超过三分之一的 IT 专业人士表示，他们参与的 AI 项目的主要目的不是实用价值，而是向投资者和利益相关者展示他们的组织正在利用 AI 开展工作。以下是为什么情况比表面上看起来更糟糕。
来源：PeopleImages.com - Yuri A / Shutterstock
随着各大企业竞相启动人工智能项目，许多 IT 专业人士并不认同这些早期努力的价值。
Dice.com 调查的36% 的 IT 专业人士认为，他们参与的许多 AI 项目的主要目的是向投资者、董事会成员或外部利益相关者展示公司正在 AI 领域开展工作。
公平地说，略多于一半的 IT 专业人士表示，他们所在组织的 AI 项目具有战略重要性。不过，一些 IT 领导者表示，如果有任何 IT 工作者认为他们公司的 IT 项目只是摆设，那就有问题了。
供应链可视化平台供应商 FourKites 的技术执行副总裁 Sriram Nagaswamy 表示，这不仅仅是员工认知问题。Nagaswamy 目睹过许多组织启动 AI 项目只是为了给董事会成员或投资者留下深刻印象。
“这种趋势令人担忧，”他说。“没有明确目标或可衡量成果的人工智能项目不太可能带来真正的价值。它们通常计划不周、执行不力，很难证明其价值。”
他补充道，尽管人工智能在供应链管理和其他领域具有巨大潜力，但为了炫耀而推出人工智能项目可能会引发人们对该技术的怀疑。
“这可能会导致一个危险的循环，决策者对人工智能的潜力产生怀疑，从而减少未来的投资，”纳加斯瓦米说。“长期影响更加令人担忧——企业可能会落后于战略性实施人工智能的竞争对手。他们的团队错过了关键的学习经验，导致他们无法应对未来真正的人工智能部署。”
一、误解人工智能
数字咨询公司 Allata 的首席执行官马特·罗森 (Matt Rosen) 补充说，问题很大一部分在于对人工智能能力的缺乏了解。在许多情况下，董事会成员、投资者或高管推动的项目并不适合用人工智能来解决。
“商业领袖甚至 IT 领袖都没有参加一些基本的人工智能知识课程，”他说。“人们对人工智能解决的问题存在一些根本性的误解，需要不断保持好奇心和学习，不仅是 IT 专业人士，还有 IT 领导层，以及期待技术解决方案交付的商业高管。”
罗森说，在某些情况下，对人工智能的困惑可能会导致对该技术能力的期望过高，而在其他情况下，企业领导者会推动人工智能项目，而实际上有一个更简单的解决方案可以解决问题。
“他们说，‘用人工智能来做这件事’，但这完全不合适，”他补充道。“你可能用 RPA 机器人来解决这个问题，或者用一些自定义代码来解决这个问题。”
风险与合规解决方案提供商 Diligent 的首席信息官兼首席信息安全官 Monica Landen 补充说，当高管或董事会成员推动规划不周的人工智能项目时，可能会导致许多问题，包括数据暴露和失去客户信任。
“为了确保人工智能与战略目标保持一致，并准备为客户和利益相关者带来可衡量的影响，高管和董事会需要优先考虑人工智能方面的教育，”她说。“通过建立领导层对人工智能和道德（合规）的理解，他们可以帮助避免投资于低价值的计划或培养误导性的看法。”
Landen 补充道，首席信息官和 CAIO 可以帮助开展人工智能教育工作，并推动该技术的道德部署。“这使领导者能够专注于提供真正商业价值的举措，例如提高运营效率、增强客户体验和推动创新，”她补充道。
二、寻找灵感
和 Landon 一样，Allata 的 Rosen 也看到过一些组织难以找到有针对性的 AI 项目。他表示，该公司的许多客户都对应该启动哪些 AI 项目存有疑问。
罗森看到很多企业在进行实验时缺乏明确的方向，他们不清楚哪些 AI 项目能够满足自己的业务需求。错失良机的恐惧是真实存在的。
他说，虽然允许员工尝试人工智能具有一定价值，但启动规划不周的项目可能会导致一些问题，包括不必要的成本、员工资源分配不当以及员工流失。
罗森补充道，这种漫无目的的做法“会因错失开发具有变革潜力的人工智能解决方案而产生巨大的机会成本，并会对员工士气产生负面影响，导致寻求有意义工作的专业人士脱离工作。”“人工智能项目应该与真正的商业目标保持一致，并专注于提供支持长期战略目标的可衡量成果。”
