這份報(bào)告指出，很多企業(yè)未能將數(shù)據(jù)科學(xué)的努力和人工智能的實(shí)施轉(zhuǎn)化為真正的經(jīng)濟(jì)價(jià)值。這項(xiàng)針對(duì)2500名科技領(lǐng)袖進(jìn)行的調(diào)查發(fā)現(xiàn)，盡管人們對(duì)人工智能技術(shù)抱有很高的期望，但只有四分之一的受訪者表示對(duì)人工智能的表現(xiàn)非常滿意。

ITSP Infosys公司在這份報(bào)告指出，所有被調(diào)查的公司所缺失的這些價(jià)值相當(dāng)于4600億美元的利潤(rùn)。而這些公司從人工智能中獲益最多，專注于確保數(shù)據(jù)科學(xué)融入業(yè)務(wù)，而不僅僅是一個(gè)附屬項(xiàng)目。

該公司總裁Mohit Joshi說(shuō)：“至關(guān)重要的是，企業(yè)不要將數(shù)據(jù)和人工智能與業(yè)務(wù)分開看待，而是要以不同的方式看待。”該報(bào)告的主要發(fā)現(xiàn)是，解決方案應(yīng)關(guān)注三個(gè)領(lǐng)域：數(shù)據(jù)共享、對(duì)先進(jìn)人工智能的信任、業(yè)務(wù)重點(diǎn)。

報(bào)告表明，盡管在首次啟動(dòng)人工智能項(xiàng)目時(shí)，都會(huì)抱有很高的期望，但大多數(shù)企業(yè)未能在這些關(guān)鍵領(lǐng)域中的一個(gè)或多個(gè)領(lǐng)域采取行動(dòng)。總的來(lái)說(shuō)，63%的人工智能模型只能發(fā)揮基本功能，由人類驅(qū)動(dòng)，并且往往在數(shù)據(jù)驗(yàn)證、數(shù)據(jù)實(shí)踐和數(shù)據(jù)策略方面存在不足。

只有26%的受訪者表示對(duì)自己的數(shù)據(jù)和人工智能工具非常滿意。Joshi說(shuō):“盡管人工智能的應(yīng)用很迷人，但顯然缺少了一些東西。”

英國(guó)對(duì)人工智能的總體滿意度最高，盡管其數(shù)據(jù)共享率最低，而且通常偏好采用內(nèi)部部署人工智能應(yīng)用程序，而不是轉(zhuǎn)向云計(jì)算解決方案，這可能會(huì)導(dǎo)致后續(xù)問(wèn)題。

他解釋說(shuō)，“對(duì)于商業(yè)問(wèn)題和人工智能系統(tǒng)來(lái)說(shuō)，企業(yè)需要控制和掌握最有效和有用的數(shù)據(jù)。因此信任人工智能也很重要。

我們的研究發(fā)現(xiàn)，先進(jìn)的人工智能需要對(duì)人工智能的信任才能實(shí)現(xiàn)最佳性能。如果與人工智能一起工作的人員不信任人工智能，那么這個(gè)模型就有可能被閑置。數(shù)據(jù)倫理和偏見管理的最佳實(shí)踐是推進(jìn)人工智能的核心。”

這項(xiàng)調(diào)查還包括，四分之三的企業(yè)希望在其業(yè)務(wù)范圍中運(yùn)營(yíng)人工智能，但大多數(shù)企業(yè)都是人工智能新手，在擴(kuò)大應(yīng)用規(guī)模方面面臨艱巨的挑戰(zhàn)，這在很大程度上是由于缺乏技能和招聘困難。

“Data+AI Radar”研究是由ITSP Infosys公司知識(shí)研究所開展的。該研究所發(fā)現(xiàn)，所謂的“高績(jī)效”企業(yè)對(duì)人工智能和數(shù)據(jù)有不同的看法，那些將數(shù)據(jù)視為貨幣的企業(yè)（分享數(shù)據(jù)并讓其流通）獲得了最高的回報(bào)。

該研究團(tuán)隊(duì)發(fā)現(xiàn)，當(dāng)將數(shù)據(jù)視為貨幣并通過(guò)中心輻射式數(shù)據(jù)管理模型進(jìn)行流通時(shí)，企業(yè)可能會(huì)獲得1050億美元的增量?jī)r(jià)值，而那些以低延遲更新數(shù)據(jù)的企業(yè)甚至?xí)a(chǎn)生更多的利潤(rùn)、營(yíng)收和其他價(jià)值衡量指標(biāo)。

