人工智能企业应用正逐渐成熟

人工智能
随着人工智能在企业中的快速普及,德勤咨询(Deloitte)的一份新报告发现,企业正在探索的人工智能实践的结果和工作流程存在巨大差异。德勤在其最新的“企业人工智能现状”报告中,寻找了标志成功人工智能实践的共性,以及与较低成就相关的实践启示。

 德勤在其最新的“企业人工智能现状”报告中,寻找了标志成功人工智能实践的共性,以及与较低成就相关的实践启示。

 

[[432649]]

 

这份人工智能年度报告《成为人工智能驱动的组织》收集了来自美洲、欧洲、中东和太平洋地区11个国家的2875名IT和企业高管的调查信息,以了解他们如何使用人工智能,得到了什么样的结果,以及他们的应用实践。由德勤人工智能研究所和德勤综合研究中心共同制作的该报告于10月28日发布。

长达28页的报告根据受访者部署的人工智能项目数量及其成功率,将参与调查的公司分为四大类。其中“变形金刚”(Transformer)在受访者中占28%,表现出高成果和人工智能部署数量多的特点;而26%的“探索者”(Pathseeker)虽然部署数量少,仍能获得高效果;“后进生”(Underachiever)占受访者的17%,他们应用效果很低,但部署的人工智能数量很多;“起步者”(Starter)占受访者的最大群体,29%。他们部署数量很低,成果也很低。

 

人工智能企业应用正逐渐成熟

 

德勤的调查显示,“变形金刚”和“探索者”几个非常突出的特点。

首先,这两个群体的代表更有资格说,人工智能将他们的组织与竞争对手区分开来。他们也更有可能制定基于整个企业的人工智能战略,以及利用变革性人工智能的高层愿景。也更有可能依靠人工智能在五年内保持竞争优势。不过虽然这些成就卓越的公司专注于利用人工智能作为竞争优势,但在最成功的企业中,有一个“反向”原则在起作用:真正的差异化来自商业成果,而不是人工智能技术。最强大的人工智能战略在开始从不提及人工智能。相反,它们应该从组织核心业务战略开始。最终,人工智能战略作为业务战略的强大推动力,与为激励和加强竞争优势而制定的KPI目标保持一致。

报告还说,成就较低的人往往只要求数据科学家或IT部门推动他们的人工智能战略,这并不理想。相反,人工智能策略应该来自业务,如果可能的话,它应该涵盖整个企业。

德勤引用了杰夫•贝佐斯(Jeff Bezos)的例子,他在2010年要求亚马逊的每一位领导者都要制定一项如何使用人工智能和机器学习的战略。这推动了无与伦比的增长,是公司惊人增长的催化剂。

 

“变形金刚”和“探索者”之间还有一个有趣的共同点:他们倾向于实施更多以增长为导向的人工智能项目(也可以理解为“开源”项目),而“后进生”和“起步者”则倾向于更专注于降低成本的人工智能项目(“节流”项目)。事实上,这两种类型的人工智能项目通常都是需要的。但明显增长为导向的AI项目成功带来的推动效应会更强烈。

只启动少数人工智能项目的效力有限。德勤人工智能联席主管、德勤咨询负责人尼廷•米塔尔(Nitin Mittal)表示,人工智能的成功不是一个一次性的项目,而是一个持续的过程。他说:“要成为一个以人工智能为动力的组织,就要明白转型过程永远不会完成,而是一个不断学习和改进的旅程。”

 

德勤还调查了高成就AI团队的工作流程习惯,发现专注于MLOps流程与成功相关。

该公司在报告中表示:“记录并执行MLOps过程的组织达成目标的可能性是其他组织的两倍。同时对与人工智能相关的风险做好了充分准备的可能性增加了4倍,对能够以值得信任的方式部署人工智能举措的信心增加了3倍。”

机器学习操作 (MLOps) 基于可提高工作流效率的DevOps原理和做法。例如持续集成、持续交付和持续部署。

德勤认为,信任、数据流畅性和敏捷性是区分高绩效和低绩效AI团队的额外特征。投资于变革管理以管理其人工智能实施的组织,人工智能计划超出预期的可能性要高出60%,取得成果的可能性要高出40%。

有趣的是,“恐惧“是在高成就的人工智能群体中出现的另一个因素,但不是因为害怕人工智能取代工作。“恐惧可能是一个积极的信号,表明一个组织的人工智能愿景是大胆的。”

高成就的人工智能集团的另一个特点是依赖由合作伙伴和工具提供商组成的广泛生态系统。德勤的调查发现,83%的“变形金刚“和”探索者“创建了一个多样化的合作生态系统,以执行他们的人工智能战略。过度依赖少数合作伙伴和工具供应商也会使公司面临一定风险。

与人工智能相关的风险仍是企业高管们最关心的问题。但这不会阻止他们向前迈进。高成就的组织报告说,他们在管理与人工智能相关的风险方面准备得更充分,并且有信心以一种值得信赖的方式部署人工智能计划。

责任编辑:华轩 来源: 今日头条
相关推荐

2019-03-04 11:00:09

人工智能AI两会

2021-07-13 09:48:58

人工智能AI深度学习

2018-11-29 08:30:04

人工智能无人商店智慧金融

2013-03-21 09:41:30

2009-02-20 10:39:07

云计算服务Software OnSaaS

2021-03-03 10:43:37

人工智能

2020-09-07 07:00:00

人工智能AI

2017-03-20 10:56:04

人工智能

2017-02-21 11:30:05

5G人工智能数据

2009-08-20 09:02:01

Windows 7游戏性能

2020-12-18 11:43:20

人工智能人工智能应用

2024-01-03 09:47:44

2018-08-15 13:47:54

数据

2024-04-18 16:12:10

2021-12-14 14:03:14

人工智能机器人安全

2021-07-02 14:18:44

人工智能架构技术

2022-07-13 15:05:27

人工智能农业

2022-12-15 07:35:04

人工智能语音应用场景
点赞
收藏

51CTO技术栈公众号