当人工智能计划落空时，通常会把责任归咎于技能差距。但是还有更多。您的企业组织是否优先考虑这三个基础人工智能支柱?
聘请合适的技术人才仍然是企业组织采用人工智能(AI)的重要障碍。根据O'Reilly最近的一项调查，略多于六分之一的受访者表示，雇用和保留具有人工智能技能的专业人员很困难，这是其企业组织采用人工智能的重大障碍。
尽管人才缺口仍然是对话的主要内容，但这一数字与去年相比有所减少，这表明其他挑战正成为企业探索和部署人工智能项目的首要考虑因素。
不过，技术技能差距并不是采用人工智能的最大障碍，也不是那么多人工智能项目失败的原因。实际上，根据O'Reilly公司的调查，受访者认为缺乏机构支持是最大的问题，其次是确定合适的业务用例时遇到困难。
当然，这是一个更难以下咽的药丸：这意味着真正的挑战在于我们，而不是只有数量有限的专业人员来完成这项工作。
人工智能项目成功的三大支柱
那么企业组织如何避免人工智能项目的常见陷阱呢?与其他技术实施一样，这全都取决于公司范围内的适当培训，生产环境以及适当的基矗有了这三个支柱，您就可以更早地实现人工智能的商业价值。
1、正确的基础
数据科学家必须具有高效的工具，具有领域专长并且可以访问相关数据。尽管从处理偏见预防，可解释性，概念漂移和类似要求等方面对人工智能技术的理解已得到很好的理解，但许多团队在这里仍然不够。 企业组织必须学习如何在生产中部署和操作人工智能模型。这就需要部署DevOps、SecOps和新兴的人工智能Ops工具和流程，以便模型能够随着时间的推移在生产中继续准确地工作。 产品经理和业务主管必须从一开始就参与其中，以便重新设计新的技术功能并决定如何应用这些技术来使客户满意。
尽管在过去几年中，教育和工具有了显着改善，但实际生产中运行的人工智能模型仍有很大的改进空间。因此，产品管理和用户交互设计已成为人工智能成功的常见障碍。
这些问题可以通过动手教育来解决。在教室和会议厅外，来自企业组织各部门的专业人员必须获得实际从事人工智能项目的经验，了解他们可以做什么以及该技术如何推动您的业务发展。
2、全公司范围内的合作与培训
当然，人才是问题的一部分，但不仅需要数据科学人才。问题的根源通常在于业务和产品专业知识。与技术人才一样重要，了解人工智能如何在产品中发挥作用以及如何将人工智能转化为更好的客户体验和新收入同样重要-而且责任不仅仅在于研发团队。
例如，我们拥有可以像人类一样准确地读取X射线的算法，但是我们现在才刚开始将此功能集成到临床工作流程中。如果不对医生和护士进行如何使用这项技术以简化其工作流程的培训，则对他们或患者没有任何价值。
能够训练和部署准确的人工智能模型并不能解决如何最有效地使用它们来帮助您的客户的问题。为此，需要对所有企业组织学科进行培训，包括销售，营销，产品，设计，法律，客户成功，财务等方面，以了解该技术为何有用以及它将如何影响其工作职能。
做得好，新的支持人工智能的功能使产品团队能够完全重新考虑用户体验。
做得好，新的支持人工智能的功能使产品团队能够完全重新考虑用户体验。Netflix或Spotify将推荐添加为辅助功能与围绕内容发现设计用户界面之间的区别。这有很大的不同，但要实现这个目标还需要一个村庄。因此，由执行团队带头的全公司范围的收购对于人工智能成功至关重要。
3、适当的生产环境
并非所有生产环境都相同，因此并非所有结果都相同。了解基于企业组织拥有的人才、基础设施和数据的人工智能项目的局限性，并从一开始就设定明确的期望非常重要。
例如，最近的一篇研究论文(针对ACM计算机系统人为因素会议(CHI)系列学术会议而完成)探索了一种新的深度学习模型，该模型用于从患者眼睛的图像中检测出糖尿病性视网膜病变。科学家们训练了一种深度学习模型，从过去几年的眼科检查中的角膜照片中识别出患者的糖尿病性视网膜病变的早期阶段。目的是减少失明，这种失明是未经治疗的疾病症状。
该论文描述了在泰国农村地区的诊所中使用相同准确有效的模型时发生的情况：用于为患者的眼睛拍摄图像的机器并不像用于训练模型的机器那样复杂。如训练有素的模型所假设的，所使用的检查室并非完全黑暗。对于某些患者来说，放假一天来进行后续随访或进行其他检查不是一个可行的选择。首先，并不是所有的医生和护士都接受过培训，以解释为什么需要这项新测试。
缺乏适当的基础设施和医院工作人员的凝聚力教育，加上对实际局限性的理解，是人工智能项目失败的一个典型例子。
随着教育赶上行业，人工智能人才缺口在未来几年仍将是一个挑战。但是与此同时，企业组织可以采取一些步骤来确保其人工智能项目取得成功。
仅仅训练您的模型是不够的，还需要训练您的企业组织。花时间对您的业务的各个方面进行教育，以了解您为何要执行某个人工智能项目，该项目将如何影响他们的角色和客户体验以及期望是什么。
相关文章
