Gartner數(shù)據(jù)顯示，到2020年，人工智能將成為30%以上首席信息官的首要任務。盡管人工智能有望改變世界，但只有在企業(yè)機構有效應用人工智能的情況下，這種夢想才能成真。
首席數(shù)據(jù)官們正在盡力挖掘人工智能的全部潛力，擴大戰(zhàn)略，評估人工智能對商業(yè)模式和客戶體驗的影響，為其他戰(zhàn)略性挑戰(zhàn)做好準備的最佳時機。
當前的關注熱潮源于高級分析和機器學習所帶來的效益。這種轉變一部分得益于新出現(xiàn)的低成本、大規(guī)模和隨時可用的計算能力，以及可用于訓練機器、構建模式和產(chǎn)生洞察的海量數(shù)據(jù)。
不過，要注意的是，許多企業(yè)機構剛剛步入人工智能領域，他們正在積累知識和制定應用戰(zhàn)略。如果首席數(shù)據(jù)官們與許多數(shù)據(jù)和分析領導者想法沒有分別，那么制定人工智能戰(zhàn)略及確定其用途將成為真正的挑戰(zhàn)。
越來越多的企業(yè)機構發(fā)現(xiàn)，人工智能并非直接從根本上完善現(xiàn)有業(yè)務活動，而是以前所未有的方式為數(shù)據(jù)驅動型業(yè)務的戰(zhàn)略創(chuàng)造潛力。這種潛力將使數(shù)據(jù)和分析成為戰(zhàn)略的主要推動力，相應地，這也要求企業(yè)機構對人工智能潛力進行更廣泛的研究。
在評估人工智能的潛力時，通常將評估數(shù)據(jù)和分析策略作為其他戰(zhàn)略工作副產(chǎn)物的方式，現(xiàn)在看來這顯然不夠。我們必須了解人工智能的相關新興用途，還應熟悉新的戰(zhàn)略發(fā)展實踐，考慮業(yè)務變化的潛力。
要挖掘人工智能的全部潛力，首席數(shù)據(jù)官應該關注以下三個方面：
第一，明確商業(yè)價值。商業(yè)價值是人工智能計劃獲得關注的必要條件。因此，需要從商業(yè)價值和管理角度評估人工智能的相關性，以及與具體業(yè)務運營和IT挑戰(zhàn)的關系。
許多企業(yè)機構都迷戀人工智能的能力，但在這個過程中，他們并未確定最具戰(zhàn)略價值的決定因素。商業(yè)價值應闡明如何利用諸如數(shù)據(jù)科學家這樣的關鍵資源；新的解決方案如何從人工智能中受益；以及如何堅定地發(fā)展實現(xiàn)長期業(yè)務成果所需的各種能力。
利用框架來擴展戰(zhàn)略庫可以幫助企業(yè)確定人工智能對業(yè)務模型組成部分的適用性及其相互關系。業(yè)務模型評估框架為描述您所在企業(yè)機構的現(xiàn)有業(yè)務模型制定了一種通用語言。它還有助于評估各個組成部分的變化并提出變革意見，由此改善成本結構、實現(xiàn)數(shù)據(jù)驅動的收入流，或確定數(shù)據(jù)和分析在新的關鍵協(xié)同中發(fā)揮哪些重要作用。它還有助于確定相關部分應發(fā)生哪些變化才能支持潛在的廣泛業(yè)務模型變革。
第二，利用客戶體驗中的顛覆性潛力。人工智能為洞察力的獲取、個性化的實現(xiàn)和客戶體驗的增強提供了大量機會，而這也是應用人工智能和機器學習的最佳機會之一。評估人工智能的顛覆性潛力讓企業(yè)能夠以全新的方式來吸引客戶、深入了解客戶行為以及以數(shù)字化業(yè)務的方式來塑造未來的客戶體驗。
改善客戶的人工智能體驗可謂機會良多，其中包括開發(fā)客戶洞察力和規(guī)劃定制式客戶旅程，聊天機器人和虛擬助理，以及市場營銷預測分析。企業(yè)應利用諸如旅程體驗籌劃與結果驅動型創(chuàng)新等方法來找到未滿足的客戶需求和應用機會。
第三，消除組織、管理和技術影響。企業(yè)必須為由人工智能所帶來的組織、管理和技術挑戰(zhàn)做好準備。缺乏必要技能通常會成為應用人工智能的主要障礙，因此發(fā)展基本技能將關乎成敗。伴隨數(shù)據(jù)科學技能發(fā)展和首席數(shù)據(jù)官機制重構產(chǎn)生的顯著影響將促進智能的創(chuàng)造和應用。
人工智能的許多優(yōu)勢都來自機器學習提供的預測。但可惜的是，各企業(yè)機構往往并沒有為使用這些數(shù)據(jù)做好相應準備，而只是憑直覺貿(mào)然行事，更別說在決策過程中對分析結果進行評估和概率評定。這表明數(shù)據(jù)驅動型文化的培養(yǎng)與從商業(yè)角度來“說數(shù)據(jù)語言”的能力同樣重要。
利用人工智能深入了解人類無法企及的領域能夠推動預測分析、自然語言處理、計算機視覺、圖像識別和許多其他相似智能向前發(fā)展。許多業(yè)務領域必將受益于人工智能生成的洞察和能力，但管理它們可能是一項挑戰(zhàn)，因為這些方法如何實現(xiàn)預測結果的過程并不透明，而且確保優(yōu)質(zhì)結果和適當使用的流程也不健全。例如，經(jīng)過相同分析的相同數(shù)據(jù)可能會根據(jù)用途受到不同管理——一種方法可能符合道德標準，而另一種則反之。安全性、隱私性、合規(guī)性和保留性也是如此。
總而言之，要應對這些挑戰(zhàn)，企業(yè)必須培養(yǎng)數(shù)據(jù)驅動型文化，謹慎應對管理和道德考慮因素，避免輕信危險的謠言。除此之外，還應為發(fā)展人工智能能力建立一個學習實驗室。
|
||
|
|
