人工智能驱动的数字化转型取得成功所需的条件

我们这里所说的人工智能并不是好莱坞电影中的机器人 ‘人类 ’和个性化广告牌广告。相反，我们的重点是利用智能技术优化企业现有业务的项目；例如，预测需求以匹配供应，这样既不会让客户失望，又不会浪费多余的库存，或者确定是否有足够的库存来满足客户的需求。 零售商 应在店内摆放特定产品，以最大限度地提高销售额。.

在企业努力转型以适应竞争激烈的世界时，失败的高风险是一个主要问题。2020 年之前的情况也是如此，但大流行病让人们看到，需要快速、高效和有效的运营方式来帮助恢复。.

那么，为什么失败率如此之高？是人工智能太难了吗？根据我们的经验并非如此。.

关键在于最初的创新或概念验证（POC）。无论创新多么出色，多么具有突破性，如果不能在整个组织内推广，那么最终都是徒劳无功。不仅如此，由于这种性质的项目成本往往是前置性的，因此很可能会占用整个企业范围内实施项目的预算约 70%。.

我们在各个行业领域与各种组织开展的实际操作工作为我们提供了宝贵的洞察力。在分析我们的研究结果时，我们发现了一些核心主题，这些主题就是导致人工智能和数字化转型项目遇到障碍的问题。我们认为，要解决这些问题，每个项目都必须采用以下三种做法：

POC 项目往往是孤立进行的，目的是证明某些事情是可以做到的。初始项目的结束就决定了项目的成功与否，而不考虑是否能有效地利用这一想法来满足整个组织的需求。.

相比之下，真正成功的创新包括将蓝图的可扩展性考虑在内的衡量标准；这采用了一种业务关键型思维，要求项目证明，除了实现核心目标外，规模也是一个先决条件。.

例如，将两个国家纳入一个 POC，并根据其是否实现了两个地区的目标来评判其成效，这样就能自动增加深度和覆盖面。我们会找出两个项目流之间的异同，并根据这些洞察力来确定如何以最佳方式向下一个地区扩展。作为 POC 的一部分，流程和结构已经得到开发和验证；当项目开始进行更广泛的整合时，基础已经打好。.

要实现可扩展的实施，就必须打破组织内部传统上存在的 "孤岛"，无论是业务与 IT、业务与软件工程等之间的 "孤岛"。.

要实现这一目标，需要一个多学科团队，其中包括 data 科学家（数学家）、产品经理/所有者（从业务角度出发）、解决方案架构师（提供 IT 技能）以及具备良好 ML 运营（MLOps）知识的机器学习（ML）工程师（提供大规模编码）。但是，数字化转型比正确的技能组合更深层次。.

每项技能都需要融入项目的每个阶段，从第一天到项目结束，甚至更长的时间（解决方案架构师和 ML 工程师的角色往往被省略，或在做出关键决策后才引入）。业务连续性要求在 POC 团队离开之前，对负责日常实施工作的人员进行培训。一个项目的生命力在于它能否长期嵌入整个组织。.

POC 团队结束后，项目的生存也需要正确的技术。创新需要一个配套的 ‘工具箱’，从一开始就计划好了，目的是在全企业范围内推广和长期维护（同时对使用这些工具的人员进行培训）。.

公司需要大量预算和较长的准备时间来构建或购买大型组织 IT 解决方案的时代已经一去不复返了。cloud 技术和服务（如谷歌 AppSheet 和 Apigee）的快速发展，使得为手头项目定制工具和软件的开发变得快速、简单且经济高效，这些工具和软件可在初始项目扩大时根据需要进行部署。.

对于一个潜在的复杂问题来说，这些准则可能显得过于简单，但我们却一次又一次地看到了忽略这些准则的结果。好消息是，有效的人工智能和数字化转型并非遥不可及；但它需要良好的业务管理、流程和纪律，以及洞察全局的能力，并理解为什么这对企业的整体成功至关重要。.