如何避免在人工智能上浪费数百万美元一位人工智能创始人列出了公司在系统中实施人工智能时常见的三个失败。
通过约翰的赢家•
《创业家》作者的观点纯属个人观点。狗万官方
人工智能(AI)的投资历来都很昂贵。虽然精益方法每年要花费数十万美元，但许多企业投资数百万美元，却无法保证成功或为企业创造价值。考虑到这些的巨大规模投资以及成功部署将带来的竞争优势，人们可能会认为许多公司都做对了。
然而，大多数都达不到要求。这些失败往往是多方面的，但它们可以分为三大类:战略不足;数据问题劳动力不足。
失败#1:没有明确理解AI将如何提供帮助
失败的第一点是策略。甚至在到达启动台之前，许多公司就因为缺乏足够的战略而导致他们的人工智能实施失败。大多数商业领袖现在都看到了人工智能作为工具的力量但是还不了解他们团队的确切用例。此外，理解AI执行所需的具体输入和产生价值的输出也很重要。
每个团队都有自己的需求、投入和产出。举几个例子:销售团队可能会使用人工智能模型来预测哪些潜在客户最有可能成交，从而允许团队相应地调整他们的资源。这个模型可以依赖于一个精明的销售人员会考虑的所有相同的输入——公司的收入、规模、行业和过去的互动。通过将这条线索与之前丰富的线索历史进行比较，人工智能可以预测该交易完成的可能性，并为团队成员推荐最佳行动，以增加赢得交易的机会。
营销团队将越来越多地整合人工智能，以不断个性化他们提供的内容，何时交付以及通过哪种渠道交付。该模型将使用广泛的客户数据——人口统计信息、购买和浏览历史、满意度评分和位置——自动向个人或公司发送最相关的产品和优惠。
此外，许多客户服务团队已经使用来自客户查询的自然语言输入和他们所拥有的关于客户的任何其他数据来提供即时回复或建议的操作-节省时间并提供更好的客户体验。
相关:AI写了这篇文章的一半。以下是创业者应该注意的狗万官方原因
失败#2:数据一团糟
数据是人工智能成功的核心燃料。但由于数据孤立、混乱或不充分，企业每年损失数十亿小时和数万亿美元。当公司的数据资产分散在各种工具和业务部门时，人工智能是不可能的。
适当的数据卫生和管理——拥有干净、有组织、准确和统一的数据集——是成功的关键先决条件。如果数据没有准备好，机器学习模型将无法学习。这可能需要整合和重组来自各种不兼容来源的数据，审查这些数据的准确性和质量，并确保在员工中采用统一的数据实践。
只有不到10%的企业实施了统一的、有组织的数据基础，从而实现了向广泛的人工智能/机器学习实施的飞跃。因此，为人工智能时代做准备是企业获得竞争优势的巨大机会。
失败之三:人为因素
导致人工智能实施失败的第三个因素与此密切相关人为因素．具体来说，这里最常见的问题是缺乏合格的数据科学家和软件工程师，他们不仅具有技术上的人工智能和机器学习知识，而且还深入了解如何充分利用可用数据并将其应用于特定的用例中，以满足业务需求。这些人非常罕见，而且聘请他们的费用也很高。事实上，它们永远不会足够——需求永远会超过供应。
作为更好的选择，公司开始投资于智能自动化AI/ML模型开发和应用的程序。新一代的工具，与没有代码工作流构建器和类似的功能，将大大提高人工智能的可访问性和降低成本。如果工人能够提高技能，对人工智能的可行应用以及必要的输出和输入有广泛的理解，他们就可以产生与传统实现相当甚至更好的价值。
成功实现AI的途径
那些在这一领域处于领先地位并准备整合新一代可访问的人工智能工具的公司——那些企业中的任何人都可以使用的工具——将会有一个巨大的机遇巨大的竞争的优势。
使用人工智能加速业务增长的最佳方法是避开这些常见的陷阱。提前花时间计划一个完整的策略。确保会议室里有合适的人(技术人员和非技术人员都一样)，并培训他们了解成功实现的参数。最后，组织和统一整个组织的数据，尽可能地依靠无代码工具来消除软件开发人员处理严重的IT积压的瓶颈。
成功将使你领先于90%以上的竞争者。只要你做得对，一切都是值得的。
