簡介

隨著數(shù)據(jù)科學、機器學習和人工智能的熱度不斷上升,越來越多的企業(yè)感受到了來自AI的焦慮，好像不做AI就有可能落后于技術(shù)趨勢。但說句老實話，至少90%的企業(yè)做不了AI，不是不適合，是做不了，沒這個能力。

該如何選擇正確的項目呢?難道應(yīng)該選擇時髦的面向消費者的解決方案,比如聊天機器人、虛擬助手或計算機視覺應(yīng)用嗎?或者最好還是專注于嵌入式的后臺項目,這些項目可以悄悄地幫助改進內(nèi)部運營、提高員工效率或決策能力嗎?一般來說,人工智能項目可以分為以下幾類:

增加營業(yè)收入的、避免合規(guī)風險的、降低運營成本的、提升競爭優(yōu)勢的、提升團隊效率的

由于有很多個潛在的使用案例但資源有限，因此重要的是將具有高商業(yè)價值和高成功率的項目優(yōu)先考慮。這就是一個古老的框架——五個W和一個H——對于開始人工智能(AI)之路的企業(yè)發(fā)揮作用的地方。

理想的AI項目應(yīng)該對每個問題都有清晰而令人信服的答案：

? 這個項目標用戶是誰？

? 它將如何具體改善體驗或結(jié)果，以及如何衡量這一點？

? 使用AI進行這個目的為什么比現(xiàn)有過程更好？

? 如果成功了，它的優(yōu)勢是什么，如果失敗了會有什么后果？

? 數(shù)據(jù)從哪里來，是否已經(jīng)存在？

? 應(yīng)該何時交付初始工作原型以及隨后的生產(chǎn)最終解決方案？

本文將詳細討論每個這些考慮因素，并提供示例、策略和后續(xù)問題，以幫助指導選擇最終將帶來業(yè)務(wù)價值的AI用例。

這個項目的目標用戶是誰？

確定目標用戶是定義AI項目的關(guān)鍵步驟之一。一個重要的考慮因素是認識到“用戶”不必一定是外部的——受益于AI項目的人當然可以是企業(yè)內(nèi)部的員工，特別是如果用例旨在提高內(nèi)部的速度或團隊效率。

例如：

一家金融服務(wù)企業(yè)正在考慮是否構(gòu)建一個面向外部的應(yīng)用程序，具體來說是一個虛擬助手，可以與手機銀行應(yīng)用程序和小愛同學集成。在深入項目之前，確定是否有特定用戶群體對產(chǎn)品最相關(guān)非常重要。一個重要的問題可能是：這些特定細分市場對于整個業(yè)務(wù)戰(zhàn)略有多重要？

要點：

? 在構(gòu)建解決方案之前，為AI項目定義一個特定的用戶。

? 協(xié)作至關(guān)重要——開發(fā)AI項目的人員需要與目標用戶或其他行業(yè)專家密切合作，不僅要選擇，而且要真正了解用戶。他們是誰？他們的需求是什么？他們的當前流程和習慣是什么？

AI項目將如何具體改善目標用戶的經(jīng)驗或結(jié)果？我們可以衡量這一點嗎？

確定了目標用戶后，重要的是考慮AI應(yīng)用程序或系統(tǒng)將如何具體改善該用戶的經(jīng)驗。這種HOW應(yīng)該盡可能量化，以顯示一旦應(yīng)用AI系統(tǒng)后，其ROI(投資回報率)是多少。

比如考慮在保險公司構(gòu)建一個后臺AI應(yīng)用程序，這個應(yīng)用程序可以自動標記自由形式文本(例如保險和索賠賠償單、呼叫中心筆記或醫(yī)療健康記錄)中的所有相關(guān)類別，并提取日期、地點和名稱等關(guān)鍵內(nèi)容。

實際ROI:通過使用上述方法在大規(guī)模上自動掃描患者記錄，一家歐洲大型醫(yī)院能夠改善患者的結(jié)果并獲得數(shù)百萬歐元的ROI。他們通過使用文本分析來檢測以前未記錄的醫(yī)療記錄中提到的次要疾病和治療方式，這些記錄因此也未向保險公司開具賬單；此外，自動化此過程節(jié)省了數(shù)百個昂貴的醫(yī)生時間來進行手動審查。

