新葡萄京官网-新葡萄棋牌388官网-首页

组织学习:人工智能成功的关键

2021-03-31 04:29:12 计算机世界 2021年11期

Maria Korolov 陈琳华

对于业务转型而言,在企业中建立正规流程以尝试小规模人工智能,并在整个企业中传递相关经验至关重要。

迄今为止,许多企业并没有从他们的人工智能尝试中感受到人工智能带来的显著影响。对此,部分专家认为,之所以效果不彰,原因可能在于这些企业没有开展“组织学习”。

仅仅使用人工智能来优化业务流程(例如进行更好的预测或实现手动任务自动化)是不够的。企业需要展开进一步工作,以从他们的人工智能项目中汲取经验教训,并利用它们来改造企业。

虽然大多数企业都认为自己已经从成功和失败中总结了经验和教训,但是很少有企业会建立正规的流程来吸取这些经验和教训并在整个企业中传递它们,尤其是在使用人工智能的时候。据麻省理工学院斯隆管理评论与波士顿咨询集团近期联合发布的报告显示,只有11%的企业在2020年从他们的人工智能计划中看到了显著的收益。

以贷款申请评分为例,很多评分都需要贷款专员手工输入繁琐的数据。人工智能或机器学习可以极大地优化这一流程,从而降低成本和减少对贷款专员的需求。但是企业只能省这么多钱,因为员工也不愿意支撑那些可能会导致自己失业的项目。

人工智能还可以用来从这些贷款申请数据中获得新的洞察力。例如,银行可以从中发现未获得充足服务的客户群,如果这部分客户群体被重视,那么银行的业务将会得到大幅扩展。波士顿学院所属卡罗尔管理学院的信息系统教授兼《麻省理工学院斯隆报告》的合著者Sam Ransbotham指出,银行还可从中发现那些因为担心会损害自己的信用评级而害怕申请贷款的人群。对于这部分人群,银行可为他们提供一个不影响其信用评级的无风险评估机会,从而改变这种状况。他说:“这不仅仅是贷款流程的自动化问题,而是从根本上改变了贷款流程。”

由于人工智能有着无限的增长潜力,如果员工可以掌握这一新技术,那么他们将会获得更多的工作机会。

Ransbotham 强调,首席信息官们必须清醒地意识到一个重要问题,不能将注意力光放在效率上。他说:“有些首席信息官更注重服务,他们的目标是降低IT运营成本。相对于其他的事情,大家可能倾向于让当前的工作实现自动化。”

在对3000多名受访者展开调查后,麻省理工学院斯隆管理学院与波士顿咨询企业发现了多个可以帮助企业加入11%的“重大经济利益”群体的要素,其中包括人类与人工智能之间共享常识,将人工智能纳入整体商业战略,将人工智能用于更为复杂的自动化,找到人类和人工智能协同工作实现相互提高的方法。

调查报告称,“大家发现,当人们采取这些以组织学习为导向的措施时,他们加入这11%的群体的可能性会增加近80%。”

对人工智能投入更多资金

在今年1月下旬,强生企业推出了新冠肺炎疫苗。强生企业称,其疫苗总体有效率为66%,预防重症发生的有效率为85%,预防死亡的有效率为100%。

强生的首席信息官Jim Swanson说,如果没有人工智能的帮助,疫苗的生产不可能如此迅速。在八九个月前生产一批疫苗需要两周的时间,现在只需要一个星期就可以生产两批。

他说:“大家用人工智能来改善从发酵过程到产量的各个环节。人工智能为大家提供了许多洞察力,这是所有洞察力共同作用的结果。”

跨多个专业领域的合作也加快了这一进程。他说;“大家大力推行复合型数据科学家的理念,因为他们是真正了解研发或供应链的人。”

虽然利用人工智能加速疫苗的开发是目前的热点,但是强生也没有放松在利用人工智能创造全新商业机会方面的力度。例如,该企业正在使用人工智能和机器学习检查视网膜扫描结果,以确定患者是否患有青光眼。

该企业还开发了外科手术机器人。对此,Swanson说:“用户可以得到更高的精度和更好的程序。”他们的最终目标是改善患者获得的效果,为此该企业还对术前和术后流程展开了研究。他说:“医生可通过人工智能让合适的病人得到合适的程序,这样他们就可以最好地支撑患者的康复。医生现在可以对病人展开全面的评估,这创造了一系列全新的机会。”

Swanson 说,强生也在全面推行这种方法。以Avena护肤系列为例,人工智能允许消费者拍下自己的皮肤照片,以获得个性化的产品推荐。接下来就用到组织学习了。强生会用这些图片来找出人们面临的皮肤问题。他说:“产品开发速度将得到提升。因为大家会得到一个数据反馈循环,这可以帮助继续创建相关产品。”

这种反馈循环取决于是否有适当的数据基础设施,即支撑隐私和安全性的基础设施,以便在整个企业内实现数据民主化。Swanson 说:“如果不能安全地共享数据,那么大家就不能共享这些数据。”

强生的组织学习策略中的最后一部分是关于人工智能专业常识的增长。Swanson说:“如果大家不习惯使用数据,那么大家就不能利用它们。所以大家汇聚了有前瞻性的研发科学家、商业人士、供应链人士,共同成立了一个数据科学委员会。这个委员会由我和研发主管共同发起,大家可以决定是否将人工智能分散到大家的业务中。”

