[[441323]]

過早地孤擲一注

正如你無法在一夜之間建立數據文化一樣，你也不應該期望分析項目會立即取得轉型成功。成功的AI或機器學習計劃需要人員、流程、技術方面的經驗以及良好的基礎設施支持，獲得這些經驗不是能一蹴而就的。在IBM的計算機Watson贏得Jeopardy比賽或DeepMind的AlphaGo擊敗人類圍棋冠軍之前，都經過了多年的協同努力。

許多AI項目之所以失敗，是因為它們超出了企業的能力范圍。這在企業嘗試推出基于 AI 的新產品或業務線時尤其明顯。從頭開始構建某些東西涉及太多不穩定的部分，以至于難以成功。

正如Dirty Harry在 電影《緊急搜捕令》中所說，“人必須知道自己的極限”，這也適用于公司。大型企業每天做出無數的業務決策，這些決策可以通過AI和數據實現自動化。總體來說，利用AI來改善一些小決策可以提供更好的投資回報。與其押注長遠的未來，企業不如從不那么吸引人、風險也不那么高的AI和機器學習領域開始投資，來改善現有工作流程。新聞發布室可能不會注意到，但會計師一定會有所感受。

即使你已經成功地使用AI做出數據驅動的決策，投資改進現有模型也會比著手開發新程序更好。2018 年，麥肯錫一份報告《更好模型的價值是什么?》表明，即使預測能力只有小幅的增長也能引發經濟價值的巨大增長。

分析的組織結構不足

AI并不是一種能夠立即帶來投資回報的即插即用的技術。它需要改變整個企業的思維方式，并在內部機構上進行相應的改變。但通常，人們過度關注人才、工具和基礎設施，而很少關注組織結構應該如何改變。

在高層的支持下，一些正式的組織結構，對于實現將傳統的非分析型企業轉變為數據驅動型組織所需的臨界質量、動力和文化變革是必要的。這將需要新的角色、職責以及一個“卓越中心”。卓越中心 (COE) 采取的形式應取決于企業的具體情況。

一般來說，兩院制模型似乎效果最好。其中，AI的核心職責是集中處理，而嵌入在各個業務部門的COE 像“衛星”一樣負責協調交付。這種結構通常會增強業務部門之間的協調和同步性，也導致AI轉型擁有更大共享所有權。

由首席分析官領導的COE 最適合處理這些職責，比如：開發教育和培訓計劃、創建AI流程庫(數據科學方法論)、生成數據目錄、構建成熟模型和評估項目績效等。COE主要處理那些受益于規模經濟的職責，還包括培養 AI 人才、與第三方數據提供商談判、制定治理和技術標準以及培育內部的AI社區。

COE在各個業務部門的代表能夠更好地提供培訓、促進采用、幫助裁決經過AI增強的決策、維護實施、激勵計劃，并大致判斷應該在何處、何時以及如何引入AI業務。COE的“SWAT 團隊”可以在項目基礎上增加業務部門代表。

作者：Steve Nunez

原文網址：https://www.infoworld.com/article/3639028/why-ai-investments-fail-to-deliver.html