調(diào)查報(bào)告指出，除了收入增長(zhǎng)之外，對(duì)使用人工智能非常滿意的企業(yè)一直都有值得信賴、合乎道德和負(fù)責(zé)任的數(shù)據(jù)實(shí)踐，這些實(shí)踐可以克服數(shù)據(jù)驗(yàn)證和偏見的挑戰(zhàn)，建立信任，并使從業(yè)者能夠使用深度學(xué)習(xí)和其他先進(jìn)算法。

那些將數(shù)據(jù)科學(xué)應(yīng)用于實(shí)際需求的企業(yè)也創(chuàng)造了額外的價(jià)值，提高了效率，額外帶來(lái)了450億美元的利潤(rùn)增長(zhǎng)。

當(dāng)被問(wèn)及企業(yè)是否難以跟隨人工智能的快速發(fā)展時(shí)，Joshi表示，“問(wèn)題是企業(yè)在應(yīng)用人工智能時(shí)能否取得良好的效果。人工智能和機(jī)器學(xué)習(xí)需要一種新的思維方式，這是企業(yè)需要轉(zhuǎn)向的地方。盡管機(jī)器學(xué)習(xí)和人工智能進(jìn)步很快，但我們看到，正是企業(yè)重新定義了他們的數(shù)據(jù)處理方法，從而從機(jī)器學(xué)習(xí)和人工智能中獲得了最大的價(jià)值。”

這其中的一部分是獲取用于人工智能工具的數(shù)據(jù)，并以適合業(yè)務(wù)的方式進(jìn)行準(zhǔn)備，其中包括認(rèn)識(shí)到需要將這些數(shù)據(jù)與鼓勵(lì)通過(guò)中心輻射式數(shù)據(jù)管理系統(tǒng)共享的實(shí)踐相結(jié)合。

Joshi說(shuō)，“我們認(rèn)為，數(shù)據(jù)是一種新的貨幣。數(shù)據(jù)就像貨幣一樣，在流通的時(shí)候會(huì)增值。許多公司認(rèn)識(shí)到，新興的數(shù)據(jù)經(jīng)濟(jì)具有巨大的潛力，與合作伙伴和同行建立一個(gè)數(shù)據(jù)共享生態(tài)系統(tǒng)可以帶來(lái)比孤立運(yùn)行帶來(lái)更大的好處，”

這與要求數(shù)據(jù)集中的傳統(tǒng)思維有所不同。Joshi表示，他們發(fā)現(xiàn)，一個(gè)集中和組織數(shù)據(jù)的系統(tǒng)，然后依靠將數(shù)據(jù)輻射給團(tuán)隊(duì)自由操作和靈活使用它是最好的方法。例如，從第三方導(dǎo)入數(shù)據(jù)和高水平的數(shù)據(jù)共享比任何其他數(shù)據(jù)或人工智能行動(dòng)對(duì)利潤(rùn)的推動(dòng)都要大。

“模型運(yùn)營(yíng)”可以幫助擴(kuò)展人工智能系統(tǒng)

Joshi表示，如果企業(yè)現(xiàn)在不采取行動(dòng)，沒(méi)有以不同的方式思考人工智能和機(jī)器學(xué)習(xí)，那么將面臨局限性、對(duì)人工智能系統(tǒng)不滿，并在新的數(shù)據(jù)經(jīng)濟(jì)中陷入困境。他補(bǔ)充說(shuō):“企業(yè)需要采用一個(gè)人工智能部署框架，不僅允許進(jìn)行試驗(yàn)，而且能夠以可預(yù)測(cè)的方式擴(kuò)展人工智能。

像‘模型運(yùn)營(yíng)’這樣的概念可以為企業(yè)提供一個(gè)視角，以構(gòu)建一個(gè)可擴(kuò)展的平臺(tái)驅(qū)動(dòng)，該平臺(tái)驅(qū)動(dòng)可以在推出過(guò)程中提高靈活性，確保流程標(biāo)準(zhǔn)化，并將支持作為基準(zhǔn)模型性能的衡量標(biāo)準(zhǔn)。”

Joshi說(shuō)，另一個(gè)重要的方面是確保企業(yè)堅(jiān)持道德和法律慣例，特別是在政府制定立法防止數(shù)據(jù)濫用和不道德行為的過(guò)渡時(shí)期。

他說(shuō)：“人工智能必須以可持續(xù)和深思熟慮的方式采用，這樣它才能與我們的社會(huì)結(jié)構(gòu)共存，并帶來(lái)更大的好處。因此，重要的是，在任何人工智能技術(shù)在公共領(lǐng)域發(fā)布之前，科技行業(yè)必須促進(jìn)行業(yè)、社區(qū)和監(jiān)管機(jī)構(gòu)內(nèi)部和跨行業(yè)的討論，并討論其利益、成本和后果。”