更重要的是,强生的人工智能战略得到了高层的赞助。Swanson说:“大家正在把人工智能和技术作为企业的核心。这不是你我所能做的事,这需要获得高层的支撑。”

在企业中全面推广

普華永道的合伙人兼全球人工智能负责人Anand Rao表示,与强生一样,人工智能项目最成功的企业不会将人工智能局限于小型群体当中。相反,他们会将人工智能推广到整个企业,即使那些没有技术或分析背景的员工也可以使用人工智能。

他说:“主要的问题,尤其是企业没有获得投资回报的问题,是没有得到适当的培训、引导和管理。大家不希翼只有一个人或一小部分人从中学习,而是希翼整个企业都能够从中学习。”

这有助于培养复合型的人才,也就是了解业务方面、主题领域、App和人工智能算法的人。他说:“大家或者找一个可以合作的团队来完成这个任务。但是最大的挑战之一是很难让心态不同的人一起工作。”

人机协作

另一家重视组织学习原则的企业是Genpact。该企业是一家全球专业服务企业,最初是通用电气的业务流程部门,Genpact在2005年被剥离出来,目前拥有近10万名员工,2019年营收为35亿美金。

Genpact的首席创新官Gianni Giacomelli表示,自疫情出来以来,企业收入出现了大幅下降,因为企业的许多客户都在受影响严重的行业当中,为此企业可能不得不裁员1万人。

该企业学习和发展主管Giacomelli说:“大家会将这部分员工与新的需求相匹配,并对他们进行实时再培训。有时候,这些员工只需要几周时间就可以接受再培训,找到新的工作。事实上,与大家的同行相比,即使在疫情期间,大家也成功地实现了增长。”

企业通过人工智能以两种不同的方式对这部分员工进行了再培训。首先,Genpact使用过程挖掘、自然语言处理(NLP)和网络分析来找出事情是如何完成的,识别出异常,并找出企业里谁拥有什么技能和哪些领域的专业常识。

这些信息可帮助企业为员工分配新的工作,一旦员工进入了新的角色,人工智能系统会通过说明具体任务的流程,或将员工与相关专家联系起来,让他们能够快速跟上工作进度。Giacomelli 说:“这使大家能够更快地对各种情况作出反应。”

常识管理在过去存在许多困难。国际常识管理协会(KM Institute)的数据显示,五年前,这些项目的失败率约为50%。如今得益于NLP和其他人工智能技术的显著改进,情况发生了巨大改观。

Giacomelli 说:“在过去的两三年里,由机器自己创建的常识本体的质量要精确得多,大家得到的信息也变得更加准确。”人工智能可以找到位于文档、业务流程和人员中的组织常识。

在Genpact,人工智能并不是IT部门独占的领域。Booz Allen Hamilton企业的人工智能战略和培训主管Kathleen Featheringham表示,这是能够从人工智能中获得显著投资回报的企业与那些不能从中获得显著投资回报的企业之间的一个关键区别。Featheringham指出,“人工智能是第四次工业革命,其彻底改变了游戏规则。这不是一个简单的IT 问题,因为所有的部门都参与到了其中。”

由人工智能推動的企业转型需要重新评估绩效目标和培训目标,需要与企业的愿景和任务相联系。Featheringham说:“根据我的经验,当人工智能与企业的愿景和任务脱节时,人们实际上会变得充满敌意。”

创建新的业务线

组织学习的原则之一是,人工智能被用来增强员工,与员工一起工作,同时为员工的技能提供补充。

Hurwitz and Associates的总裁兼创始人Judith Hurwitz说:“如果大家能够协调好机器的能力和人类直觉与常识,那么大家就能从中获得巨大的业务优势。”

App开发企业Globant 正是通过其人工智能增强编码来实现这种优势的。通过NLP,开发人员可以按功能搜索代码,从而缩短学习曲线,实现更快、更准确的开发。系统还可以自动生成文档,并根据上下文自动完成代码。

Globant北美分企业的首席技术官Nicolás ?vila说:“它们不会取代开发人员。能够取代开发人员的技术现在还没有出现,并且大家也并不主张这种技术。增强编码技术可以做很多繁重的日常工作。它们给了开发人员一个平台,开发人员可以根据自己的特定问题和特定客户开始着手工作。”

?vila说,Globant在五年前开始投资人工智能并展开普及培训。对象不仅是开发人员,还包括了人力资源、采购或其他部门的人员。“大家必须对人工智能的能力有一个概念,至少是在一个较高的水平上,这样每名员工都可以找到利用人工智能的机会。”

如今由人工智能驱动的应用程序已经应用到了企业的许多领域,包括招聘和留用。自动编码在2019年初尝试性将NLP应用于编程语言实验当中。这种尝试现在不仅成为了一套内部开发工具,还发展成为了一种商业产品。?vila说:“大家可以肯定这是一个不断增长的商机。”

本文编辑Maria Korolov在过去20年里一直关注新兴技术和新兴市场。

原文网址

https://www.cio.com/article/3606709/organizational-learning-your-key-to-ai-success.html

新葡萄京官网|新葡萄棋牌388官网

XML 地图 | Sitemap 地图