5种使用人工智能来扩展业务的策略

作者: Prashant Kelker 2018-05-28 12:57:12

当下,对智能技术的期望和回报仍不清楚,需要不断的更新数据和算法以巩固产品的创意和投资。

2016年是企业界开始激发人工智能(AI)潜力的一年。就在两年前,人工智能程序已经能够编写完整的电影剧本,预测肯塔基赛马和大败视频游戏的世界冠军 - 而技术的突破并没有停止。从那以后,包括许多财富500强公司在内的企业开始琢磨AI可以为他们的业务和运营做些什么。

5种使用人工智能来扩展业务的策略

随着他们的实验,一个清晰的模式正在出现:任何可重复的过程都可以,或者说将被人工智能和机器学习(ML)所接管。如果您对这些技术有所了解,那么就能预测到所有正常流程都将自动化,而人类的工作将被降级为只需要处理复杂的异常情况。例如,哈佛商业评论最近的一篇文章强调了在线服装订阅服务Stitch Fix是如何使用机器学习引擎来为客户提供个性化推荐的。自动化员工的数据收集和日常流程可提高生产力,且有助于处理复杂的请求,让企业更加专注于与客户建立联系 - 最终让企业能更好地分配资源并提高盈利能力。

在这一点上,无论是技术还是它的实施细节都不利于利用AI和ML。相反,在使用新技术来扩大组织规模时,有五个因素需要记住:想象的能力,改变的意愿,产品设计的重新思考,掌握合作的艺术,以及最后一个,将AI视为商业变革的典范。

1. 释放员工的想象力

利用AI和ML的挑战不在于技术,而在于确定最有效的用例。我们如何让组织中的每个人都能够思考和想象未来将会如何 - 并让他/她置身于这个幻想的世界中?是什么阻止了这种想象力?其中一个罪魁祸首是等级制的组织结构,无意中塑造了员工的思维定势并限制了他们的思维。创建和培育社区内的社区将促使人才和创造力跨越孤岛,打破障碍。

2. 抑制急于求成的冲动

着急的将智能技术一次性全部推向整个组织将适得其反。相反,最好与您的员工一起寻找AI和ML技术与投资之间的平衡并维护现有业务。当员工明白这些技术不会夺走他们的工作时,他们会更愿意掌握这些新技术。有一种误解认为AI和ML技术将取代人们。相反的,实施智能技术可以帮助企业精确地处理日常流程,并允许员工专注于工作中更复杂,更人性化的方面。

从端到端重新设计整个业务流程,而不是使用一些零碎的方法。这样做将突出人工因素在人工智能/机器学习方面的重要性,并将释放一系列机器人目前无法达到的能力 - 创造力,人际沟通和共鸣。反过来,这将导致创造出新的价值,新的工作和更高层次的责任。

3. 反思现有的产品设计和架构模式

数十年来,技术专家一直在设计确定性系统。软件产品和系统的设计基于输入和输出的清晰度,这些系统甚至可以确定如何通过自学习算法处理数据。关键不再是如何建立具有明确规则和逻辑的系统,而是系统需要新的技能来建立系统,随着更多的数据投入到系统中,系统会不断学习。这将导致需要从根本上重新设置软件开发的规范 - 比如需求分析设计和测试 - 无论它是基于敏捷还是瀑布方法建立的。

企业资源规划(ERP)系统也在发生变化。其中数据架构将走在前列,因为定制打包软件以模拟组织流程将不再需要。 AI将与快速创建的应用程序相结合,将ERP系统转化为运营引擎。企业将转变业务流程来利用新的商业模式,为新兴市场寻求智能技术,以确保平稳的ERP转型。

4. 掌握侦察和合作的艺术

在我们离开确定性系统领域时,与供应商和技术平台的合作将发生重大变化。现在,AI解决方案的一部分将嵌入其产品中,导致组织不得不学会依靠他们的提供商。讨论将从哪个合作伙伴可以提供最好的服务质量开始,以确定是否可以信任一个伙伴在一个业务流程中运行人工智能并在其中完美运行。人工智能初创公司如雨后春笋般涌现 - 但每一个都有一个狭窄的焦点,缺乏真正的投资资本和进入企业市场的机会。对于采购部门来说,这是一个巨大的机会,可以使他们在建立合作伙伴关系的技巧上更加敏锐。企业必须了解,合作涉及共同创造,共同成功和共享所创建的知识产权,这样才能保证自己不落后于同行。

