如何為人工智慧準備業務數據

最新 04-16

關鍵訊息，D1時間送達！

為了成功地將人工智慧(AI)集成到企業現有的業務數據中，企業需要考慮基礎設施、環境、員工培訓等因素。十年來，少數新興技術吸引了人們更多的注意力，而人工智慧(AI)就是其中之一。產生這種興趣是合理的，因為這項技術有望徹底改變目前的業務環境。

例如，最近對財富500強企業的首席執行官的一個調查發現，81%的受訪者認為人工智慧/機器學習技術對他們來說很重要。

正如人們所看到的，人工智慧(AI)對於很多企業的首席執行官來說比虛擬現實、遠程感測器、納米技術、3D列印、高級機器人更為重要。越來越多的人意識到人工智慧(AI)不再是科幻小說描述的事物，而已經被廣泛使用。

準備好接受人工智慧(AI)提供的無限可能嗎?

企業需要為人工智慧(AI)的業務數據做好準備，以下將回顧需要考慮的確保成功實施的事項，以及企業需要實施的四個操作：

人工智慧的實施注意事項

為了整合人工智慧成功奠定基礎，企業需要考慮以下幾點：

?熟悉人工智慧以及其可以為企業的業務數據做些什麼。企業管理者必須了解人工智慧的能力，否則可能會失去很多很好的機會。所以，為了確保知道人工智慧可以做些什麼，企業的員工可以參加在線課程培訓，並了解這些知識。而Udacity的人工智慧入門和哥倫比亞商學院的商業人工智慧是一些很好的培訓課程。

?確定人工智慧可以使企業業務受益的最重要的領域。在沒有明確行動計劃的情況下使用人工智慧並不是一個好的舉措，因為在這種情況下，企業正在進入未知領域。在討論企業如何從人工智慧獲益時，一定要確定特定領域，並優先考慮其中的一些領域。

?確保企業的IT基礎設施能夠應對變化。企業必須擁有堅實的IT基礎設施來處理人工智慧，其中很多人缺乏這方面的知識。例如，Belatrix公司最近的一項研究發現，29%的受訪者認為「難以管理和分析數據」是開始採用人工智慧面臨的幾大問題之一。

(1)業務數據已經幫助人工智慧理解它的標籤

人工智慧和機器學習在沒有標籤的情況下分析數據的能力有限。即使機器學習中的無監督學習可以對這些數據進行探索性分析，但它不能產生有見地的信息。因此，不建議企業在沒有正確標記數據的情況下過渡到人工智慧和機器學習。

例如，假設企業有大量的客戶支持電子郵件和根據問題類別標記的票證(交付問題、退款請求等)。通過開發一個系統，可自動標記即將到來的客戶支持聊天、電子郵件和電話呼叫，該業務將確保人工智慧產生的見解具有意義。

(2)所有情境必須來自企業本身

人們知道應該為人工智慧演算法提供什麼信息嗎?事實上，這不應該掉以輕心，因為思考通常提供什麼信息並不像聽起來那麼容易。例如，大多數人工智慧和機器學習演算法精通確定相關性，但是他們不了解周圍的數據信息。

因此，他們無法確定信息是否相關或不相關。以下是「情境」(context)如何破壞人工智慧和機器學習的發展良好解決方案的能力的一個例子：例如，網上商店的某個推薦工具過度推薦一些特定產品。為了發現其問題所在，專家們進行了一項調查，發現這種產品在六個月前大量推廣，所以歷史數據顯示當前客戶的銷售額大幅增加。此外，這個促銷活動是基於「折扣」的，而不是針對客戶的實際效用。

為避免出現類似的問題，企業應該為人工智慧提供數據和情境。在這種情況下，它會理解數據的相關事實，並確保其生成的解決方案是相關的。

(3)評估現有流程

企業應該全面評估所有部門以及每個部門的所有流程。在某些情況下，企業可能必須自動執行一些任務，以確保其人員專註於提供更多價值的任務。

要確定巨大機會的領域，並消除耗時和耗費人力的責任，請向自己的員工詢問以下問題：

?可以刪除的低價值工作有哪些?

?哪些可重複的任務需要很長時間?

(4)確保員工在人工智慧上學習的機會

投資於員工對人工智慧及其對數據的影響的知識是所有企業的必備條件。除了增加新技術成功應用的機會外，它還將是獲得長期競爭優勢的保證。

許多企業已經在員工教育方面進行投資，並計劃在未來幾年內開展更多工作。根據Genpact公司發布的「企業的業務人工智慧就緒」的調查報告，82%的企業計劃在未來三年內實施人工智慧，38%的企業表示正在為他們的員工提供重新學習技能的機會。

人工智慧不會自己做任何事情。企業管理者有責任鼓勵員工繼續進行教育和培訓。它可以通過幾種方式完成：

?通過在線人工智慧學習課程

?現場組織研討會