人工智能對內部的顛覆

人工智能已成為高管和董事會的必要話題。告訴我一個行業，我就會告訴你人工智能的應用，人工智能已抓住了管理層的注意力，吸引了預算和人員（通常來自不太有吸引力的項目）。在醫療領域加快疾病診斷速度，在金融服務領域降低風險行為，在能源領域減少碳足跡，或使用客戶自己的語言回應幫助請求－－所有這些工作都提供了令人信服的業務和社會價值，呈現出有前景的新市場，競爭優勢，以及顛覆性。

管理者不愿意，通常也不想聽到的是來自內部和外部的顛覆。初期的人工智能工作會影響員工士氣，產生惰性并導致員工流失。

我們一貫的做事方式

新技術通常會帶來新的交付流程。您的IT團隊以其敏捷性為榮，但仍對技術交付進行嚴格的監督，通常通過同行評審來發送代碼，以及通過敏捷開發來攻克復雜的功能。

但AI交付通常有自己的規則。某個制造業客戶發布了一個8階段的開發結構，該結構已成為高級分析部署工作的標準。數據準備、算法測試、培訓和優化模型．．．．．．雖然每個階段都設計得靈活，但整體過程會變得笨拙。

新的AI項目經理重新設計了交付流程，發布了三個階段：（1）準備和構建；（2）培訓和優化；（3）測試和部署。每個人的工作職能都被擠進了三個階段之一。AI經理采用了Amazon Sagemaker，這是一個包含關鍵功能的開發框架，無需進行手動數據準備和A－B測試等步驟。開發人員開始說道，他們的技能正在被商品化。

這不僅僅是IT領域。一家中型銀行的風險經理被要求放棄他們的傳統分析工具，轉而相信一種可以批準或拒絕信用申請的“黑匣子”算法。他們無法再控制被算法收集的數據。相反，人們希望風險經理能接受信貸可靠性建議，而不能解釋為何做出了這些決定。一位陷入困境的抵押貸款分析師表示，“我有一個‘黃金級’客戶被拒絕提供汽車貸款，”我不得不向他的私人銀行家解釋原因。但我無法證明該決定是正確的。她也無法向這位客戶解釋被拒絕的原因，最后該客戶在其他地方辦理了這一業務?！?br/>
未制定計劃

新技術帶來了新的交付機制。通常是帶來新的工作角色或組織結構。與技術本身一樣，應對這些變化進行有效性測試，并進行調整以確保它們在現有流程中能正常運行。

倡導人工智能項目的管理者往往迷戀所謂的“臭鼬工廠”，以證明某個解決方案的有效性。這些項目可以快速從試驗項目變為批準項目，可將替代團隊正式化并在項目測試之前對框架進行記錄。

實際上，人工智能會產生意想不到的連鎖反應。管理者應該意識到人工智能工作引起的內部變化，并在計劃中考慮這些因素：

新的組織結構。 AI團隊或工作組是否應與現有分析團隊或能力中心分開？行政管理是否也會有所不同？準備好解釋原因。

需要新人才。許多開發人員希望使用新興的AI解決方案。習慣于高假設分析的技術人員可能缺乏AI開發技能。您是否愿意對現有員工進行培訓，還是重新招聘新人？

堅持現有的成功指標，或放棄這些指標。在許多公司，交付時間是關鍵業績指標。但您可能愿意暫時放棄速度以獲得新流程和工具集的全面教程，從而降低風險。在更為關注傳統措施之前，要知道權衡利弊。

新投資。您想在AI的開發框架、自動化和測試中投入多少時間和資金？您如何向審批資金的高管來解釋這一工作？

現有工具或工具包已過時。AI算法可能比過去十年中使用的欺詐預測工具集更準確。你愿意用新的工具替換舊的嗎？您將如何管理那些用戶，他們不愿放棄使用自己所鐘愛的軟件？他們會參與該決定嗎？

描述目標。盡管他們大肆炒作，AI項目仍受到許多假設的影響。使用卷積神經網絡通過數字圖像診斷皮膚病變與測試無監督學習以尋找意外相關性是非常不同的。傳達目標，即使這只是在學習新東西。