5. 将AI视为业务设计的典范

随着AI的爆发使用,组织被动等待行业同行展示可能的发展方向,并安心做个快速追随者的日子已经结束。然而,采取行动的紧迫性取决于行业细分市场的竞争力和行业细分市场的合并情况。制造公司正在使用人工智能工具来跟踪金融和零售公司,保险公司正在采用制造模式,如 Digital Twins,来预测他们所投保资产的风险。人工智能不仅应该被视为改善运营的手段,因为它可以从根本上改变组织的收入方式。 AI和ML有权重新定义全球价值链。市场领导者应该将人工智能作为捍卫其市场地位的手段,而其他人则应该使用人工智能在价值链解体过程中重新定位自己。员工才能,技术应用,业务设计和潜在合作伙伴关系将进一步推动人工智能的应用。这些因素,以及将AI视为企业战略的核心部分,将是决定何时和如何实施智能技术的关键。

这不是一件容易的事。智能技术的期望和回报仍不清楚,需要不断更新数据和算法以巩固产品创意和投资。技术的复杂性及到底如何实施不应被视为是利用AI和ML的关键因素。当你使用新技术来拓展你的组织时,请记住上面的五个技巧,这会让你更容易取得成功。

人工智能 AI 机器学习
上一篇:AR中的人工智能 下一篇:无需深度学习框架,如何从零开始用Python构建神经网络
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

机器学习转化为生产力,警惕这4个常见陷阱!

几乎每个人都想在他们的业务中引入机器学习,但是这些人也遇到了一个大问题:让模型可持续发展十分困难,尤其是在云架构的基础上。medium上一位博主也指出了这个问题,并提出了将机器学习模型投入生产的4个常见陷阱。

大数据文摘 ·  14h前
500亿参数,支持103种语言:谷歌推出「全球文字翻译」模型

由于缺乏平行数据,小语种的翻译一直是一大难题。来自谷歌的研究者提出了一种能够翻译 103 种语言的大规模多语言神经机器翻译模型,在数据丰富和匮乏的语种翻译中都实现了显著的性能提升。

机器之心 ·  1天前
对于人工智能的恐惧及其5个解决方法

实施人工智能技术的IT领导人可能会感到一些恐惧,这有着充分的理由。人工智能在拥有数十年发展和应用历史的同时却有着奇怪的定位,但对于许多人来说,人工智能仍然是一种未来主义的感觉。

Kevin Casey ·  1天前
机器学习免费跑分神器:集成各大数据集,连接GitHub就能用

搞机器学习的小伙伴们,免不了要在各种数据集上,给AI模型跑分。现在,Papers with Code (那个以论文搜代码的神器) 团队,推出了自动跑分服务,名叫sotabench,以跑遍所有开源模型为己任。

栗子 鱼羊 ·  1天前
用AI实现动画角色的姿势迁移,Adobe等提出新型「木偶动画」

近日,Adobe 和康奈尔大学的研究人员提出一种基于学习的动画制作方法——基于卡通角色的少量图像样本就可生成新动画。

机器之心 ·  1天前
AI核心难点之一:情感分析的常见类型与挑战

情感分析或情感人工智能,在商业应用中通常被称为意见挖掘,是自然语言处理(NLP)的一个非常流行的应用。文本处理是该技术最大的分支,但并不是唯一的分支。情绪AI有三种类型及其组合。

Veronika Vartanova ·  1天前
AI新贵登上胡润百富榜:“CV四小龙”三家创始人上榜

AI造福人类,也造富了一些创业者。最近公布的2019胡润百富榜就是窥探老板们身价的好机会。

郭一璞 ·  1天前
大数据为什么不够聪明?机器要如何走向强人工智能

大数据为什么不够聪明?比概率语言更强大的思考工具是什么?科幻电影中的强人工智能到底怎样实现?如何让智能机器像人一样思考?搞清楚因果关系才能拨云见日。

明日情报 ·  1天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载