要點：

? 始終問：這個AI用例如何幫助我賺錢、省錢或做一些今天無法做到的事情？

? 如果答案不清楚，則將其從列表中刪除。

AI用例(尤其是在獲得整個企業(yè)對AI努力的支持時)應(yīng)重點關(guān)注具有實際可衡量的業(yè)務(wù)結(jié)果的機會。

使用AI進行這個項目的好處是什么？

當ChatGPT公開后，AI似乎也成了“容易”的代名詞，我們可以使用ChatGPT很容易地完成很多任務(wù)，因此我們也很容易被AI成為一個新的“容易”按鈕的想法所誘惑。但是新的并不總是意味著更有價值——在權(quán)衡各種AI項目的利弊時，考慮預期的好處是否能夠證明替換現(xiàn)有過程所需的時間和投資是值得的。

例如，假設(shè)一家大型零售商的營銷部門每周手動標記新獲得的圖像，以便它們可以在數(shù)字資產(chǎn)管理系統(tǒng)中正確索引。這種方式下，員工可以找到符合公司要求的包含特定元素(如商務(wù)人士、平板電腦、飛機等)的演示圖像。是否值得構(gòu)建一個對象識別模型來自動檢測并標記每張照片中的物品？

在這種情況下：由于圖像數(shù)量較少且自動化此過程的商業(yè)價值可能不足以克服從頭開始訓練和維護強大深度學習模型所需的重大努力，因此可能不是一個好的用例。然而，使用預訓練模型(如YOLO、COCO、Mask R-CNN等)可能會提供所需的捷徑，而不必耗費過多的資源。

要點：

? 避免為了做AI而做AI,而是要關(guān)注真正在大規(guī)模提供價值或提供以前不可能實現(xiàn)的其他有形價值的重頭應(yīng)用。

? 如果使用AI不會提供任何更大的價值或ROI,那么就嘗試另外的項目。

如果該項目成功，將會有什么好處？如果項目失敗，將會有什么后果？

在上面，我們清楚了量化成功AI項目可能帶來的好處(例如增加收入、節(jié)省運營成本等)的重要性。但是風險也應(yīng)該在決定開始項目之前進行評估。沒有人喜歡在開始前考慮AI項目失敗的可能性，但VentureBeat AI報告稱87%的數(shù)據(jù)科學項目從未進入生產(chǎn)階段。因此，重要的是評估最壞情況下的結(jié)果。

? 是否會對品牌聲譽或用戶信任造成重大損害？

? 是否會對企業(yè)對AI項目的信任和數(shù)據(jù)團隊執(zhí)行能力造成損害？

? 是否存在關(guān)于監(jiān)管合規(guī)或用戶隱私的風險？

Celent分析師Dan Latimore在他的2018年出版物《 Artificial Intelligence in Banking 》中說得最好："Pick a welldefined and manageable project whose failure won't be catastrophic and whose success will be inspirationa‘翻譯過來的大概意思“選擇一個明確且可管理的項目，其失敗不會是災難性的，而成功的則將能夠鼓舞人心?！?/p>

要點：

? 選擇一個在失敗時不會對公司或AI程序本身造成災難性后果的AI項目。

? 評估以下因素對于確定一個在失敗時不會對公司或AI程序本身造成災難性后果的項目至關(guān)重要。

??? 項目范圍

??? 團隊是否有對應(yīng)行業(yè)的內(nèi)容專家支持？

??? 可用的分析資源(包括人力和基礎(chǔ)設(shè)施)

數(shù)據(jù)從哪里來，以及是否適合這個項目？

數(shù)據(jù)是人工智能系統(tǒng)最重要的元素之一。現(xiàn)代大多數(shù)AI解決方案都利用機器學習中的監(jiān)督學習算法，這些算法需要從數(shù)據(jù)科學開發(fā)者那里獲得的標記數(shù)據(jù)集來訓練計算機。換句話說，計算機從它所獲得的例子(包括答案)中學習，通常，這些算法需要大量的標記訓練數(shù)據(jù)才能產(chǎn)生高度準確的結(jié)果。

