当今C-Suite的5点主要AI总结
人工智能已经从流行语演变为当今的现实。 拥有机器学习系统专业知识的公司正在寻求毕业于基于人工智能的技术。 尚未拥有机器学习文化的企业正在尝试设计一种将其部署到位的策略。 在这种炒作和害怕被抛弃的恐惧中，您将如何在公司中实施AI战略？ 今天，这似乎是一个经常发生的常见问题。 本文旨在更深入地探讨企业在实施AI战略时面临的挑战，机遇和可能性。
当今AI的关键挑战：3个T
在公司中创建AI生态系统时面临许多挑战。 所有这些挑战可以归纳为三个主要标题：
· 人才：组建一支由人才组成的团队是当今许多企业最关注的问题之一。
· 时间：另一个关键因素是时间。 至关重要的是，要了解通过实施AI策略获得业务成果的速度。
· 信任：信任是指对您的机器学习模型的信任，以及您向监管机构和利益相关方解释模型结果的能力。
多年来，通过与许多H2O.ai的客户和用户交流，提出了一些解决这些问题的建议。
1.建立数据文化
为了利用所生成的大量数据并使之有意义，公司需要首先建立数据文化。 在公司中建立数据驱动的文化时，应牢记以下三个关键点：
· 数据采集
要建立数据文化，首先需要主动开始收集数据。 今天的数据可以从市场部门，销售部门，产品监控，客户分析等各种来源获得。这基本上构成了基础。
· 使数据可访问
需要使人们能够访问已收集的数据。 这意味着数据应采用这种格式，这样人们可以轻松地进行处理并从中获得有意义的见解。
· 寻找合适的人才
数据本质上是团队运动。 这意味着即使公司需要专家来创建模型和算法，但他们还需要具有不同技术能力的人员，他们可以在将数据传递给专家之前从数据中发现有用的见解。 为此，他们可以培训现有的劳动力，因为他们拥有这项工作的基本领域经验。 机器学习既是一种文化变革，又是一种商业变革。 因此，公司可以聘用一些数据科学家，而不是从头开始建立新的团队，并利用现有的经验丰富的员工队伍来为他们提供帮助。
2.提出正确的问题
提出正确的问题对于在公司中创建数据文化至关重要。 如何获得下一个客户，那个下一个客户是谁，如何优化我的供应链是当今大多数企业中需要解决的一些问题。 有时，制定业务问题可以充当实现AI的垫脚石。 为了能够提出相关的问题，公司需要让具有创造力的人员具有分析性思维，并具有以数据而非直觉为后盾的解决方案。
· 您要解决什么问题？
如今，几乎所有行业都在使用AI和机器学习。 一些众所周知的示例如下。
在这些行业中使用AI的想法是节省时间和金钱，并获得与其他行业相比的竞争优势。 如果您的公司处理上述任何用例或某些类似的业务问题，而您仅依靠传统方法，则势必会落伍。
· 确定结果
提出正确的问题决定了可以从中产生什么结果。 关键思想是将公司的高层目标转化为业务问题，然后确定其结果。
· 衡量成功
公司还需要提出衡量其成功的指标。 对于不同的公司，成功的定义可能有所不同，但是最终目标是相同的，即获利和交付价值。
3.连接到社区
社区在推动任何公司的变革中都扮演着至关重要的角色。 您可以通过在线（网络研讨会）和离线（聚会）与社区建立联系。 组织聚会，网络研讨会和培训课程使一个人可以交流知识并向他人学习。 向他人学习，参加会议以及分享相关知识是与社区建立联系的好方法。 不管你在哪里。 世界各地都有机器学习社区，并且您所在位置旁边可能有一个本地分会。
与社区建立联系的另一个重要原因是，当今大多数数据科学家和研究人员都希望与他人合作。 人工智能领域的技术正在迅速发展，通过连接，人们希望提出所有正确的问题，与他人共享，与他们一起参与并向所有人学习。 不用说，在过去的十年中，大多数前沿研究都来自学术界和开源界。
4.技术注意事项
确定使用哪种技术是可能对您的业务产生深远影响的重要考虑因素。
· 开放源还是封闭源？
如果公司正在开始AI之旅，他们可能需要决定是否要使用开放源代码软件还是封闭源代码，或者两者都选。 机器学习和AI领域的许多现有先驱者都定期对其技术进行开源采购，这可能是其他公司的良好起点。 这些新的AI播放器成熟后，可能需要供应商提供支持。 也可以选择一个本身就是软件包维护者的供应商，例如，对于开源H2O-3，H2O.ai既是维护者又是供应商。
· 云还是本地？
该问题的答案取决于您要开始多快。 如果您是从头开始，并且没有合适的现有dev-ops系统，那么在云上开始将更容易。 这将消除对采购硬件，设置软件，安全性，基础结构和维护问题的需要。 但是，如果您已经有了一个不错的DevOps基础架构，那么本地选项可以帮助优化成本。 无论是否根据需要在云和本地之间切换，很多公司也都喜欢混合模型，这是一个很好的做法。
· 数据
同样，如前所述，数据是关键点。 了解您如何生成，保存和使数据可访问性至关重要。 诸如数据隐私，数据治理和数据沿袭之类的事情是公司需要适当解决的一些问题。
5.信任人工智能
机器学习模型不应被视为"黑匣子"。 这意味着我们应该能够清楚地解释或确定其预测背后的逻辑。 能够充分描述模型的决策，拥有完善的文档，从结果中消除偏差是公司灌输对AI信任的要素时需要回答的一些重要考虑因素。
你从这里去哪里？
那你从这里去哪里呢？ 通过思考以上五个关键点并与您的团队讨论，公司可以从何处开始前进的道路。 思考并确定您当前要解决的问题，并了解如何使用机器学习和AI来发挥作用。 人工智能文化需要发展，并且像每一项重要任务一样，需要时间，耐心和资源。
参考文献
本文改编自H2O.ai的Ingrid Burton和Vinod Iyengar举办的网络研讨会，主题为"当今C-Suite的5个主要AI知识"，他们在C-Suite中分享了一些关键知识，以着手在C-Suite中实施AI策略。 公司。
(本文翻译自Parul Pandey的文章《How to effectively employ an AI strategy in your business》，参考：https://towardsdatascience.com/how-to-effectively-employ-an-ai-strategy-in-your-business-d43f41aa3b04)
