AI规划指南:数字化转型中的重要一环

作者: 佚名 2019-05-30 22:37:12
AI规划指南:数字化转型中的重要一环

人工智能已经成为当今数字化转型当中不可或缺的一部分,甚至已经全面取代了数字化转型的定义。AI使得我们能够从数据当中推断出价值,使我们得以提高运营效率,甚至能够帮助我们颠覆整个工作职能!但要真正实现这一系列目标,良好的实施又必不可少。正因为如此,AI规划与映射才显得如此关键。

正如数字化转型需要一项清晰而具有凝聚力的战略一样,企业当中的整体AI实施同样如此。虽然我们能够轻松在单一部门的某种工作流程之内添加AI,但其真正的价值来自于技术立足企业范围内的全面实施。换言之,我们需要将AI纳入企业的整体业务架构之内,而非只在必要时立足特定场景进行采用。那么,AI的规划与映射到底该如何进行?我们又该如何判断自己的映射结果是否遵循正确的方向?下面几个步骤应该能够帮助大家在AI映射之旅中走向成功。

***步:你在这里。

对于任何旅程,***步都应该从了解自己的当前位置与想抵达的目标开始。其中包括以完全诚恳的态度建立公司发展愿景以及目前所能够支配的预算、员工技能以及您能够做出的承诺等等,这些指标必须与现实情况保持一致。在“你在这里”的讨论当中,请认真考量以下几点:

  • 数据准备: 我们目前收集数据的情况如何?数据价值如何?是否经过良好梳理?能否供不同部门使用?我们是否有能力通过目前已经拥有的基础设施处理这些数据?
  • 基础设施准备: 只有15%的企业拥有适当的基础设施可支持AI方案。具体来讲,这意味着您无法利用旧有基础设施运行AI负载。大家需要更快的技术方案以实时处理大量数据,进而获取真正有意义的结果。评估您正在使用的技术,同时确定您需要的采购项目或服务,从而获得符合预期的收效。
  • 组织规划与变更管理。 您的企业现在是否已经拥有成功运用AI技术的心态?***是否已经准备好采用数据驱动型决策方法?您的团队是否愿意采用这些新技术?如果答案是否定的,那么我们需要做些什么才能改变现有文化与思维方式?很明显,如果没有明确的目标,我们将永远无法前进,这意味着必须扭转员工及***的现有运营思维与心态。
  • 数据科学与专业知识。虽然大家可以把很多AI服务外包出去,但是,团队当中应该由谁负责制定预期目标——即从收集到的数据中提取正确的模式与关系?您的团队是否具备开发模型以及测试模型的专业知识?只有解决了这些问题,您才能明确哪些工作可以外包,而哪些必须要由内部团队负责处理。

第二步:我们要去往哪里?

知道自己身在哪里当然不错,但接下来我们还得制定出非常明确的目的地规划——也就是打算利用自己的AI方案完成哪些目标。AI规划与映射之旅也需要这样一个坚实的目的地才能起效。下面来看相关例子:

  • 我们希望在整体企业范围内实现财务流程自动化
  • 我们希望利用企业资源规划帮助提高人力资源与财务流程的效率
  • 我们希望实现市场营销活动的自动化与优化
  • 我们希望通过聊天机器人实现客户服务自动化

一旦您以上述方式建立起明确的目标,将彼此孤立的工作职能整合为业务流程,即可成功实施AI方案。这一点非常重要,因此我要再重复一次——流程的整合要比孤立的工作职能重要得多。大家可能需要一段时间才会理解这个概念,但这一点对于AI规划与映射之旅的成功至关重要。举例来说,我们应当对患者计费流程进行自动化,而非让费用记账员的工作内容自动化。我们应当实现电子邮件营销流程的自动化,而非让电子邮件营销经理的工作内容自动化。要实现这些目标,大家可能需要彻底放弃以往对于业务流程的旧观念,转而拥抱人们真正需要的高效方式。

第三步:建立团队

AI规划与映射绝不是一个人就能完成的工作,AI实现也同样不是。如上所述,大家需要关注的是企业整体,而非特定的工作职能。这就要求我们开展跨职能的合作与协同。在大多数情况下,这至少要求您的CIO与CMO共同努力,从而制定出明确且现实可靠的目标。在其它情况下,您可能需要将整个企业内的数据科学家、工程师同客户服务、营销、销售以及财务部门联系起来,从而更好地处理内部管理层面的所有流程、流程间的交集以及能够实现更佳协作效果的联动机制。

在AI规划与映射之旅当中,大家不必感到不知所措或者担心自己犯下错误。唯一的“错误”只有根本不愿迈出这一步。在如今的市场当中,拒绝采用AI技术就如同拒绝实施数字化转型一样。如果您仍然不确定该从哪里起步,请参考以下简单提示:

  • 尽可能打破原有孤岛
  • 尽可能普及自动化方法
  • 尽可能实现数据的整合与合并

是的,AI转型其实是一项“随时随地”都在进行的工作。当您为企业提供能够顺畅接纳AI方案的基础之后,AI技术也必然***限度为您带来收益。

AI 数字化 人工智能
上一篇:速看!十大免费机器学习课程已经给你备好了 下一篇:从科技金融到智能金融 看民生银行的人工智能创新应用
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

AI免费公开课一网打尽!14个类别、230门课程,GitHub标星6k+

要说这两年最火的机器学习课程,当属吴恩达的Machine Learning。这原本是吴恩达在斯坦福大学开授的课程,课程视频在网络上受到了学习者的广泛好评,后来还推出了专门的网课。

轻沉 ·  1天前
“脑控+AI” 让人用“本能”驾驶 精选

“脑控”即用脑电波来操纵机器设备。这是人类数百年来的梦想——只需要念头一动,机械或设备就已经按照你的想法运转。就像电影《阿凡达》里所演绎的那样,虽然身有残疾,却能通过脑控让另一个“自己”肆意生活。

佚名 ·  1天前
中芯国际量产14nm制程芯片 这是AIoT时代最有价值的制造

中芯国际近日表示,通过加大研发投入,14nm制程工艺芯片已经实现量产,并将于2021年正式出货。

佚名 ·  1天前
调查显示88%的中国员工信任机器人胜过人类老板 精选

中国员工在职场更信任机器人?一项调查显示,有约 88% 的中国员工对机器人的信任程度超过人类上司。

·  1天前
超过Google,微信AI在NLP领域又获一项世界第一

微信AI,NLP领域又获一项世界第一,这次是在机器阅读理解方面。

乾明 ·  4天前
AI如何改善采矿行业现状? 精选

人工智能的引入,有望将采矿业转化成一个更安全、利润空间更大且更为环保的行业。

佚名 ·  4天前
大小仅1MB!超轻量级的人脸识别模型火爆Github

近日,用户Linzaer在Github上开源了一款适用于边缘计算设备、移动端设备以及 PC 的超轻量级通用人脸检测模型,该模型文件大小仅1MB,一经开源就霸榜Github Trending榜单。

佚名 ·  4天前
大数据和人工智能如何协同工作

人工智能和机器学习如何帮助组织从大数据中获得更好的业务见解?需要了解人工智能和大数据分析的下一步发展。大数据技术并不像几年前那样广受关注,但这并不意味着大数据技术没有得到发展。如果说有什么不同的话,那就是大数据的规模正在变得越来越大。

Kevin Casey ·  2019-10-17 11:13:27
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载