紅杉分享：AI成就企業(yè)的4個(gè)關(guān)鍵事項(xiàng)

　　[ 編者按 ]在未來(lái)，越來(lái)越多的企業(yè)將會(huì)引入AI來(lái)實(shí)現(xiàn)企業(yè)抱負(fù)、充分激發(fā)潛力、提升創(chuàng)新能力。但是，想要掌握AI技術(shù)，讓其與企業(yè)各方面業(yè)務(wù)融合，并不是一件易事。

　　據(jù)統(tǒng)計(jì)，目前擁有高成熟度AI的企業(yè)并不多，僅有很少的一部分企業(yè)能夠利用AI來(lái)快速有效擴(kuò)大規(guī)模并實(shí)現(xiàn)其收入目標(biāo)。我們將這些同時(shí)具備強(qiáng)大的AI基礎(chǔ)(如云平臺(tái)和工具，以及數(shù)據(jù)平臺(tái)、架構(gòu)和管理體系)與差異化的AI能力(如強(qiáng)大的AI戰(zhàn)略和高管投入)的公司稱(chēng)為“AI成就者”（AI Achievers）。

　　如何邁入“AI成就者”的行列?盡管對(duì)于不同行業(yè)、不同企業(yè)有著不同的方法論，但是這里有4點(diǎn)需要引起你的注意，它們對(duì)企業(yè)發(fā)展AI的成熟度極為重要。

　　為什么企業(yè)要向著“AI成就者”而努力?下圖是一次針對(duì)企業(yè)AI成熟度及影響的研究結(jié)果，其從宏觀(guān)的角度評(píng)估了被調(diào)研企業(yè)在為客戶(hù)、股東和員工實(shí)現(xiàn)更高回報(bào)的過(guò)程中，其AI基礎(chǔ)和AI能力的結(jié)合情況：

　　雖然導(dǎo)致差距的具體原因和做法將會(huì)涉及到公司的具體舉措，然而，這里有4種往往被忽視的行為，它們對(duì)發(fā)展AI的成熟度同樣重要。

　　事項(xiàng)1：打造你的AI數(shù)據(jù)中臺(tái)

　　大多公司面臨的與AI有關(guān)的*挑戰(zhàn)之一，是跨平臺(tái)和系統(tǒng)的數(shù)據(jù)激增——本地的歷史遺留系統(tǒng)與公司日益增長(zhǎng)的云計(jì)算系統(tǒng)被尷尬地混合在一起。在日常使用時(shí)，數(shù)據(jù)經(jīng)常會(huì)出現(xiàn)諸如格式不匹配導(dǎo)致的無(wú)法訪(fǎng)問(wèn)等問(wèn)題。而這樣的問(wèn)題，也會(huì)反過(guò)來(lái)限制公司在組織內(nèi)推廣AI技術(shù)的效果。

　　我們來(lái)看看AI成就者都是怎么做的——它們往往會(huì)建立起AI數(shù)據(jù)中臺(tái)，即運(yùn)營(yíng)數(shù)據(jù)和AI平臺(tái)，從而可以利用公司的人才、技術(shù)和數(shù)據(jù)生態(tài)系統(tǒng)，更好地平衡試驗(yàn)與執(zhí)行的比例。在研究中也發(fā)現(xiàn)，AI成就者相比AI試驗(yàn)者，其實(shí)現(xiàn)數(shù)據(jù)管理治理規(guī)模化的可能性要高出33%，而實(shí)現(xiàn)數(shù)據(jù)管理治理規(guī)模化，正是建立強(qiáng)大的AI“核心”的*步。

　　另外，AI核心可以幫助企業(yè)做很多有益的事情，比如迅速將AI應(yīng)用產(chǎn)品化、將AI整合到其他應(yīng)用中等。那么如何建立AI核心?大多數(shù)的AI成就者會(huì)在確保數(shù)據(jù)可靠的情況下，將它們存儲(chǔ)在一個(gè)單一的企業(yè)級(jí)云平臺(tái)上，配以適當(dāng)?shù)氖褂谩⒈O(jiān)測(cè)和安全策略，來(lái)充分發(fā)揮內(nèi)、外部數(shù)據(jù)的作用。

　　例如，瑞士制藥巨頭諾華(Novartis)從2019年開(kāi)始便通過(guò)創(chuàng)建“決策中心”(Insight Centers)來(lái)拓展其AI治理和數(shù)據(jù)管理實(shí)踐，為該公司的制造業(yè)務(wù)和分銷(xiāo)點(diǎn)提供更實(shí)時(shí)的數(shù)據(jù)可見(jiàn)管理。與此同時(shí)，他們還努力完善這些技術(shù)的兼容性，最終大大提高了開(kāi)發(fā)和生產(chǎn)藥物的能力，大大節(jié)省了時(shí)間和成本。

　　事項(xiàng)2：維持你的AI投資

　　對(duì)于AI成就者而言，AI投資之旅沒(méi)有終點(diǎn)，并不存在所謂“AI峰值”。因?yàn)檫@種認(rèn)知，AI成就者們會(huì)進(jìn)入一個(gè)AI收益的良性循環(huán)，即使AI成熟度日漸提升，但隨著時(shí)間推移，仍然不斷投入，從而繼續(xù)獲得更多收益。

