人工智能(AI)方法，技術(shù)和解決方案的應(yīng)用代表了人們與信息交互方式的根本轉(zhuǎn)變，以及政府機(jī)構(gòu)改善成果的巨大機(jī)會(huì)。但是，常見(jiàn)的誤解是AI是“即插即用”的。根據(jù)麥肯錫的研究，也許正因?yàn)槿绱?，只?%的公司使用能夠有效采用AI的實(shí)踐。

因此，這里有一項(xiàng)針對(duì)AI就緒性的測(cè)試，我們稱之為“ AI的6大支柱”。這些支柱確保完成的AI產(chǎn)品可以提供：適合其用戶的解決方案，以及對(duì)整個(gè)組織具有持久的價(jià)值。

當(dāng)組織將所有功能集中在使用AI上時(shí)，AI最為有效。基于項(xiàng)目的AI占有一席之地，但是組織從將AI視為一種工具轉(zhuǎn)變?yōu)閷⑵湟暈橐环N廣泛的方法論，就越能實(shí)現(xiàn)AI的希望。

因此，在每個(gè)AI項(xiàng)目中，我們建議使用這6條AI支柱，以確保開(kāi)發(fā)的解決方案和進(jìn)行的轉(zhuǎn)換能夠?qū)崿F(xiàn)廣泛的組織目標(biāo)并為組織帶來(lái)持久價(jià)值。成功采用AI和項(xiàng)目的6大支柱

1.人工智能只有在有所改善的情況下才有價(jià)值

考慮到所需的結(jié)果和所需的投資，人工智能是解決問(wèn)題的最佳方法嗎?

當(dāng)前，AI是政府IT領(lǐng)域的熱門話題。它令人興奮，被認(rèn)為具有前瞻性，并且通?？雌饋?lái)明亮而有光澤。這導(dǎo)致組織陷入困境，因?yàn)闆](méi)有對(duì)AI如何帶來(lái)廣泛而持久的價(jià)值進(jìn)行深入分析。

組織應(yīng)該問(wèn)的第一個(gè)問(wèn)題是：

您想完成什么?您如何想象AI可以幫助您實(shí)現(xiàn)該目標(biāo)?

組織應(yīng)該問(wèn)的第二個(gè)問(wèn)題是：

基于該目標(biāo)，實(shí)施AI的成本是否可以接受?業(yè)務(wù)影響值得付出業(yè)務(wù)成本嗎?

AI的成本遠(yuǎn)遠(yuǎn)超過(guò)其標(biāo)價(jià)。為了真正發(fā)揮AI的潛力，要真正采用AI，就必須改變組織的文化，愿景和戰(zhàn)略。這種廣泛的轉(zhuǎn)型既不容易也不便宜，因此在制定AI戰(zhàn)略或規(guī)劃AI收購(gòu)時(shí)需要考慮到這一點(diǎn)。

2.人工智能只有在增強(qiáng)人類功能時(shí)才有價(jià)值

使用AI的過(guò)程是否比舊的做事方法容易?

盡管應(yīng)該讓AI使工作更輕松，更高效，但是組織應(yīng)該仔細(xì)評(píng)估提議的解決方案將如何實(shí)現(xiàn)這一目標(biāo)。有價(jià)值的AI解決方案應(yīng)減少人員依賴性。

換句話說(shuō)，如果您的員工花更長(zhǎng)的時(shí)間使用AI解決方案，而不是“手動(dòng)”執(zhí)行該過(guò)程，則AI實(shí)際上并沒(méi)有減少對(duì)人類的依賴，因此也就沒(méi)有做它應(yīng)做的事情。

如果您的AI解決方案在這里失敗，那么在確定AI解決方案本身就是問(wèn)題之前，您的組織應(yīng)該評(píng)估該解決方案，包括提出以下問(wèn)題：

我們的數(shù)據(jù)有多準(zhǔn)確?

我們的數(shù)據(jù)基礎(chǔ)架構(gòu)效率如何?

我們使用正確的AI模型嗎?

