许多CIO向同行寻求有关AI的更多信息，但只有少部分人认为其他CIO比他们知道的更多，他们认为这个问题也许只有自学才能解决。建议：CIO应主动学习，寻找微型课程、参与培训，不断提升自身AI素养。通过与同行交流，分享经验，共同进步，寻找可靠的AI合作伙伴， 借助外部专家的力量，加速AI项目落地。采用试错法： 通过小规模项目，积累经验，逐步扩大AI应用范围。
面临在组织内部署人工智能的压力，大多数首席信息官担心他们不具备应对快速变化的技术所需的知识。
Salesforce调查显示，超过五分之三的CIO表示，他们对AI的了解不足，这可能会导致大规模且代价高昂的部署错误。
【睿观：CIO对AI的了解不足是企业在AI应用过程中面临的重要挑战。通过加强AI教育、构建人才梯队、建立治理体系、采用渐进式部署策略以及与外部专家合作等方式，可以有效降低AI部署风险，提升AI项目的成功率。
观点：Salesforce的调查结果表明，许多CIO意识到自己对人工智能的理解存在不足，这可能导致企业在AI部署过程中犯下重大错误，从而带来高昂的成本。
技术选型错误： 对AI技术的理解不深入，可能导致选择不适合企业业务需求的技术方案，造成资源浪费。
数据质量问题： AI模型的性能高度依赖于数据的质量，对数据预处理、特征工程等环节缺乏了解，可能导致模型效果不佳。
伦理风险： AI技术在应用过程中可能涉及隐私、偏见等伦理问题，缺乏相关知识可能会导致企业声誉受损。
部署和维护困难： 对AI模型的部署、维护和监控缺乏经验，可能导致模型性能下降，无法持续为企业创造价值。
加强AI教育与培训：
内部培训： 为CIO及相关团队提供系统性的AI培训，涵盖AI基础知识、常见算法、应用场景等。
外部合作： 与高校、研究机构合作，开展定制化的AI培训项目。
构建AI人才梯队：
招聘AI人才： 引进具备丰富AI经验的数据科学家、机器学习工程师等人才。
内部培养： 通过内部培养，将现有IT人才转型为AI人才。
建立AI治理体系：
制定AI战略： 明确企业AI发展的长期目标和短期规划。
建立AI伦理委员会： 负责制定并监督AI伦理规范的实施。
加强数据治理： 保障数据质量，保护数据隐私。
采用渐进式部署策略：
从简单任务入手： 将AI技术应用于相对简单的业务场景，逐步积累经验。
小规模试点： 在小范围内进行试点，评估效果，再逐步推广。
与外部专家合作：
咨询服务： 聘请外部AI咨询公司，提供专业的建议和支持。
合作研发： 与高校、科研机构合作，共同开展AI研究。】
尽管四分之三的CIO在寻求AI专业知识时会向同行寻求指导，但只有9%的人认为他们的同行CIO比他们更了解AI。不过，其他CIO是获取有关AI更多信息的首选，其次是分析师报告、IT供应商、会议和IT媒体。
Salesforce（Salesforce是一家提供客户关系管理解决方案的全球性公司。Salesforce提供的软件服务主要基于云计算技术，用户可以通过互联网访问其服务，而无需安装和维护复杂的软件和硬件）首席信息官Juan Perez（胡安·佩雷斯）【Juan Perez（胡安·佩雷斯）是Salesforce的执行副总裁兼首席信息官（EVP and CIO）。他负责全球IT团队，推动数字战略，以及新收购公司的技术整合。他还与客户紧密合作，就他们的数字化转型提供咨询】鼓励首席信息官向同行学习。
“人工智能让CIO处于前所未有的困境中，”他说。“CIO知道人工智能很重要，但他们面临着迅速提供人工智能解决方案的巨大压力。这种压力以及人工智能发展的速度让许多领导者竞相跟上。”
Perez（佩雷斯）建议，虽然共享知识很重要，但首席信息官也应该向值得信赖的人工智能合作伙伴寻求帮助。“找到合适的合作伙伴意味着首席信息官不必在内部建立专业知识，也不必浪费时间和资源尝试自己动手创建人工智能。”他补充道。
然而，数字转型公司Euristiq（Euristiq是一家提供数字化转型服务的公司，专注于为客户提供全球影响力的服务。自2016年成立以来，Euristiq致力于通过数字创新来改变生活，而不仅仅是提供技术服务）的首席技术官Pavlo Tkhir（帕夫洛·特希尔）【Pavlo Tkhir（帕夫洛·特希尔）是Euristiq的联合创始人兼首席技术官。他拥有超过10年的技术专长，曾为财富500强公司领导项目，构建成功的数字产品，并担任复杂、高负载系统的解决方案架构师】表示，当其他公司领导者经常将CIO和其他IT领导者视为解决AI问题的“可靠人选”时，缺乏AI专业知识就是一个问题。
“对人工智能有一定程度的了解是必须的，尤其是高管团队，”他说。“但重要的是要明白，人工智能是一个非常广泛的领域，期望非专家能够同时在机器学习、计算机视觉和道德考量方面提供帮助简直是荒谬的。”
Tkhir（特希尔）补充道，如果组织在缺乏必要的AI专业知识的情况下继续前进，他们可能会遇到许多问题，包括代价高昂的AI错误和声誉受损。“当员工开始怀疑上级并对自己的角色和权限感到困惑时，团队内部可能会出现信任问题，”他补充道。
Tkhir（特希尔）呼吁组织投资AI培训。他表示，首席信息官可以帮助确定所需的培训，包括他们自己和员工的培训，但组织应该负责培训费用。他表示，在员工接受培训之前，公司在启动项目时应该咨询外部AI专家。
一、学习难度高
