首页 > 智能网

数字业务中人工智能的6个设计原则

来源:智能网
时间:2019-06-11 12:03:24
热度:60

数字业务中人工智能的6个设计原则人工智能(AI)能够增强和自动化当前由人类执行的决策或任务,这使其成为数字化业务转型不可或缺的工具。在人工智能的帮助下,企业希望降低劳动力成本,生成

人工智能(AI)能够增强和自动化当前由人类执行的决策或任务,这使其成为数字化业务转型不可或缺的工具。在人工智能的帮助下,企业希望降低劳动力成本,生成新颖的商业模式,简化流程,并提高客户服务标准。然而,重要的是保持务实的方法,因为绝大多数人工智能技术仍处于初级阶段。

为了解决人工智能技术不成熟的问题,首席信息官应确保旨在实现战略性业务目的的应用程序(例如最大化收入或扩展某些服务)旨在实现战略效果。

调研机构Gartner公司确定并概述了六个设计原则,以帮助企业首席信息官以战略意图评估每个人工智能的应用程序产品。这些应用程序旨在帮助实现业务成果,而不仅仅是运营改进。采用者不必遵守所有六项原则,但是应该重新考虑采用一两个设计原则。

设计原则1:预见未来

当应用于数字业务时,人工智能会产生直接导致业务执行的见解。战略人工智能解决方案能够提供精细的见解,可以表明特定客户或市场在未来的特定情况下的行为方式,以及企业可以采取哪些措施来影响他们的决策。如果应用程序可以提供经过验证的、值得信赖的见解,它将获得被更多企业采用和依赖的奖励,以指导未来的执行系统。

与传统的分析应用程序相比,人工智能可以产生更为精细的洞察,更适合个人情况。因此,人工智能应用程序可以减少错误的读数——见解越可信,企业就越可能依赖它们来指导执行系统。

设计原则2:自主行动

人工智能应用的价值在于人工过程的自动化。然而,该技术也可以使企业实现自主经营。自主行动的战略人工智能应用程序不需要人员的指导。反过来,这种自主性通过补充人类完成的工作,释放劳动力来执行更个性化的任务,从而提高生产力。

负责为自主操作设计人工智能应用程序的人员应确保应用程序位于正在执行的工作附近,对过程及其条件具有接近实时的理解,并具有现场决策的能力。

设计原则3:连接到客户

对市场和客户的深入了解是数字业务成功的必要条件。为了帮助实现数字业务计划,人工智能应用程序应该尽可能接近客户。企业首席信息官们应该在行业领先的数字企业引导下前行,而这些企业的业务采用了人工智能的运营。

亚马逊的Alexa和苹果的Siri就是相关的例子。消费者使用这些技术支持的设备作为中介,以访问外部第三方平台的功能。因此,与他们正在访问其服务的公司相比,亚马逊公司和苹果公司能够收集有关客户的更好数据。与此类似,首席信息官可能会考虑战略人工智能应用程序,使其业务能够捕获关键信息,以期在长期内建立更密切的客户关系。

设计原则4:提升物理性能

自动化运营矿山的出现有望改变采矿业的经济状况。机器人手术旨在为患者提供更好的结果。同样,战略人工智能应用程序的开发人员应努力在物理世界中发挥作用。人工智能可以通过与其他先进技术协同工作,或通过促进事物可以互动和协作的新方式来实现物理变化。越来越复杂的3D打印就是一个很好的例子:通用电气航空公司现在使用3D打印技术为其喷气发动机制造风扇叶片。而引入人工智能技术,可以为3D打印开辟更多可能性和更复杂的用例,例如调整打印过程以适应需要同时控制多个变量。当情况不可预测时,这一点尤其重要:恶劣天气条件、战场作战、海上条件等。

设计原则5:检测无形事物

人工智能可以将运营管理到人类能力无法实现的标准,坦率地说,当网络空间发生快速突发事件时,甚至无法在一定的时间范围内看到或检测到。战略人工智能应用程序应该利用更高分辨率和速度的优势。数字技术可以使企业以极高的精度控制事物、事件、结果。高速交易应用程序已经能够在几纳秒内移动大量资金。这些应用程序由同时考虑股票价格、天气和政治发展的算法提供支持。这种智能使交易者能够在几秒钟内执行数百万个订单,从而为企业提供优势。在许多情况下,这些功能将成为进入企业所需的最低要求,并将推动更新的功能以提高竞争力。

数字世界越来越精细。到2050年预测有1万亿台物联网设备,人工智能是将决策规模扩大到这样一个水平,并且处理如此复杂问题的唯一可能解决方案。

设计原则6:管理风险

安全、风险、隐私问题是开发人工智能应用程序的最大障碍。当人工智能应用程序服务于战略性的业务目的时,这些问题变得更加严重。错误行为不仅会破坏运营,还会损害企业或业务的核心。在某些情况下,人工智能应用程序本身能够学习,为完成可能危及他人的任务开发自己的方法。因此,首席信息官应制定明确的计划,以识别和减轻人工智能应用程序设计中的风险,并定义限制行为。

这六个设计原则应用于评估所有人工智能应用。建议首席信息官根据个别企业的具体需求和情况,以不同的方式优先考虑设计原则。例如,谨慎的企业应该专注于风险管理,而物联网和区块链的公司应该更注意“提升物理性能”和“检测无形事物”。结合量身定制的原则,为数据质量改进提供足够的资金,掌握商业战略,企业可以更好地克服数字化转型中常常令人生畏的障碍。