我們的團(tuán)隊(duì)是否按照預(yù)期采用和實(shí)施了解決方案?

如果只有更好的數(shù)據(jù)，有效的基礎(chǔ)架構(gòu)或團(tuán)隊(duì)完全按預(yù)期采用此解決方案，則此評(píng)估可能會(huì)發(fā)現(xiàn)您的解決方案很有價(jià)值，并且可以減少對(duì)人的依賴。

3. AI是人類的乘數(shù)，而不是替代物

人工智能解決方案是否消除了重復(fù)的工作子集，從而使您的員工變得更有效率，生產(chǎn)力更高，并能夠?qū)Ｗ⒂诟邇r(jià)值的任務(wù)?

雖然理論上有可能具有獨(dú)立于人類輸入進(jìn)行操作的智能，但當(dāng)今可以有效使用AI的絕大多數(shù)公司將以仍然依賴于人們指導(dǎo)其使用和做出決策的方式來(lái)使用AI。

不要以為AI解決方案可以取代您組織中的一個(gè)人或一個(gè)團(tuán)隊(duì)。相反，有效的解決方案應(yīng)該使您的人員變成“超級(jí)人”，例如使他們能夠處理的輸入量是以前的兩倍。

4.數(shù)據(jù)是所有AI操作的基礎(chǔ)

您的領(lǐng)導(dǎo)層是否制定了使AI成功的基礎(chǔ)架構(gòu)策略?

幾乎不必說(shuō)，要學(xué)習(xí)一臺(tái)機(jī)器，它就必須具有從中學(xué)習(xí)的數(shù)據(jù)-越多越好。組織的AI解決方案僅取決于構(gòu)建的數(shù)據(jù)的數(shù)量和質(zhì)量。

為了存儲(chǔ)必要的數(shù)據(jù)，此類組織必須具有強(qiáng)大的計(jì)算能力，訪問(wèn)數(shù)據(jù)科學(xué)專業(yè)知識(shí)的能力以及用于訓(xùn)練模型的數(shù)據(jù)集。

5.數(shù)據(jù)策略對(duì)于人工智能的好處至關(guān)重要

您的數(shù)據(jù)質(zhì)量如何?

僅憑數(shù)據(jù)基礎(chǔ)架構(gòu)不足以使AI有效，更不能為組織帶來(lái)預(yù)期的收益。

總體而言，數(shù)據(jù)策略涉及創(chuàng)建流程來(lái)收集記錄(尤其是結(jié)果和結(jié)果)，從而產(chǎn)生數(shù)據(jù)。數(shù)據(jù)是機(jī)器學(xué)習(xí)所需的輸入，而AI的預(yù)期結(jié)果(預(yù)測(cè)/解釋模型)取決于有效的ML。

收集完數(shù)據(jù)后，至關(guān)重要的是，數(shù)據(jù)策略概述如何驗(yàn)證，清除和結(jié)構(gòu)化數(shù)據(jù)，以確保數(shù)據(jù)的準(zhǔn)確性和可用性。

“垃圾進(jìn)，垃圾出”的原則簡(jiǎn)潔地描述了格式正確的數(shù)據(jù)策略的重要性及其作為AI支柱之一的地位。

6. AI必須產(chǎn)生可用的輸出

AI模型是否產(chǎn)生了可用的輸出，如果是，則該輸出對(duì)組織有價(jià)值嗎?

最后，提出(或開(kāi)發(fā)!)的AI解決方案必須帶來(lái)一個(gè)帶來(lái)價(jià)值的結(jié)果-為其實(shí)施的特定項(xiàng)目，乃至整個(gè)組織帶來(lái)價(jià)值。

如果從一開(kāi)始，提議的AI解決方案的有效性和范圍會(huì)受到組織的結(jié)構(gòu)或文化的影響或限制，那么該解決方案的價(jià)值將受到質(zhì)疑。這并不意味著在具有快速周轉(zhuǎn)和有限結(jié)果的小型項(xiàng)目中就沒(méi)有價(jià)值，僅是成功的AI輸出甚至模型與支持業(yè)務(wù)流程的AI不同。