人工智能和云计算供应商InFlux Technologies（InFlux Technologies是一家成立于1999年的公司，专注于向用户提供创新的工程解决方案。公司专为工程师设计了Rebel数据记录仪和软件工具，其工程师团队致力于设计模块化、灵活且直观易用的解决方案）的首席信息官Valter Silva（瓦尔特·席尔瓦）【Valter Silva（瓦尔特·席尔瓦）是InFlux Technologies的首席信息官。他拥有超过15年的软件设计、架构、团队管理和技术项目责任方面的经验，他对数字化转型充满热情，并热衷于帮助构建下一代互联网，即Flux的Web3解决方案】补充说，许多首席信息官和其他IT领导者都需要寻求自己的培训。他说，由于人工智能发展如此迅速，“总是存在学习曲线”。
Silva（席尔瓦）鼓励IT领导者们寻找微型课程和其他培训机会，因为他们面临着来自上级的压力，要求他们从AI项目中取得成果。“专注于那些能够提高业务收入和效率的领域，”他说。“然后像对待其他项目一样，制定自己的个人计划。”
不过，Silva（席尔瓦）认为，随着人工智能与更多IT系统的融合，对CIO的教育至关重要。
“制定整合和技能提升要求确实需要规划，”他说。“我相信，如果你不用它来改进每一个业务流程，你就会落后。”
电子邮件认证提供商Valimail（Valimail是一家全球领先的零信任电子邮件安全公司，专注于通过云原生解决方案验证发件人身份，以阻止网络钓鱼攻击、保护品牌和确保合规性。公司致力于帮助企业通过DMARC协议验证合法邮件，从而杜绝恶意钓鱼攻击）的首席技术官Seth Blank（塞思·布兰克）【Seth Blank（塞思·布兰克）是Valimail的首席技术官。他是一位连续创业者和初创公司高管，拥有多次成功收购的经验。Seth在构建成功团队和可扩展、盈利技术方面拥有20年的经验】表示，问题很大一部分在于生成式人工智能还很新，专业知识很少。
“这项技术太过新颖，而且不断发展，”他说。“作为技术领导者和商业界，我们仍在探索人工智能的最佳效能，了解它在哪些方面产生最大影响，哪些方面存在不足，并确定适当的治理模式以及哪些领域适合自主运营。”
他补充道，技术发展迅速，这意味着今天的专业知识明天可能就不再适用。“当我与同行和其他组织交谈时，我发现人们都有研究人工智能的团队，但没有人拥有超过一两年的经验，”Blank（布兰克）说。
二、尝试新事物
然而，Blank（布兰克）表示，缺乏深厚的专业知识不应该阻止组织尝试人工智能。他建议首席信息官采取战略方法，专注于可能对其组织产生最大影响的人工智能项目。Valimail本身已经启动了几个人工智能项目，取得了令人鼓舞的进展，尽管进展缓慢。
他说道：“重点不应该放在确定当今对人工智能实施战略的共识上，而应该放在进行战略性组织投资上，以了解人工智能在哪些方面可以为您的业务带来最大价值，同时保持安全性和良好的护栏并保持创新性。”
他补充说，尝试人工智能是有价值的，因为首席信息官和其他IT领导者可以通过有限数量的概念验证项目来培养专业知识。
“我能否拿出5%的预算，将其部署到5到10个不同的项目上，让不同的团队参与进来，积累一些专业知识，培养一些直觉，了解哪些地方会奏效？”Blank（布兰克）说。“你必须创新，而创新的方式不是一蹴而就。创新是经过深思熟虑的赌注，让一些人失败，以便其他人能够成功。”
作者：Grant Gross
译者：穿山甲
【睿观：CIO对AI的认知不足与应对策略
问题核心：
CIO普遍认识到自己对AI的了解不足。
这种认知不足导致他们对部署AI感到担忧，并可能引发大规模的错误。
CIO们寻求同行、分析师报告、IT供应商等渠道获取更多AI知识。
原因分析：
AI发展迅速： AI技术更新迭代快，导致CIO难以跟上。
专业知识缺口： CIO们缺乏深入的AI技术知识，特别是机器学习、计算机视觉等领域。
组织压力： CIO面临来自组织内部的压力，要求快速部署AI解决方案。
潜在风险：
技术选型错误： 选择不适合的AI技术，造成资源浪费。
数据质量问题： 数据质量差导致模型效果不佳。
伦理风险： 涉及隐私、偏见等问题，损害企业声誉。
部署和维护困难： 缺乏经验导致模型性能下降。
应对策略：
加强AI教育与培训：
内部培训：为CIO及团队提供系统性AI培训。
外部合作：与高校、研究机构合作，开展定制化培训。
构建AI人才梯队：
招聘AI人才：引进数据科学家、机器学习工程师等。
内部培养：将现有IT人才转型为AI人才。
建立AI治理体系：
制定AI战略：明确企业AI发展目标。
建立AI伦理委员会：监督AI伦理规范实施。
加强数据治理：保障数据质量和隐私。
采用渐进式部署策略：
从简单任务入手：逐步积累经验。
小规模试点：评估效果后再推广。
与外部专家合作：
咨询服务：聘请外部AI咨询公司。
合作研发：与高校、科研机构合作。
建议：
CIO应积极主动学习： 寻找微型课程、参与培训，不断提升自身AI素养。
重视与同行交流： 通过与同行交流，分享经验，共同进步。
寻找可靠的AI合作伙伴： 借助外部专家的力量，加速AI项目落地。
采用试错法： 通过小规模项目，积累经验，逐步扩大AI应用范围。
总结：
CIO对AI的认知不足是企业面临的普遍挑战，但可以通过多方面的努力来克服。加强AI教育、构建人才梯队、建立治理体系等措施，对于企业成功部署AI至关重要。】