罗森建议尝试人工智能的组织从路线图开始，包括针对员工和部门的护栏。
“成功的公司是那些真正关注我们所说的真正商业案例的公司，”罗森说。“商业价值中有一些引人注目的东西，可以给他们带来回报，然后真正帮助他们弄清楚如何最好地利用哪组数据、采用什么治理、采用哪种模型来部署它。”
然而，罗森鼓励一定程度的人工智能实验，以便让员工熟悉这项技术并集思广益寻找可能的用途。
SmythOS 首席执行官兼联合创始人 Michael Umansky 补充道，即使最终没有成功，推出 POC（概念验证）对组织来说也是有价值的。SmythOS 帮助客户构建 AI 代理。他表示，一些 AI 项目可能会被抛弃，但对许多组织来说，最大的风险是不采用 AI。
“现在你不能再把牙膏放回管子里了，”他说。“这是正在发生的事情。企业需要接受它。”
他补充道，人工智能发展速度太快，很难跟上。不采取行动就有可能落后。
“我确实相信，绝大多数大大小小的公司都在努力解决这个问题，”他说。“他们试图重新培训员工，试图理解数据问题。他们试图了解从哪里可以获得这种技术的最大提升。”
【睿观：AI POC 项目的价值场景
技术可行性验证：
验证 AI 技术在特定业务场景下的可行性，评估算法的准确性、效率和鲁棒性。
识别技术瓶颈，为后续优化提供方向。
数据质量评估：
评估现有数据的质量和完整性，为数据清洗和特征工程提供依据。
识别数据缺失或偏斜问题，为数据采集和标注提供指导。
业务价值评估：
量化 AI 模型对业务指标的潜在影响，例如提高效率、降低成本、提升用户体验等。
评估 AI 项目的投资回报率（ROI），为决策提供支持。
团队能力建设：
培养团队成员的 AI 技能，提升组织的 AI 研发能力。
积累 AI 项目经验，为后续大规模部署打下基础。
风险识别与规避：
在早期阶段识别潜在的风险，例如数据隐私、算法偏见、模型解释性等。
采取措施降低风险，确保 AI 项目的合规性和可持续性。
技术选型与架构设计：
评估不同的 AI 工具、框架和平台，选择最适合的解决方案。
设计合理的 AI 系统架构，保证系统的稳定性和扩展性。
为了更全面地评估 AI POC 项目的价值，福州睿信企业管理咨询有限公司建立一个综合评价指标体系，包括二级和三级指标。
技术指标： 衡量 AI 模型的性能、效率和鲁棒性。
业务指标： 衡量 AI 项目对业务目标的贡献程度。
风险指标： 评估项目风险的程度和应对措施。
团队指标： 衡量团队的学习成长和能力提升。
技术指标： 模型准确率、召回率、F1值（用于衡量二分类模型性能的一个指标。它综合考虑了模型的精确率（precision）和召回率（recall））、训练时间、推理时间、模型复杂度等。
业务指标： 成本节约、收入增长、客户满意度提升、效率提升等。
风险指标： 数据隐私风险、算法偏见风险、模型解释性风险、部署风险等。
团队指标： 掌握的 AI 技术数量、参与项目人数、知识共享程度、团队协作效率等。
三级指标可以根据具体项目需求进行定制，例如：
模型准确率： 通过测试集上的准确率来衡量。
成本节约： 通过比较引入 AI 前后的成本支出计算。
数据隐私风险： 通过风险评估矩阵来评估。
知识共享程度： 通过问卷调查或知识库访问量来衡量。
计算方式：
加权平均： 根据不同指标的重要性赋予不同的权重，计算加权平均值。
评分卡： 将每个指标映射到一个评分区间，然后根据评分计算总分。
平衡计分卡： 将财务、客户、内部流程和学习与成长四个维度结合起来进行评估。
AI POC 项目是企业探索 AI 应用的重要途径，通过建立科学的评价指标体系，可以更客观地评估 POC 项目的价值，为决策提供数据支持。在实际应用中，企业可以根据自身的需求和特点，对上述指标体系进行调整和完善。
需要注意的是，AI POC 项目的价值不仅仅体现在最终的成果上，更重要的是在过程中积累的经验和教训，以及对组织的长期影响。】