　　對(duì)于AI成就者來(lái)說(shuō)，持續(xù)的投資通常會(huì)用于提升AI的影響廣度，從而將影響*化；同時(shí)，還將進(jìn)一步嘗試各種跨領(lǐng)域AI解決方案，在過(guò)程中重新部署資源。例如，某奧地利能源公司近年來(lái)在AI驅(qū)動(dòng)的數(shù)字孿生技術(shù)上投入了大量資金，幫助他們更好地為維也納市等客戶(hù)服務(wù)——除去帶來(lái)的其他積極影響外，該技術(shù)系統(tǒng)更精準(zhǔn)地模擬出了客戶(hù)對(duì)供暖和制冷服務(wù)的需求，進(jìn)而估算出來(lái)企業(yè)所需要的各種舉措的短期成本和長(zhǎng)期能源節(jié)約。

　　事項(xiàng)3：培養(yǎng)AI方面的人才

　　AI成就者明白，讓AI與人類(lèi)員工無(wú)縫合作，是最高效的工作方式。這也是很多AI成就者更傾向于制定積極主動(dòng)的AI人才戰(zhàn)略，以保持在行業(yè)趨勢(shì)前沿的原因。除了以AI為重點(diǎn)的招聘外，AI成就者還經(jīng)常與專(zhuān)業(yè)公司合作或收購(gòu)專(zhuān)業(yè)公司來(lái)填補(bǔ)關(guān)鍵職位的人才空缺，如數(shù)據(jù)或行為科學(xué)家、社會(huì)科學(xué)家和倫理學(xué)家。

　　AI成就者也更有可能對(duì)大多數(shù)員工進(jìn)行強(qiáng)制性的AI培訓(xùn)，從產(chǎn)品開(kāi)發(fā)工程師到高管團(tuán)隊(duì)都會(huì)參與其中。而且，由于他們會(huì)更側(cè)重于提升員工AI方面的知識(shí)，他們的員工會(huì)比其他公司的同行更精通AI相關(guān)技能。

　　這些努力使得人類(lèi)與AI的協(xié)作更容易實(shí)現(xiàn)規(guī)模化，并確保AI滲透到企業(yè)肌理當(dāng)中。舉例來(lái)說(shuō)，歐洲一家大型能源公司便打造了一個(gè)“數(shù)字工廠(chǎng)”，幫助員工在日常工作中使用分析技術(shù)與AI洞察，同時(shí)還讓數(shù)字工廠(chǎng)培訓(xùn)現(xiàn)場(chǎng)工程師使用并改進(jìn)機(jī)器學(xué)習(xí)模型。該工廠(chǎng)還為所有管理人員提供強(qiáng)制的數(shù)據(jù)與AI培訓(xùn)，并為公司全體員工提供再培訓(xùn)和技能提升支持。

　　得益于該組織對(duì)AI人才方面的投資，其業(yè)務(wù)部門(mén)如今在啟動(dòng)開(kāi)發(fā)的5個(gè)月內(nèi)就能收到新的AI應(yīng)用程序——在數(shù)字工廠(chǎng)建成之前，他們平均要等18個(gè)月。更長(zhǎng)遠(yuǎn)來(lái)看，到2025年，該公司預(yù)計(jì)其數(shù)字工廠(chǎng)每年將使其利潤(rùn)增加15億美元。

　　事項(xiàng)4：打造靠譜的AI框架

　　隨著企業(yè)在越來(lái)越多的任務(wù)中部署AI，遵守法律、法規(guī)和道德規(guī)范正成為提升AI成熟度越來(lái)越重要的行為。事實(shí)上，能夠向外展示自己擁有高質(zhì)量、值得信賴(lài)且達(dá)到監(jiān)管要求的AI系統(tǒng)，將使這些走在前列的公司在短期和長(zhǎng)期上都獲得巨大優(yōu)勢(shì)，從而吸引更多新客戶(hù)，更好留住現(xiàn)有客戶(hù)，并提升投資者信心。

　　不靠譜的AI框架，會(huì)給企業(yè)自身、客戶(hù)帶來(lái)許多風(fēng)險(xiǎn)。以常見(jiàn)的算法偏見(jiàn)為例。它是指根據(jù)過(guò)往偏見(jiàn)數(shù)據(jù)訓(xùn)練出來(lái)的AI也會(huì)繼承這方面的偏見(jiàn)，所以當(dāng)你的AI框架中的訓(xùn)練數(shù)據(jù)不夠“公平”，那么AI輸出的結(jié)果自然也不夠準(zhǔn)確。這種時(shí)候，公司便可以結(jié)合對(duì)數(shù)據(jù)和算法中偏見(jiàn)原因的研究，對(duì)AI模型進(jìn)行多層級(jí)的“算法公平”(algorithmic-fairness)評(píng)估，進(jìn)而定義和應(yīng)用公平性的量化措施，包括提出使算法更加公平的數(shù)據(jù)收集和建模方法。

　　除此之外，還可以通過(guò)不同專(zhuān)家的廣泛合作來(lái)重新設(shè)計(jì)AI框架，從員工到設(shè)計(jì)師、數(shù)據(jù)科學(xué)家、合規(guī)專(zhuān)業(yè)人士和商業(yè)分析師等。將員工培訓(xùn)成為AI專(zhuān)家，這對(duì)打造可靠AI框架也至關(guān)重要。