[[270666]]

【51CTO.com快譯】如今，云計算、區塊鏈、人工智能、機器學習這些新技術已經愈演愈烈，甚至這些術語對非行業人士也是耳熟能詳。你看看這些場景是不是在工作中似曾相識：在公司的辦公大樓里，領導決策者不停在討論云對部門間的協作和效率的重要影響，但面對云系統集成的問題卻猶豫不決。某些公司在區塊鏈的研究和開發上花費了數千美元，卻仍在預研階段，沒有什么可展示的。還有很多公司的人工智能和機器學習團隊，他們不斷地分享階段性成果，但遲遲沒有準備好生產階段。

當然對于任何企業任何人來說，新興技術的應用絕不會一帆風順，總會遇到這樣或那樣的挑戰，更何況是在沒有前人的經驗借鑒和明確的政策指引的情況下。相比之下制定一份有效可行的路線圖，還不如廣告宣傳更容易植入人心，然而這片熱浪過后，接下來就不得不重新思考，技術革新不能停留于表面，也不能止于“原型”。

新技術是如何進入市場的?

新技術通常會有以下幾種方式滲透到市場。比如公司一位高管了解到競爭對手在應用一項新技術上取得了成功;或者一位領導決策者參加了一個會議，看到了利用新技術創造競爭優勢的機會;也或者是一篇文章或博客開始了這一切。

不過也有一些草根階層在努力將新興技術運用于他們的工作或者作為創業的突破口。還有一些公司內部的研發團隊也在積極探索感興趣的領域，他們會向領導們極力推薦新技術，甚至說服他們改變公司的游戲規則。

公司研發新技術新項目通常都從原型的構建開始，設計原型是為了演示一些新技術如何工作。這些快速易行的解決方案通常比較受限，沒有長遠的目標定位，一開始會忽略可擴展性和通用性問題。

畢竟原型很容易創建，而且價格低廉。在這個初始階段，也不需要構建生產準備工作，可能也沒有做長期的規劃。這有利于公司迅速取得勝利，也為員工的成長、企業的發展帶來深遠的影響。短期內獲得的顯著成果固然令人興奮，然而在原型階段之后，項目就停滯不前了。

曾經席卷企業界的人工智能和機器學習等新技術，同樣面臨著挑戰，它們的進一步研究也開始出現瓶頸，甚至“死于原型”。

這些新的技術在許多商業應用中像一個黑盒子。即使初期階段產生了積極的效果，管理人員也不愿意越過原型階段走向下一個階段。

他們的擔心不無道理，即使這些“原型”項目，在受控環境中很容易顯示成功;但是如果人工智能和機器學習失敗時，結果可能是毀滅性的。對企業***來說，在不能確保萬無一失的情況下，大規模拓展新技術來經營業務是一個冒險的決定。

毋庸置疑，成功的人工智能或機器學習技術肯定會替代以前由人類進行的工作。這確實讓很多行業特別是那些對未來自動化持樂觀態度的人們感到興奮。據愛德曼2019年的一項調查顯示，只有30%的公眾對工作場所的人工智能持正面看法。誰愿意承認未來他們的角色將會過時? 誰又愿意積極推動可能會丟掉飯碗的技術?

另外，人工智能也面臨著編程方面的挑戰。招聘和培訓一大批具有編程技能的人員和相應的管理人員需要大量的資金。因此大多數企業還沒有做好心理準備，只有與投資相匹配的回報才能堅定他們的信念。

然而，那些敢于冒險的人往往會得到豐厚的回報。麥肯錫公司(McKinsey & Company)的調查顯示，78%的企業表示，它們從不同業務領域的人工智能應用中獲得了顯著或相匹配的價值。只有1%的人在實施后表示“沒有或負值”。

盡管機器學習和人工智能等技術“很少有人能做到成功”，但在挑戰的背后也給大膽的企業帶來切實的競爭優勢。如果您希望取得那樣的成就，那么在原型開發之前，請考慮以下五個方面：

1. 考慮財政。把原型開發集中在有資金潛力的業務領域。如果資金還沒有到位，那就制定一個全面的計劃來確保資金的安全。如果在財務安全方面有困難，那就不要在原型的概念驗證之外投入太多的時間和精力。

2. 識別問題。無論是部署人工智能、機器學習或是任何其他新技術方案時，都要清楚自己實現怎樣的目標(解決什么問題)。要從業務領域的角度考慮原型開發的可擴展性，盡量尋找獲益更多的業務領域。

注意，并不是所有的原型都能夠帶來收益。有的原型目的在于提供新的價值理念，而有的原型希望最終可實施，理解他們之間的區別。

3. 制定一個完整的計劃。在開始構建原型之前，一定要進行頂層設計和長遠計劃——在原型階段之后會發生什么。整個團隊對原型階段的目標有一個普遍的認同和共識，這會體現團隊的責任感，加速項目的進展。

4. 投資不同原型。構建人工智能、機器學習或其他解決方案的不同原型，有助于企業將多項業務與新技術相結合，進而***化投資回報。在將一種原型與另一原型進行比較的同時，提高了成功的把握。

5. 制定推廣計劃。原型的成功并不能保證生產的可行性。應當考慮處于生命周期不同階段的多個級別的原型。建議您采用這種分層模型：***層確認價值，第二層驗證可擴展性，第三層測試可實施性，***一層形成可作業化的整體解決方案。

良好的開端等于成功的一半。沒有計劃而開始任何技術實現都將以失敗告終。

“原型”已經朝著正確的方向邁出了一大步，但是你的***目標遠遠不止于簡單地構建一個原型。

人工智能、機器學習等其他新興技術有著***的發展前景。要想成功實現理想，必須敢于承擔一切風險，排除萬難，并樹立遠大的目標，真正的創新不僅僅是一個原型，技術革新永無止境。

原文標題：Death by Prototype: Why Just Getting Started Isn’t Enough，作者：Alan Henson

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】