[ 編者按 ]在未來，越來越多的企業(yè)將會引入AI來實現(xiàn)企業(yè)抱負、充分激發(fā)潛力、提升創(chuàng)新能力。但是，想要掌握AI技術，讓其與企業(yè)各方面業(yè)務融合，并不是一件易事。

　　據(jù)統(tǒng)計，目前擁有高成熟度AI的企業(yè)并不多，僅有很少的一部分企業(yè)能夠利用AI來快速有效擴大規(guī)模并實現(xiàn)其收入目標。我們將這些同時具備強大的AI基礎(如云平臺和工具，以及數(shù)據(jù)平臺、架構和管理體系)與差異化的AI能力(如強大的AI戰(zhàn)略和高管投入)的公司稱為“AI成就者”（AI Achievers）。

　　如何邁入“AI成就者”的行列?盡管對于不同行業(yè)、不同企業(yè)有著不同的方法論，但是這里有4點需要引起你的注意，它們對企業(yè)發(fā)展AI的成熟度極為重要。

　　為什么企業(yè)要向著“AI成就者”而努力?下圖是一次針對企業(yè)AI成熟度及影響的研究結果，其從宏觀的角度評估了被調研企業(yè)在為客戶、股東和員工實現(xiàn)更高回報的過程中，其AI基礎和AI能力的結合情況：

　　雖然導致差距的具體原因和做法將會涉及到公司的具體舉措，然而，這里有4種往往被忽視的行為，它們對發(fā)展AI的成熟度同樣重要。

　　事項1：打造你的AI數(shù)據(jù)中臺

　　大多公司面臨的與AI有關的*挑戰(zhàn)之一，是跨平臺和系統(tǒng)的數(shù)據(jù)激增——本地的歷史遺留系統(tǒng)與公司日益增長的云計算系統(tǒng)被尷尬地混合在一起。在日常使用時，數(shù)據(jù)經(jīng)常會出現(xiàn)諸如格式不匹配導致的無法訪問等問題。而這樣的問題，也會反過來限制公司在組織內推廣AI技術的效果。

　　我們來看看AI成就者都是怎么做的——它們往往會建立起AI數(shù)據(jù)中臺，即運營數(shù)據(jù)和AI平臺，從而可以利用公司的人才、技術和數(shù)據(jù)生態(tài)系統(tǒng)，更好地平衡試驗與執(zhí)行的比例。在研究中也發(fā)現(xiàn)，AI成就者相比AI試驗者，其實現(xiàn)數(shù)據(jù)管理治理規(guī)模化的可能性要高出33%，而實現(xiàn)數(shù)據(jù)管理治理規(guī)�；�，正是建立強大的AI“核心”的*步。

　　另外，AI核心可以幫助企業(yè)做很多有益的事情，比如迅速將AI應用產(chǎn)品化、將AI整合到其他應用中等。那么如何建立AI核心?大多數(shù)的AI成就者會在確保數(shù)據(jù)可靠的情況下，將它們存儲在一個單一的企業(yè)級云平臺上，配以適當?shù)氖褂�、監(jiān)測和安全策略，來充分發(fā)揮內、外部數(shù)據(jù)的作用。

　　例如，瑞士制藥巨頭諾華(Novartis)從2019年開始便通過創(chuàng)建“決策中心”(Insight Centers)來拓展其AI治理和數(shù)據(jù)管理實踐，為該公司的制造業(yè)務和分銷點提供更實時的數(shù)據(jù)可見管理。與此同時，他們還努力完善這些技術的兼容性，最終大大提高了開發(fā)和生產(chǎn)藥物的能力，大大節(jié)省了時間和成本。

　　事項2：維持你的AI投資

　　對于AI成就者而言，AI投資之旅沒有終點，并不存在所謂“AI峰值”。因為這種認知，AI成就者們會進入一個AI收益的良性循環(huán)，即使AI成熟度日漸提升，但隨著時間推移，仍然不斷投入，從而繼續(xù)獲得更多收益。

　　對于AI成就者來說，持續(xù)的投資通常會用于提升AI的影響廣度，從而將影響*化；同時，還將進一步嘗試各種跨領域AI解決方案，在過程中重新部署資源。例如，某奧地利能源公司近年來在AI驅動的數(shù)字孿生技術上投入了大量資金，幫助他們更好地為維也納市等客戶服務——除去帶來的其他積極影響外，該技術系統(tǒng)更精準地模擬出了客戶對供暖和制冷服務的需求，進而估算出來企業(yè)所需要的各種舉措的短期成本和長期能源節(jié)約。

　　事項3：培養(yǎng)AI方面的人才

　　AI成就者明白，讓AI與人類員工無縫合作，是最高效的工作方式。這也是很多AI成就者更傾向于制定積極主動的AI人才戰(zhàn)略，以保持在行業(yè)趨勢前沿的原因。除了以AI為重點的招聘外，AI成就者還經(jīng)常與專業(yè)公司合作或收購專業(yè)公司來填補關鍵職位的人才空缺，如數(shù)據(jù)或行為科學家、社會科學家和倫理學家。

　　AI成就者也更有可能對大多數(shù)員工進行強制性的AI培訓，從產(chǎn)品開發(fā)工程師到高管團隊都會參與其中。而且，由于他們會更側重于提升員工AI方面的知識，他們的員工會比其他公司的同行更精通AI相關技能。

　　這些努力使得人類與AI的協(xié)作更容易實現(xiàn)規(guī)�；�，并確保AI滲透到企業(yè)肌理當中。舉例來說，歐洲一家大型能源公司便打造了一個“數(shù)字工廠”，幫助員工在日常工作中使用分析技術與AI洞察，同時還讓數(shù)字工廠培訓現(xiàn)場工程師使用并改進機器學習模型。該工廠還為所有管理人員提供強制的數(shù)據(jù)與AI培訓，并為公司全體員工提供再培訓和技能提升支持。

　　得益于該組織對AI人才方面的投資，其業(yè)務部門如今在啟動開發(fā)的5個月內就能收到新的AI應用程序——在數(shù)字工廠建成之前，他們平均要等18個月。更長遠來看，到2025年，該公司預計其數(shù)字工廠每年將使其利潤增加15億美元。

　　事項4：打造靠譜的AI框架

　　隨著企業(yè)在越來越多的任務中部署AI，遵守法律、法規(guī)和道德規(guī)范正成為提升AI成熟度越來越重要的行為。事實上，能夠向外展示自己擁有高質量、值得信賴且達到監(jiān)管要求的AI系統(tǒng)，將使這些走在前列的公司在短期和長期上都獲得巨大優(yōu)勢，從而吸引更多新客戶，更好留住現(xiàn)有客戶，并提升投資者信心。

　　不靠譜的AI框架，會給企業(yè)自身、客戶帶來許多風險。以常見的算法偏見為例。它是指根據(jù)過往偏見數(shù)據(jù)訓練出來的AI也會繼承這方面的偏見，所以當你的AI框架中的訓練數(shù)據(jù)不夠“公平”，那么AI輸出的結果自然也不夠準確。這種時候，公司便可以結合對數(shù)據(jù)和算法中偏見原因的研究，對AI模型進行多層級的“算法公平”(algorithmic-fairness)評估，進而定義和應用公平性的量化措施，包括提出使算法更加公平的數(shù)據(jù)收集和建模方法。

　　除此之外，還可以通過不同專家的廣泛合作來重新設計AI框架，從員工到設計師、數(shù)據(jù)科學家、合規(guī)專業(yè)人士和商業(yè)分析師等。將員工培訓成為AI專家，這對打造可靠AI框架也至關重要。