許多公司的目標(biāo)是人工智能(AI)優(yōu)先戰(zhàn)略，機(jī)器學(xué)習(xí)除了優(yōu)化業(yè)務(wù)流程外，現(xiàn)在也被用來重新思考業(yè)務(wù)戰(zhàn)略。人工智能優(yōu)先策略使人工智能成為公司的核心，用于優(yōu)化預(yù)測(cè)、客戶支持、營銷、產(chǎn)品、制造、故障檢測(cè)，并了解客戶偏好和創(chuàng)新方式，以創(chuàng)造競(jìng)爭優(yōu)勢(shì)。

現(xiàn)在，你應(yīng)該考慮的不是需不需要人工智能，而是如何將人工智能應(yīng)用到你的企業(yè)和業(yè)務(wù)流程中。在理想的世界里，人工智能可以協(xié)助決策的每一個(gè)階段，完全嵌入到系統(tǒng)中，并對(duì)員工和客戶完全透明。但要實(shí)現(xiàn)這一目標(biāo)，需要發(fā)生根本性的變化，包括自上而下的思維模式轉(zhuǎn)變，以及MLOps(機(jī)器學(xué)習(xí)運(yùn)營)工具的實(shí)現(xiàn)，以幫助IT團(tuán)隊(duì)克服可能阻止AI充分發(fā)揮其潛力的技術(shù)障礙。

以下是公司轉(zhuǎn)向人工智能優(yōu)先戰(zhàn)略的五個(gè)要點(diǎn)。

1.讓人工智能成為企業(yè)的中心

人工智能的成功應(yīng)用依賴于強(qiáng)有力的領(lǐng)導(dǎo)支持(畢竟要花費(fèi)許多資源，包含資金、時(shí)間和人力)。除了技術(shù)團(tuán)隊(duì)外，還需要設(shè)立跨職能團(tuán)隊(duì)，由諸如放射科醫(yī)生或保險(xiǎn)專家等對(duì)應(yīng)業(yè)務(wù)專家組成，連同商業(yè)用戶、軟件工程師、數(shù)據(jù)科學(xué)家、數(shù)據(jù)分析師、測(cè)試人員、架構(gòu)師和產(chǎn)品經(jīng)理在內(nèi)的所有與人工智能項(xiàng)目有接觸的專業(yè)人士都需要參與進(jìn)來，這樣組織才能更快地利用人工智能，機(jī)器學(xué)習(xí)模型才能更平穩(wěn)地投入生產(chǎn)。

2.讓人工智能長期工作

模型通常是由數(shù)據(jù)科學(xué)家在理想條件下設(shè)計(jì)的。從研究到實(shí)時(shí)部署是困難的，很多時(shí)候會(huì)成為第一個(gè)障礙。許多人工智能項(xiàng)目由于缺乏干凈可靠的數(shù)據(jù)、直接訪問不同類型的數(shù)據(jù)存儲(chǔ)以及計(jì)算資源短缺而碰壁。當(dāng)數(shù)據(jù)科學(xué)家構(gòu)建模型時(shí)，他們應(yīng)該與DevOps(開發(fā)運(yùn)營)團(tuán)隊(duì)合作，為數(shù)據(jù)管理、部署和人工智能系統(tǒng)監(jiān)控制定長期計(jì)劃，以確保成功實(shí)施，并順利進(jìn)行維護(hù)和操作。

3.減少繁瑣的數(shù)據(jù)準(zhǔn)備任務(wù)

人工智能系統(tǒng)需要投入大量數(shù)據(jù)準(zhǔn)備、集成和模型訓(xùn)練任務(wù)，寶貴且訓(xùn)練有素的數(shù)據(jù)科學(xué)家消耗了大量時(shí)間。許多這些任務(wù)可以自動(dòng)化，以簡化數(shù)據(jù)管道，更容易地將工作負(fù)載從研究轉(zhuǎn)移到生產(chǎn)，檢測(cè)性能的下降，或檢測(cè)結(jié)果中的漂移，表明模型需要用更完整或更新鮮的數(shù)據(jù)進(jìn)行重新訓(xùn)練。

4.利用現(xiàn)成的人工智能

以前，只有像谷歌和Facebook這樣的大公司才有足夠的資金來實(shí)現(xiàn)人工智能/ML模型，并獲得所需的技術(shù)，而且很難找到數(shù)據(jù)科學(xué)家。今天，許多公司正在為研究探索和大規(guī)模生產(chǎn)部署提供最前沿的開源框架、工具、庫和模型。那些能夠快速利用和定制計(jì)算機(jī)視覺、語言處理、語音識(shí)別和其他常用功能的開源解決方案的公司，走在了前面。利用這些成熟的技術(shù)平臺(tái)，能更快速構(gòu)建符合企業(yè)專業(yè)需求的人工智能系統(tǒng)，開發(fā)和試錯(cuò)的時(shí)間大大降低。

5.實(shí)施最好的性價(jià)比戰(zhàn)略

今天的基礎(chǔ)設(shè)施環(huán)境是一片“茂密叢林”。有無數(shù)種計(jì)算選項(xiàng)的組合，數(shù)據(jù)科學(xué)家可以用于不同的AI工作負(fù)載，包括CPU、GPU、AI加速器、云計(jì)算、混合云計(jì)算、協(xié)同定位等。因此，為了以合理的價(jià)格實(shí)現(xiàn)高性能，執(zhí)行任務(wù)會(huì)有很多復(fù)雜性和不可預(yù)見的挑戰(zhàn)。了解人工智能對(duì)預(yù)算的影響，選擇最具成本效益的基礎(chǔ)設(shè)施，可以降低人工智能的總成本，加速創(chuàng)新，限制風(fēng)險(xiǎn)，并加快部署時(shí)間。

隨著新的數(shù)字經(jīng)濟(jì)的出現(xiàn)，到2022年，企業(yè)將競(jìng)相使用AI洞察力，通過真正的數(shù)據(jù)驅(qū)動(dòng)來增強(qiáng)競(jìng)爭力。盡管過去一年很困難，但數(shù)據(jù)分析已經(jīng)證明是更好的商業(yè)決策的關(guān)鍵，最近的創(chuàng)新加快了企業(yè)重塑自身、數(shù)字化轉(zhuǎn)型的進(jìn)程。

通過使人工智能成為整個(gè)IT組織的核心，企業(yè)可以更接近于利用人工智能作為一種戰(zhàn)略資源，從而在短期和未來幾年獲得全部利益。