人工智能之旅，原型仅仅是开始-人工智能之路

我们可以常常看到国内外的人工智能和机器学习团队，他们不断分享伟大成果的消息，但可能还没有准备好落地应用。在尝试使用新兴技术时，总是会遇到挑战，尤其是在没有明确的成功途径的情况下。比起制定一个可靠的路线图，炒作更容易。

新技术如何推进

新技术通常会以两种方式渗入公司。

也许一位高管看到竞争对手通过应用一项新技术取得了成功;或者一位高管参加了一次会议，看到了利用最新、最伟大的工具创造竞争优势的机会(也许我们的一篇文章就可以开始这一切)。

还有一条路径，一种“草根”力量将新兴技术整合到现有工作流程中。也许公司内部某个团队的成员正在积极探索感兴趣的领域，他们会向领导解释为什么这将成为公司的游戏规则改变者。他开始尝试推动应用，通过概念验证加速改变。

这两个切入点通常都是从原型的构建开始的，原型的目的旨在演示一些新技术如何工作。这些一次性解决方案通常构建在一个竖井中，这意味着它们几乎没有责任，成功与失败都不会对现有运营造成太大影响。

毕竟，原型很容易创建，成本不高，而且它们不需要任何长期的承诺。在这个初始阶段，构建生产就绪系统所必需的可行性研究是不需要的。这有利于公司内部迅速取得支持，高管们可以庆祝公司已经开始跟进技术趋势和创新潮流。更不用说这种锻炼对员工来说既有趣又令人兴奋。然后，在兴奋消散之后，项目处于停滞状态。

这些情况反映了几十年来公司陷入的困境。

席卷企业界的最新技术——人工智能和机器学习——也面临着同样的应用挑战，它们注定也要经历这条艰难而尴尬的发展道路。

因为这些技术对许多业务负责人来说就像一个黑盒子。这意味着执行人员经常会犹豫是否要越过原型阶段，即使最初原型产品实现产生了积极的结果。

对于这些类型的项目，在受控的环境中显示成功是相当容易的。然而，当人工智能和机器学习失败时，结果可能是毁灭性的。对许多领导人来说，大规模依赖科技来冒险经营是一种令人不安的前景。

更不用说人工智能还带来了一个独特的心理障碍：一个成功的人工智能或机器学习的实现几乎肯定会减少以前这些岗位的人类。爱德曼公司2019年的一项调查显示，只有30%的公众对工作场所的人工智能持欢迎态度。人工智能项目失败的原因不难理解。谁愿意积极推动会让他们失业的技术?

当然，还有人工智能的人才挑战。寻找和招聘具有项目经验和娴熟技能的人员需要大笔资金。

然而，那些敢于冒险的人往往会得到丰厚的回报。麦肯锡公司(McKinsey)的一项调查显示，有78%的企业表示，它们从不同业务领域的人工智能应用中获得了重大或中等价值回报。只有1%的人在实施后注明“没有或负值”。

尽管机器学习和人工智能等技术挑战人类心理，但它们有望给大胆的商业领袖带来切实的竞争优势。如果你希望自己的业务也能得到同样的结果，那么在进行原型设计之前，你需要考虑以下5条建议:

将你的原型投资集中，并保持在可控范围内。如果这笔资金还没有到位，那就制定一个全面的计划来确保资金到位。如果你知道自己很难获得资源去完成原型的概念验证，那么就不要在这方面投入太多时间和精力。

要清楚通过部署人工智能、机器学习或其他功能性技术解决方案，你想要实现什么。从实现中获得的价值必须能够衡量，以证明投资的合理性。如果你的原型只会产生名义上的增量价值，或者你看不到投资回报，那就寻找那些可以从原型解决方案中获益更多的领域。

最后，并不是所有的原型都能带来收益。要明确验证实验性质的原型和能够成功实施的原型之间的界线。

不要在没有讨论和计划整个原型周期(包括原型阶段落地验证的事情)之前就开始构建原型。对一个成功的原型所遵循的内容达成共识，将加速项目的成熟阶段，并使领导层与原型计划的长期目标保持一致。

如果你致力于构建人工智能、机器学习或其他解决方案的原型，构建和管理一个原型组合将使你的业务试验与技术相结合，同时最大限度地共享知识。投资原型组合将带来更好的结果。当你有不同的原型可以进行比较时，将提升你识别和定义成功的能力。

一个成功的原型推广是渐进式的。可能有多个级别的原型处于技术生命周期的不同阶段。例如，可以概述一种分层方法，其中第一层确认有价值的可能性，下一层测试可伸缩方法，下一层测试操作化，最后一层生成生产就绪的解决方案。

在开始任何技术实施时，没有一个获取真正价值的计划，可能会导致失败。原型是朝着正确方向迈出的重要一步，但简单地创建原型绝不应该是你的最终目标。

人工智能、机器学习和其他新兴技术有着令人难以置信的前景。但是，这些解决方案成功的公司必须承担大胆的风险，克服实施上的挑战，最终构建的才会不仅仅是一个原型。