87%的AI項目以失敗告終？工程智能是否可以拯救
我們正處于第四次人工智能寒冬的邊緣，人們開始懷疑人工智能能否產生足夠的有形價值，來證明其成本是合理的。
不過，幸運的是，我們仍有時間阻止下一個人工智能寒冬，而答案其實就在我們面前。
缺少了一些東西
對于大多數科學學科來說，突破大多是在實驗室中取得的，然后交給工程師轉化為現實世界的應用。
當一個化學研究團隊發現一種形成粘合劑的新方法時，就會交給化學工程師來設計產品和解決方案。
機械物理學家的突破被轉移到機械工程師來設計解決方案。
然而，當人工智能取得突破時，應用人工智能并沒有明確的學科，導致組織投資聘請博士學位的數據科學家，希望在人工智能領域取得科學突破，而不是試圖設計現實世界的解決方案。
結果如何？87% 的人工智能項目以失敗告終。
進入工程智能時代
“工程智能”（“智能工程”）是一門新興學科，專注于扎根于工程的人工智能研究的實際應用——利用科學突破和原材料來設計和構建安全、實用的價值。這為領域專家、科學家和工程師創造了創建智能解決方案的能力，而無需成為數據科學家。
領先的工業組織開始重建從研究到工程的管道，與學術界和技術供應商建立新的合作伙伴關系，并為將人工智能研究移交給智能工程師創造生態系統條件，就像化學研究與化學工程師共享一樣。
結果如何？
有形用例中的突破性應用創造了價值，投入生產，而數據科學家或技術供應商僅憑數據是無法發現這些應用的。
將智能工程引入組織的 5 個步驟
專業知識是智能工程的核心，以技能（通過實際應用學習的專業知識單位）來表達。理論和培訓可以加速技能的獲取，但沒有實踐經驗，您就無法擁有技能（因此也就沒有專業知識）。假設您的組織已經有專家，您可以遵循以下五個實際步驟來引入智能工程學科，以及它與利用 AI 的傳統方法有何不同：
引入 AI 的傳統方法（占 87% 的失敗率）是：
創建問題列表。
或者
- 檢查您的數據；
- 選擇一組潛在用例；
- 分析用例的投資回報率 (ROI)、可行性、成本和時間表；
- 選擇用例子集并投資執行。
引入工程智能的智能工程方法是：
- 創建現有流程中專業知識的熱圖；
- 評估哪些專業知識對組織最有價值，并評估該專業知識的豐富性或稀缺性；
- 選擇貴組織中最有價值且最稀缺的五大專業領域；
- 分析投資回報率、可行性、成本和時間表，以設計智能解決方案；
- 選擇一組價值案例并投資執行。
利用人工智能創造新一波價值
一旦將智能工程引入您的組織，并開發出直觀的應用程序并將其投入生產，就可以利用這一新功能，超越現有的專業知識，為整個組織和生態系統創造安全、實用的價值。
隨著組織、行業和教育機構為工程智能構建程序，組織、個人和我們的社會將從人工智能原本未實現的經濟和社會潛力中獲益，創造新的工作類別，并迎來新一波價值創造。
