儘管人們對人工智能 (AI) 議論紛紛，但要弄清楚機器學習等技術如何能真正有利於你的企業，可能還是很困難的。
微軟 (Microsoft) 一份名為“最大化人工智能機會” (Maximising the AI opportunity) 的新報告顯示，近三分之二的商界領袖不明白使用“人工智能”的潛在回報。
報告稱：“默認情況下，人工智能往往與高昂或不合理的支出聯繫在一起。”該報告對英國 1000 名企業領袖和 4000 名員工進行了調查。這種懷疑得到了一些行業觀察人士的支持，他們強調了從聊天機器人到自動駕駛汽車等人工智能相關技術的前景與現實之間的差距。
儘管存在這些疑問，但該報告表示，其調查發現，“已經踏上人工智能之旅的企業，在生產率、業績和業務成果等方面比沒有踏上這條道路的企業提高了 5%。”
微軟英國首席技術官邁克爾•維格納爾 (Michael Wignall) 表示：“我們調查的那些企業已經做了一些事情，即使是成本不高的小事情，它們也從中看到了實實在在的好處。”
據 Wignall 稱，公司正在實施的與人工智能相關的技術包括從網站聊天機器人到基於製造數據進行預測的自定義機器學習模型的一切。
下面是報告中指出的在企業中推廣人工智能 (AI) 的五個步驟。
1. 確定需要解決的業務問題
首先確定需要解決的業務問題，然後評估每一個問題，看看它們是否適用現有的人工智能相關技術，例如用於處理簡單客戶查詢的聊天機器人，或用於某些後臺辦公室角色的機器人流程自動化(Robotic Process Automation, RPA)(關於 RPA 的基於規則的方法是否應該被歸為 AI 的一種形式存在爭議，但本報告提到 RPA 是一種與 AI 相關的技術)。
微軟英國首席執行官辛迪·羅斯在報告中寫道:“與許多其他業務問題一樣，克服這種惰性首先要找到需要解決的業務問題。”
例如，是否需要提高工資和發票等管理任務的效率？如果是這樣，那麼機器人過程自動化 (RPA) 解決方案可能是正確答案。是通過聊天機器人或自動電話系統改善客戶體驗嗎？是否有必要利用機器學習來處理工作中更平凡或更直接的部分，從而解放員工的時間，讓他們從事創造性的工作？以上都是需要解決的業務問題嗎？
在報告中，英國能源公司 Centrica 表示，開始試圖解決的目標客戶快速查詢的業務問題，併為此建立了一個自然語言機器人幫助呼叫中心人員以向他們提供最好的支持客戶的信息並更新到我們的後端系統。
2. 確定您的企業是否準備好構建、管理和支持與人工智能相關的系統
一旦發現了合適的業務問題，公司需要檢查他們是否準備好構建和管理他們選擇的系統。
有來自主要的雲服務提供商的各種各樣的機器學習服務，例如按需的圖像和語音識別服務、構建自定義模型和工具,以及使用 GPU 和機器學習框架的系統。
報告說，機器學習的一個關鍵問題是是否捕捉到正確的數據，是否對數據進行了適當的處理，以便訓練模型做出有用的預測。
微軟的 Wignall 說：“我們所說的好數據是指它既有質量又有數量。”
“你需要大量數據來更好地訓練人工智能模型，你能得到的數據越多越好，無論是客戶互動、物聯網還是傳感器數據。”
“但實際上，這也是質量的問題，要確保數據符合你想要的用途。”
“在實現任何一項技術之前，你都需要先思考一下，你為什麼要收集這些數據，以及你用這些數據做什麼。”不加區別地捕捉每一條數據不再適用與 AI。報告發現，許多公司已經開始收集和清理數據，超過三分之一的公司表示，他們的企業已經在使用預測數據分析和數據集成等工具。
3. 在你的企業中標記出核心技能和那些缺失的技能
一旦確定了業務問題的範圍，並確定了所需的潛在技術和數據，下一步就是確定您擁有哪些內部技能來實現該項目。
該報告建議，在找到建立任何缺失的技能(包括使用內部技能項目、招聘和與合作伙伴合作)的方法之前，先繪製出可用技能和中長期所需技能的路線圖。
這些不僅是實現該項目所需要的技能，也是那些由於在企業中使用聊天機器人等人工智能相關技術而導致工作崗位發生變化的員工所需要的技能。
微軟發現，約三分之一的商界領袖承認，他們不確定如何為員工提供必要的技能，以應對人工智能重塑角色所帶來的混亂。
儘管近一半的員工覺得自己能夠掌握對工作很重要的新技能，但只有 15% 的員工表示，他們的公司正在幫助掌握新技能。此外，只有 18% 的人表示他們正在積極學習新技能，以幫助自己跟上人工智能給工作帶來的未來變化。
這一缺乏準備的發現與英國人力資源協會 (CIPD) 的一份報告不謀而合。該報告去年發現，英國 2005 年的培訓支出一直在下降，而且近年來，與工作相關的成人學習的參與度大幅下降。
4. 培養一種員工可以試驗和評估人工智能的文化
微軟發現，員工和企業領導人願意嘗試與人工智能相關的技術，以幫助他們完成工作。67% 的領導者和 59% 的員工表示，他們對這個想法持開放態度。
然而，在使用這些新技術之前，員工可能需要一些鼓勵。紐卡斯爾市議會 (Newcastle City Council) 一直在試驗使用各種機器人處理與公眾的簡單互動，它推薦了一些簡單的步驟。
數字轉型項目經理珍妮•納爾遜 (Jenny Nelson) 在報告中寫道：“部分原因在於選擇合適的項目進行試驗。”
“從小事做起，不斷擴大規模，有助於團隊建立信任、獲得反饋、吸取教訓，並樹立信心。”
微軟的 Wignall 說：“我們調查的員工對人工智能的使用越來越開放，從員工的角度來看，並沒有根深蒂固的牴觸情緒。但他們未必具備利用這種變化的技能，而且，如果他們現有的技能不是未來所需要的正確技能，他們還可能擔心自己的工作將會發生什麼。
他建議，“自下而上培養一個學習和發展的環境，讓人們思考在人工智能的支持下他們的工作可能如何變化”，“投資於技能”，並鼓勵“持續學習和發展”。
5. 不要忘記偏見和道德
如上所述，機器學習系統的好壞取決於它們所訓練的數據。
報告指出：“如果這些數據不具有代表性、有偏見或完全錯誤，那麼機器學習使用這些數據的方式將從根本上存在缺陷。”
“只有幫助工程師消除圍繞性別、種族、民族和社會經濟背景等因素的數據盲點，我們才能確保人工智能技術帶來我們想要的公正、負責任的社會結果。”
報告建議制定一份人工智能宣言，為以道德的方式使用該技術設定框架，並保護數據隱私，防止人工智能被惡意濫用，圍繞固有偏見、自動化以及出錯時責任在哪裡等問題制定明確的指導方針。
閱讀更多 今安在科技 的文章
