就像之前的许多技术一样，人工智能 (AI) 被誉为企业一定使用的下一个伟大创新。具有讽刺意味的是，底层技术已存在了几十年，但随着最新的迭代，炒作已达到了狂热的程度——超过了整个企业的实施速度。然而，随着 IT 团队面临慢慢的变大的加入 IT 潮流的压力，他们必在这种热情与底线现实之间取得平衡。不同的实施需要不同程度的投资，这在某种程度上预示着它们也必须产生不同的回报——通常是在不同的时间表上。
成功交付AI产品的能力取决于多种因素：企业领导者选择的具体战略、规划和执行；熟练资源的可用性；符合产品路线图；组织对风险的接受；以及针对预期投资回报率 (ROI) 的时间管理。
平衡这一些因素是一项挑战，但遵循这三个步骤可以让组织保持走上 AI ROI 的道路。
许多企业进入AI领域时都觉得自身落后了，但并不完全了解为什么、如何甚至这项技术是什么。因此，他们的第一个任务是区分不一样的人工智能，首先是精准AI和生成人工智能。
精准AI是利用 机器学习 和 深度学习 模型来改善结果。它使企业可以在一定程度上完成决策流程自动化，提高效率并增加投资回报率。精准AI已经发展成为企业的主力技术，并继续得到普遍采用，并且日益成为主流。
生成式人工智能 (GenAI) 是一种新兴技术，自 OpenAI 于 2022 年底发布 ChatGPT 以来，它便开始受到重视。GenAI 由基础大型语言模型 (LLM) 组成，这些模型经过数十亿个参数的训练，可生成新的语义文本上下文，为业务影响和运营效率提供了重大机会，但它的采用生命周期还处于早期阶段。
一个重大障碍是数据品质衡量准则，对于 GenAI 应用程序来说，该标准有所提升，因为低质量的数据集可能会引入透明度和道德问题。
数据可靠性始于设计和实施工作流程；建立执行管道；通过 API 进行抽象；管理和民主化；和处理不一样的数据。与上一代包含 4V（数量、速度、准确性和多样性）的数据质量发展要求不同，人工智能需要包含 4P 的新要求：预测、生产力、精度和大规模角色。
预测：AI算法允许使用统计分析来查找数据中的模式并识别行为，通过关联静态历史数据和数据流来预测和预报未来事件，从而实时做出决策。
生产力：人工智能实现业务流程自动化，来提升企业运营效率和生产力，减少重复性任务，并释放员工时间来执行更具战略性的任务。
精度：此指标衡量模型结果，即机器学习模型能否在用例确定的可接受范围内产生准确度。精度也计算为真阳性数除以阳性预测总数。
大规模人物角色：这指的是使用可靠数据（如客户购买历史、现场行动、客户对特定产品的情绪分析和调查回复）的过程。它为不同人口群体提供个性化体验。
除了数据质量之外，企业在评估其人工智能准备情况时还一定要考虑许多其他因素（包括内部和外部）：治理、合规性协调、云投资、人才、新业务运营模式、风险管理和领导承诺。
组织必须首先建立符合其目标和战略目标的 AI 愿景。获得高管层的支持至关重要，因为 AI 部署需要大量的前期投资。CIO 必须向整个高管层清楚地阐明投资回报路径——这是对 CIO 将 IT 从支持功能提升为战略功能的真正考验。
接下来，组织必须协调人员、流程和技术。由于组织传统上已将 AI 集成到人类工作流程中，因此 AI 需要新的技能和认证，例如深度学习模型和机器学习。然而，GenAI 扭转了这种动态，但大多数最佳实践和负责任的使用指南仍然包括“人的因素”组件，以维护道德标准和价值观。
人工智能部署还需要新的业务流程来进行治理和数据质量保证，使负责提供新人工智能模型的数据科学家能够解决复杂的业务问题。
随着新的AI产品的设计、开发和生产，企业还必须对AI行业的最新监管政策保持警惕。 欧洲人工智能法案制定了用AI的最佳实践 ，以及不遵守这些政策的后果。因此，企业已经组建了团队来制定、评估和更新围绕人工智能法规的工作。
随着企业越来越依赖数据，他们必制定基础策略来保护数据资产，以便通过一系列分析流程自动化平台提供最佳见解。然后，他们能够选择最适合自己的 AI 技术和新平台。
最后，人工智能投资的真正回报需要向客户推销其利益，这在某种程度上预示着人工智能准备需要一种新的商业思维，因为这项技术正在推动各行各业企业的转型。
成功的 AI 产品研究开发需要进一步探索特定行业的客户旅程，并将 AI 解决方案与业务目标相结合。以客户为中心在开发新的运营模式中发挥着关键作用，现代技术可用于提高效率。
例如，希望在 AI 成熟度方面取得小幅进步的客户能依靠其软件资产和云基础设施来开发新产品和解决方案。这能大大的提升员工满意度，并让他们专注于超越客户期望。
尽管如此，组织的核心应该专注于缩短上市时间和改进新流程管理，以缩短产品开发生命周期并提高新产品的交付效率。例如，分布式增强数据分析平台用于实时自动采集、整理、民主化、处理和分析——所有这些都能大大的提升生产力和投资回报率。
人工智能的核心是先进的算法、数据质量、计算能力、基础设施即代码、治理、 负责任的人工智能 ，以及保护数据隐私和机密性的道德规范。AI应用准备就绪的基本要素和数据管理的挑战需要坚实的数据驱动框架、人员、流程、战略道德和技术平台。
同时， 麦肯锡报告称，65% 的企业正在使用人工智能技术 ，这一数字是去年的两倍。这显示出发展势头，但部署仍在缓慢地从好奇心转向大规模的实际业务用例。GenAI 正在实现新的突破，使组织可以通过开发语义和多模态 LLM 来利用新功能。它使全方位的人工智能功能民主化，使它们能够创造新的收入来源。
通过正确的战略、领导层的承诺以及对正确用例的投资，公司能够获得巨大的价值并通过人工智能推动变革性增长。
本文所发布的内容和图片旨在传播行业信息，版权属于原本的作者所有，非商业用途。如有侵权，请与我们联系。所有信息仅供参考和分享，不构成任何投资建议。密码货币市场具有高度风险，投资者应基于自身判断和谨慎评估做出决策。投资有风险，入市需谨慎。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
没有血缘关系的女人，拿走我爸妈的千万遗产，律师：合理合法｜女律师进化史10
武汉地铁竟“长”出一把“巨型菜薹”！网友：“居然是真的，我以为......”
歼- 35 横空出世,本以为只是赶上美国 F-35,结果竟是超预期的超越
哈尔滨又成“顶流”，冰雪大世界2天入园超10万人次，有游客吐槽“黄牛”推销800元免排队！一公司“禁止员工去冰雪大世界”，道歉了
《编码物候》展览开幕 北京时代美术馆以科学艺术解读数字与生物交织的宇宙节律
M4 MacBook Air已开始量产 明年或有M5 MacBook Pro
上一篇：人工智能：颠覆未来的科技浪潮与我们的生活 下一篇：企业工商数据的有效应用有助于营销拓客及风险管控
