定義成功的能力。

5. 循序漸進的原型落地

一個成功的原型推廣是漸進式的。可能有多個級別的原型處于技術生命周期的不同階段。例如，可以概述一種分層方法，其中第一層確認有價值的可能性，下一層測試可伸縮方法，下一層測試操作化，最后一層生成生產就緒的解決方案。

在開始任何技術實施時，沒有一個獲取真正價值的計劃，可能會導致失敗。原型是朝著正確方向邁出的重要一步，但簡單地創建原型絕不應該是你的最終目標。

人工智能、機器學習和其他新興技術有著令人難以置信的前景。但是，這些解決方案成功的公司必須承擔大膽的風險，克服實施上的挑戰，最終構建的才會不僅僅是一個原型。