人工智能(AI)为各行业领域的企业提供了发展和改善业务运营的机会。根据调查，2019年全球人工智能市场规模为270亿美元，这一数字预计到2027年将达到2670亿美元。这表明很多企业致力于采用当今时代这个最具生产力的技术。
但是，实施人工智能战略面临着挑战，特别是对于那些根本不知道从哪里开始的传统企业来说。
规划人工智能试点项目的4个技巧
根据定义，企业在进行大规模定量研究之前需要进行试点，以避免在设计不足的项目上浪费更多的时间和费用。试点项目与正式项目实际上并没有什么不同，但提供了功能，可以帮助企业了解新的解决方案或流程、面临的挑战和带来的潜在价值。尽管大多数人遵循相同的基本原则，但是不断变化的人工智能领域具有一些应该了解的细微差别。企业选择人工智能试点项目之前，需要考虑以下四个标准：
1. 明确定义企业的人工智能项目应该交付的业务成果
在过去的几年中，人工智能获得了巨大的发展。明智的企业正在寻找各种使用人工智能的策略和方法。
尽管具有广泛的吸引力，但人工智能并非适用于每个业务流程，并且也不是万能的。在企业开始实施人工智能试点项目之前，需要确保已经明确定义面临的问题和希望得到的结果。是否有商业措施来跟踪进度?
定义项目并将其提交给企业的领导者批准之后，就将应对下一个挑战。
2. 选择正确的方法
通过采用开源、云服务、具有内置人工智能功能的产品，企业可以聘请数据科学家来构建自己的解决方案，或者采用现成的人工智能方案，但这两种方法各有利弊。为了在阻力最小的路径上获得所需的结果，企业需要考虑最终选择的解决方案所带来的挑战，但没有一个解决方案是完美的。权衡现有IT生态系统中最合适的资源，不仅需要让企业的试点项目启动和运行，而且需要对其进行部署，持续改进所需的资源，以及利益相关者积极地参与试点项目，以使其计划步入正轨。
3. 预测学习曲线
人工智能模型需要训练。另一方面，企业可以使用先进的技术，但是如果没有为使用这些技术的人员提供适当的培训，那么无法充分利用这些技术的好处。
4. 了解测试与生产准备的情况
人工智能的试点计划之所以获得关注，是因为它们在提交之前会测试提议的解决方案的最高风险。业务需求和数据在不断变化。为了从企业的人工智能计划中获得最好的结果，必须对模型进行持续的测试和再训练，才能为企业的客户提供准确的结果。
这种情况在将人工智能用于生产之后并不会消失。一次性验收测试适用于传统(静态)软件，但不适用于人工智能系统，因为随着周围世界的变化，人工智能系统必须自行改变。企业需要规划一种不同类型的监控、在线测量和再训练策略，以纠正数据和概念漂移、潜在偏差和道路上其他在早期测试中可能不明显的问题。
通过将这四个标准考虑在内，企业可以为其业务选择最具影响力的人工智能试点项目，并为其提供最佳采用人工智能技术的速度最快、风险最低的学习途径。