许多采用人工智能技术的组织不但没有获得成功，反而陷入了与技术目标脱轨的常见陷阱。那么是哪里出了问题?本文介绍了重回正轨的方法。
人工智能(AI)承诺帮助组织提高生产率、业务灵活性和客户满意度，同时缩短将新产品和服务推向市场所需的时间。然而，随着越来越多的IT领导者将他们的组织投入到人工智能科学中，许多组织并没有获得期望的成功。例如，调研机构IDC公司在2020年的一项研究发现，28%的组织的人工智能和机器语言(ML)计划都失败了。
组织创建有效的人工智能策略需要仔细的计划，设定明确的目标，建立强有力的管理承诺，以及能够巧妙地避免常见错误的能力。如果组织当前的人工智能策略没有达到预期的效果，则可能有以下7个原因。
1.员工培训不足
未能充分满足用户需求是阻碍人工智能成功部署的最大障碍之一。
美国佩珀代因(Pepperdine)大学Graziadio商学院信息系统和技术管理教授Charla Griffy-Brown警告说：“除非组织对于使用人工智能解决方案做好准备，否则将无法扩大应用规模。这不仅仅是培训，它需要更新策略并提供业务支持，而不仅仅是技术支持。”
全球IT咨询Infosys公司总裁Ravi Kumar说：“IT领导者必须确保他们的员工得到充分的培训，能够更好地采用人工智能技术。他们应该有一个计划来教育和授权他们的团队与人工智能合作，而不只是使用。”
Grifffy-Brown说：“人工智能需要大家的努力，这一想法应该从一开始就融入到这项计划中。这可能比人工智能本身更难实现。”
2.治理缺失或不足
很多组织没有部署企业范围模型的治理标准，人工智能策略将无法有效运作或扩展。信用评分服务提供商FICO公司首席分析官Scott Zoldi指出，治理建模有很多方面。
他解释说：“它必须包含负责任的人工智能的概念，这一概念应具有健壮性、可解释性、道德性和高效性。该模型还应侧重于标准技术部署实践，并指定哪些人工智能方法可以使用，哪些不可以使用。最后，人工智能项目需要一个受管理的模型开发过程，这样模型就可以按照组织的标准来创建，并且不受数据科学家的技巧影响。”
3.没有理解人工智能的真正价值
专业服务机构埃森哲公司应用智能部门高级董事总经理Lan Guan表示：“随着越来越多的组织能够使用人工智能，许多组织未能充分认识到该技术在现实世界中的投资回报率优势。将人工智能整合到行业应用的核心价值链中，而不是将其视为附加功能，这一点至关重要。当人工智能被无缝嵌入时，其价值追踪变得更加轻松。”
人工智能价值发现路线图与大多数其他企业技术的路线图不同。例如，软件本身就有价值保护策略。
Kumar说：“组织应该很清楚将获得什么价值。由于人工智能缺乏价值保护策略，因此其价值可能是指数级增长。组织通常不了解如何发现人工智能用例的全部范围。此外，企业对人工智能的支持通常集中在针对性的问题或解决特定的挑战上，而不一定考虑如何在整个价值链中使用这一技术。”
4.忽略将人工智能完全嵌入到现有业务流程中
为了让人工智能创造价值，它必须直接嵌入到目标业务流程中。这不仅意味着业务流程需要更改，而且流程中的人员角色也必须适应。
管理咨询机构波士顿咨询集团的高级合伙人兼人工智能联合负责人Shervin Khodabandeh表示：“对于大多数平凡而重复的任务，人工智能可以使整个过程自动化，并使员工摆脱这些任务。”
Khodabandeh指出，完全无需人工的自动化是人工智能的一项重要优势，但只占该技术能够提供的价值的一小部分。他说，“在我们与行业领先组织的研究和合作中，我们发现他们经常利用人工智能推动业务增长，改善客户体验，并更好地管理风险。行业领先的组织通过实施新的人工智能交互模型来实现这一目标。”
而在客户服务方面，不仅仅是人工智能能够做什么，而且是客服人员如何与人工智能技术合作，更好地为客户服务。Khodabandeh解释说，“为了真正采用组织学习，并看到人工智能系统蓬勃发展，组织需要在深入了解必须改变的基础业务流程以及人类和人工智能在新流程中交互的多种可能方式的基础上，启动人工智能计划。”
选择性也很重要。人工智能已经成为IT界的热门技术，组织的首席信息官并不希望在人工智能应用潮流中落后于人。然而，明尼苏达州圣保罗市圣托马斯大学应用人工智能中心主任Manjeet Rege表示，“在采用人工智能技术的过程中，许多IT领导者认为他们必须在应对任何可能的业务挑战时采用人工智能。我们经常看到人工智能部门与业务部门的集成度不高。”
Rege提议组织可以启动一项人工智能计划，该计划将在最初的两到三年内由受到影响的业务部门提供资金。他解释说：“这样，人工智能团队就有足够的时间向业务部门展示人工智能提供的好处，与此同时，各业务部门对人工智能技术产生信心，并愿意在随后的几年中为人工智能项目提供资金。”
5.管理和监测不足
首席信息官通常是提供5个“9”正常运行时间的专家。灌输人工智能的严谨性同样重要，因为使用这项技术做出的决定往往直接影响组织的业务运营。Zoldi说：“确保系统正常运行的严格程度和确保运行人工智能模型的性能，并对其进行持续监控，都需要同样的严格程度。”
Zoldi指出，Corinium Global公司最近发布的一份在不确定性环境中构建人工智能的研究报告，该报告发现67%的首席数据和分析人员没有监控他们的模型，以确保其持续的准确性以及防止模型漂移和偏差。他说：“尽管通常被忽视，但人工智能模型的部署和监控与核心模型开发一样重要，甚至更重要。”
6.缺乏高层管理者支持
许多首席信息官都清楚，有些高级业务代表往往缺乏数据素养。因此，IT领导者应该向他们展示强有力的人工智能策略的影响和收益。
商业和技术咨询机构Capgemini North America公司洞察力和数据执行副总裁Jerry Kurtz表示，如果组织无法从组织高管那里获得全部支持，并且没有正确地对用例进行优先级排序和创新，那么组织将很难扩展其人工智能战略。”他解释说：“如果组织看不到短期投资的长期效益和回报，那么就很难让人们认可这些人工智能战略，以实现长期承诺。”
Kurtz承认，要让高层管理人员相信人工智能是一种行之有效的价值创造技术，这是一项具有挑战性的工作。他说，“组织需要克服这些阻力，但需要精心设计的人工智能战略和路线图，在业务用例识别/优先级确定过程的同时解决数据跟踪问题，并有效解决扩展方面的非技术性障碍。”
7.忽略预算管理
组织需要抵制在人工智能技术采购上花费全部预算的冲动。管理咨询机构Kuroshio consulting公司的执行合伙人兼联合创始人Krishna Kutty建议说，“组织在实施人工智能项目中需要留出资金用于交流、培训、工作流程重新设计和组织结构变更，这是成功的必要条件。”
Kutty指出，许多组织认为，投资于人工智能技术和相关的数据管理任务就足以完成这项工作。这是一个错误。她警告说，“大多数问题都发生在以IT为中心的团队之外，将组织中的运营、财务、人力资源、市场营销等团队都包含在运营和业务模型中，以有效地部署人工智能。高效的首席信息官还要与组织其他高管建立伙伴关系，以确保制定整体的人工智能战略，并在大规模部署人工智能技术方面获得成功。”