當企業(yè)想要實施酷炫的AI解決方案，但沒有手頭可用的特定任務(wù)數(shù)據(jù)時，就會發(fā)生脫節(jié)。那些著手進行第一個AI項目的企業(yè)可能會考慮選擇僅依賴于內(nèi)部數(shù)據(jù)的初始項目，而不是那些嚴重依賴第三方來源或大量制造訓練數(shù)據(jù)(如斯坦福大學的Snorkel、亞馬遜的Mechanical Turk或谷歌的AI平臺數(shù)據(jù)標記服務(wù))的項目。

要點：

? 對于第一個AI項目，盡量減少外部依賴。這不僅降低了復雜性，還將團隊引導到具有高速度價值早期項目的早期階段，這對于獲得企業(yè)支持至關(guān)重要。

? 業(yè)務(wù)、IT和數(shù)據(jù)科學小組之間的協(xié)作對于這種考慮也至關(guān)重要，因此應(yīng)盡早并經(jīng)常與相關(guān)利益相關(guān)者參與項目設(shè)計。

MVP（最小可行）模型何時需要完成？最終生產(chǎn)解決方案何時實現(xiàn)？

最后：設(shè)定做出一個MVP模型的DDL（最終截止時間）也是至關(guān)重要的。就像DIY家裝一樣，AI應(yīng)用程序構(gòu)建可能會無限期地拖延；似乎總是需要進行更多的微調(diào)，添加另一個小功能。但是為了與內(nèi)部利益相關(guān)者建立信任，最好的做法是在短期內(nèi)有限地從頭到尾運行整個解決方案，而不是在第一次嘗試中就追求完全成熟的解決方案。

實際例子：以面向用戶的聊天機器人為例，第一個原型可以專注于廣度(即回答各種不同主題的簡單問題),或者深度(能夠回答許多不同方式提出的非常詳細的問題，但只涉及幾個主題)。然而，在第一次迭代中實現(xiàn)這兩個目標可能是不現(xiàn)實的。一旦聊天機器人預覽獲得內(nèi)部用戶接受 - 即利益相關(guān)者確認一旦完成構(gòu)建，它將實際上帶來預期的商業(yè)成果 - 才適當?shù)赝耆_發(fā)應(yīng)用程序。

操作化是AI項目中的關(guān)鍵步驟：將數(shù)據(jù)洞察力轉(zhuǎn)化為實際的大規(guī)模業(yè)務(wù)和運營影響。這意味著在設(shè)計機器學習模型的探索性工作和實際生產(chǎn)系統(tǒng)中所需的工業(yè)努力之間建立巨大的差距(更不用說精度了)。

AI項目的時間概念不僅應(yīng)包括開發(fā)MVP原型的時間，還應(yīng)包括部署到生產(chǎn)以及進行第二(或更多次)次迭代的時間。AI項目適合MVP方法，因為了解機器學習模型表現(xiàn)的最佳方式是在生產(chǎn)環(huán)境中進行，因此成功項目的關(guān)鍵是盡早進行操作化，經(jīng)常調(diào)整并推出新版本。

要點：

? 采用“先進步再完美”和MVP心態(tài)可以讓利益相關(guān)者對AI項目的長期愿景感到興奮，并在項目早期階段提供反饋，以便進行大版本迭代。

? AI項目時間表不僅應(yīng)包括從開發(fā)到原型的開發(fā)，還應(yīng)包括從開發(fā)到操作化的操作化。

? 事先設(shè)定這些時間概念至關(guān)重要，需要解決任何潛在的障礙，以便在到達那里之前就可以實現(xiàn)操作化，如果可能的話，還要發(fā)現(xiàn)bug和提升用戶體驗~

結(jié)論

當今最成功的企業(yè)已經(jīng)接受了這樣一種觀點：有效地利用數(shù)據(jù)和技術(shù)不僅可以帶來競爭優(yōu)勢，還可以改善員工和用戶的經(jīng)驗。但是在規(guī)劃企業(yè)的人工智能戰(zhàn)略時，需要保持策略性和謹慎。文中概述的框架將有助于避免人工智能項目啟動時的錯誤，并為成功創(chuàng)造環(huán)境。最后獻上AI項目規(guī)劃的指南：

溝通交流