20201110-IBM商业价值研究院-人工智能行业_扩展AI的公认概念_从试验变为工程原则_12页_815kb

专家洞察总结：扩展AI的公认概念

核心内容

随着人工智能（AI）技术的不断成熟，其在企业中的采用率显著提升。从最初的试验阶段，AI正逐步向工程化和运营化方向发展，成为企业战略能力的重要组成部分。IBM商业价值研究院通过多轮调研发现，AI的采用率在过去四年增长了65%，在疫情背景下，这一趋势进一步加速。企业正从“概念证明”（POC）阶段迈向更广泛、更深入的商业应用。

主要观点

AI 是一种增强人类能力的工具

AI 不是取代人类的机器，而是增强人类能力的手段。它旨在提升客户体验、优化业务流程、支持决策，并推动企业创新。AI 应被视为一种战略能力，而不仅仅是技术实验。

AI 采用面临挑战

尽管AI的采用率在上升，但许多企业仍难以将AI项目全面扩展到组织层面。当前，约有90%的企业无法有效扩展AI，导致约50%的AI项目最终失败。这主要归因于缺乏统一的工程和运营方法、团队协作不畅、数据治理不足以及AI与业务流程整合不力。

AI 需要系统性的工程和运营方法

为推动AI从实验室走向生产环境，企业必须建立“AI工程和运营”体系，该体系包括四个核心领域：设计、部署、监控、嵌入。这一体系旨在通过结构化流程、严格治理、动态反馈和适应性方法，确保AI项目可扩展、可信任且可持续。

关键信息

AI 采用率持续上升

• 过去四年，采用AI的企业数量增长了65%。
• 疫情期间，84%的企业对AI的关注度与以前相当或更高。
• 近1/3的企业计划增加对AI的投资。

AI 工程和运营原则

• 设计：构建以用户为中心的AI体验，整合非结构化数据和语义技术，支持更深层次的人类理解。
• 部署：通过自动化框架提升部署效率和可审计性。
• 监控：持续监控AI模型的可解释性、公平性和稳健性，使用“道德机器人”等工具进行偏见检测。
• 嵌入：确保AI模型符合道德规范，包括透明度、多样性、隐私保护和问责机制。

混合多云与开源技术

• 开源技术（如Red Hat的Open Data Hub）有助于降低AI部署成本，提升互操作性。
• Red Hat 通过建立AI人才中心（CoE）和“早期部署工程团队”，将AI能力嵌入其产品和服务中，成功为多个行业客户实现创新应用。

AI 道德规范

• AI 道德准则应涵盖七个关键要求：人的能动性和监督、技术健全性和安全性、隐私和数据治理、透明度、多样性与公平性、社会和环境福祉、问责机制。
• 企业需要建立道德框架，同时培养员工的AI道德意识，确保AI在商业应用中合乎伦理。

行动指南

对于AI采用初期企业

• 从小规模入手，但考虑扩展性：采用MVP方法，逐步扩展AI项目，制定清晰的路线图。
• 采用工程原则：将DevOps等软件工程方法应用于AI项目，提升协作与交付效率。
• 制定成功衡量标准：建立明确的KPI和反馈机制，确保AI项目的可衡量性和持续改进。
• 任命强有力的领导团队：确保AI项目与业务战略对齐，培养相关技能，推动AI道德实践。

对于AI采用成熟企业

• 制定AI行动手册：建立动态文档，记录最佳实践与教训，指导AI项目的实施与优化。
• 持续记录和改进：AI模型的部署不是终点，而是持续优化和改进的起点。
• 推动大规模创新：整合NLP、语义分析等先进技术，提升AI在业务中的价值。
• 与生态系统合作：与学术机构、智库、初创企业等合作，共同制定标准，提升AI的透明度与信任度。

总结

AI 正从“概念证明”阶段向实际运营阶段转变，企业需要将其作为战略能力进行系统性构建。通过引入AI工程和运营原则，企业可以更高效地将AI技术整合进业务流程、组织架构和文化价值观中。同时，企业应重视AI的道德规范，确保其在提升效率和创新的同时，不损害社会价值和用户信任。结合开源技术、跨行业合作与结构化方法，企业可以更有效地推进AI的规模化应用，实现真正的商业价值。