人工智能需要整体框架和可扩展的项目

从我记事起，artificial intelligence 就一直是圣杯。电影对它的描述，从 刀锋战士 到最近的 她. 与此同时，商业领袖们承诺人工智能将彻底改变工作场所。在这两种情况下，我们都看到了人工智能改变日常工作的场景。.

事实上，自 1956 年以来，人工智能就一直被当作一门科学学科来讨论。虽然基于数学的基础知识已经存在了 70 多年，但所需的计算能力直到最近才成为现实，cloud 就是人工智能的终极催化剂。.

该行业已取得重大进展，不再处于起步阶段。根据麦肯锡的 2020 年的人工智能发展状况 调查显示，50% 的受访者表示，他们的公司至少在一项业务职能中采用了人工智能。.

人工智能有可能推动几乎所有行业的变革。换句话说，企业有很大的动力现在就开始他们的人工智能之旅；也有风险，如果他们不这样做，在一门学科中追赶将是困难的，甚至是不可能的。因此，人工智能引起如此大的关注和兴奋也就不足为奇了。.
然而，很多人工智能项目都失败了。.

许多概念验证（POC）并不是为了扩展而设计的。它们所做的不过是证明某些事情是可以实现的。然后，由于没有事先确定相关概念是否与整个组织相关并为整个组织所需要，或者在整个企业范围内推广在技术上是否可行，它们就被搁置起来，任其发展。.

此外，这种性质的项目的成本结构：项目进行到这一步，很可能已经耗费了 70% 的总预算，而结果却始终不见天日。无论从哪个角度看，这都是一桩糟糕的生意。那么，还有什么选择呢？

简而言之，规模必须是 POC 不可分割的一部分，并反映在确定 POC 是否成功的指标中。.

要做到这一点，有一些直接的策略。一个很好的办法是在两个地区开展 POC 项目，并要求两个项目流都达到预先确定的目标，然后才能签字确认项目成功。确定项目之间的相似性和差异性也很重要。这种方法可以作为初始项目的一部分来开发流程和结构，如果项目继续推进，它还可以支持在更广泛的环境中采用。.

根植于传统业务结构的组织孤岛仍然普遍存在。它们一直是阻碍业务顺利运行的绊脚石，也可能成为可扩展人工智能实施的致命伤。要解决这个问题，就必须在项目的每个环节中培养正确的技能。.

我们需要由 data 科学家、解决方案架构师和机器学习 (ML) 工程师分别提供数学专业知识、IT 技能和编码专家。由产品经理和所有者提供的业务视角也是不可或缺的一部分。这个多学科团队应采用开放、协作的工作方式，在项目的整个生命周期中保持良好的沟通渠道和深厚的信任，这样他们才能共同奠定基础、开展实施工作，并在 POC 完成后对日常运行应用程序的人员进行培训。.

云计算使许多企业的人工智能项目成为现实。它摒弃了大型、昂贵的 IT 实施需求，取而代之的是可按需定制和使用的敏捷工具和技术。.

与混合团队方法一样，技术工具箱应包括相关项目的专用应用程序和软件。不言而喻，工具箱应具有可扩展性。.

人工智能给企业带来了两难选择：如果实施不当，很可能会失败，造成业务风险。然而，如果完全不实施人工智能，则有可能在探索下一代技术的过程中落后于更多面向未来的竞争对手。.

关键是要根据人工智能项目在整个企业及其运营的长期方向和成功中所起的作用来看待它。这种方法将为技术和人员框架提供信息，而技术和人员框架对于成功实施和实现全面的人工智能愿景至关重要。.