[[441323]]

過早地孤擲一注

正如你無法在一夜之間建立數(shù)據(jù)文化一樣，你也不應該期望分析項目會立即取得轉型成功。成功的AI或機器學習計劃需要人員、流程、技術方面的經(jīng)驗以及良好的基礎設施支持，獲得這些經(jīng)驗不是能一蹴而就的。在IBM的計算機Watson贏得Jeopardy比賽或DeepMind的AlphaGo擊敗人類圍棋冠軍之前，都經(jīng)過了多年的協(xié)同努力。

許多AI項目之所以失敗，是因為它們超出了企業(yè)的能力范圍。這在企業(yè)嘗試推出基于 AI 的新產(chǎn)品或業(yè)務線時尤其明顯。從頭開始構建某些東西涉及太多不穩(wěn)定的部分，以至于難以成功。

正如Dirty Harry在 電影《緊急搜捕令》中所說，“人必須知道自己的極限”，這也適用于公司。大型企業(yè)每天做出無數(shù)的業(yè)務決策，這些決策可以通過AI和數(shù)據(jù)實現(xiàn)自動化。總體來說，利用AI來改善一些小決策可以提供更好的投資回報。與其押注長遠的未來，企業(yè)不如從不那么吸引人、風險也不那么高的AI和機器學習領域開始投資，來改善現(xiàn)有工作流程。新聞發(fā)布室可能不會注意到，但會計師一定會有所感受。

即使你已經(jīng)成功地使用AI做出數(shù)據(jù)驅動的決策，投資改進現(xiàn)有模型也會比著手開發(fā)新程序更好。2018 年，麥肯錫一份報告《更好模型的價值是什么?》表明，即使預測能力只有小幅的增長也能引發(fā)經(jīng)濟價值的巨大增長。

分析的組織結構不足

AI并不是一種能夠立即帶來投資回報的即插即用的技術。它需要改變整個企業(yè)的思維方式，并在內(nèi)部機構上進行相應的改變。但通常，人們過度關注人才、工具和基礎設施，而很少關注組織結構應該如何改變。

在高層的支持下，一些正式的組織結構，對于實現(xiàn)將傳統(tǒng)的非分析型企業(yè)轉變?yōu)閿?shù)據(jù)驅動型組織所需的臨界質量、動力和文化變革是必要的。這將需要新的角色、職責以及一個“卓越中心”。卓越中心 (COE) 采取的形式應取決于企業(yè)的具體情況。

一般來說，兩院制模型似乎效果最好。其中，AI的核心職責是集中處理，而嵌入在各個業(yè)務部門的COE 像“衛(wèi)星”一樣負責協(xié)調交付。這種結構通常會增強業(yè)務部門之間的協(xié)調和同步性，也導致AI轉型擁有更大共享所有權。

由首席分析官領導的COE 最適合處理這些職責，比如：開發(fā)教育和培訓計劃、創(chuàng)建AI流程庫(數(shù)據(jù)科學方法論)、生成數(shù)據(jù)目錄、構建成熟模型和評估項目績效等。COE主要處理那些受益于規(guī)模經(jīng)濟的職責，還包括培養(yǎng) AI 人才、與第三方數(shù)據(jù)提供商談判、制定治理和技術標準以及培育內(nèi)部的AI社區(qū)。

COE在各個業(yè)務部門的代表能夠更好地提供培訓、促進采用、幫助裁決經(jīng)過AI增強的決策、維護實施、激勵計劃，并大致判斷應該在何處、何時以及如何引入AI業(yè)務。COE的“SWAT 團隊”可以在項目基礎上增加業(yè)務部門代表。

作者：Steve Nunez

原文網(wǎng)址：https://www.infoworld.com/article/3639028/why-ai-investments-fail-to-deliver.html