AI項目遭遇生存危機，50％半路夭折
【獵雲網（微信號：ilieyun）】1月11日報道（編譯：讓妲己看看你的心）
在提高企業運營水平方面，人工智慧表現出的潛力遠勝於人類的期望。
人工智慧指的是從大量數據中學習並找到模式的演算法，從根本上講，人工智慧就是在做出決策時向某人提供正確的可操作信息。只有人工智慧可以大規模地做到這一點。人工智慧可以運用於整個企業，包括銷售、市場營銷、客戶保留、客戶支持、減少欺詐等等，這些領域都需要基於數據和可行建議的預測才能做出明智的業務決策。
但最近國際數據公司（International Data Corporation）對已經使用人工智慧解決方案的全球組織進行的一項調查發現，只有25%的企業制定了全面的人工智慧戰略。大多數企業報告他們的人工智慧項目宣告失敗，其中四分之一的報告出現了高達50%的失敗率。
為什麼呢？很多時候，人工智慧並沒有為企業帶來他們真正希望從技術中獲得的積極影響，比如更多的收入、更低的成本、更少的客戶流失、更高的產品質量、更少的浪費和欺詐等等。今天人工智慧背後的數學是令人印象深刻的（隨便問問數據科學家就知道了）。但當談到讓企業更賺錢時，不知怎麼的，這些數字並沒有有效地疊加起來。
人工智慧在商業上表現不佳的一個關鍵原因是，如今企業使用的大多數人工智慧都經過了訓練，以最大限度地提高模型的準確性，即「正確」答案的百分比。但在現實世界的許多商業案例中，最精確的人工智慧模型並不能產生最佳的商業效果。如果人工智慧只能提供五個好的銷售建議，那麼對於一個每月需要完成100筆交易的銷售代表來說，它就沒有什麼價值了。在人工智慧領域工作了近20年後，我們聽到很多沮喪的商業用戶說，他們的人工智慧從來沒有出錯，只是對他們正在努力實現的業務改進完全沒有用。人工智慧只能告訴他們一些他們已經知道的事情。
人工智慧往往不尊重基本的商業原則，其中最主要的是「有效邊界」（Efficient Frontier），這是從經濟學和金融學中借用的一個術語。有效邊界指的是權衡風險與回報之間的平衡。這是一組投資組合或資產，它們在確定的風險水平下提供最高的預期收益，或者在給定的預期收益水平下提供最低的風險。例如，當石油價格上漲時，由於回報很高，一家能源公司可能會增加更多資源（例如員工，鑽探場所，先進設備等等）。但該公司不能無限量地增加產能，即使在價格飆升的情況下，資源限制也限定了其擴張能力。
從生產能力和銷售團隊規模到庫存水平、營銷預算和地理位置，企業不斷計算和重新計算其運營各個方面的有效邊界。這意味著，在當前情況下，他們總是在為給定資產尋求最佳的風險回報權衡。
今天，人工智慧模型需要有一個有效邊界。模型必須隨著業務現實的變化而變化，許多小模型不斷地重新計算有效邊界。模型可以根據地理位置進行專業化處理——一個模型用於在德國銷售，另一個用於在中國銷售，第三個用於在美國銷售。模型還可以根據當前的業務機會和限制條件進行定製。一家公司當周銷售線索多的情況下可能有一個模型，而潛在客戶相對較少的情況可能有不同的模型。
隨著新數據的產生，一些表現良好的模型可能會開始衰退，而一些表現不佳的模型可能會出現令人驚訝的改善。模型的有效邊界就是在正確的時間使用正確的模型。
不幸的是，如今大多數人工智慧都是由亞馬遜、谷歌和DataRobot等公司的現成機器學習平台產生的，這些平台往往沒有考慮到企業每天面臨的成本效益權衡和資源限制。許多模型假設所有的成本和收益都是相等的，但在商業世界中這幾乎是不可能的。如果贏得交易的收益是達成交易成本的100倍怎麼辦？在這種情況下，你可能願意為了一場勝利而追求並失去99筆交易。一個人工智慧如果發現100場比賽只有1場獲勝，那將是非常不準確的。但這會增加你的凈收入。受過精確訓練的人工智慧永遠不會認識到這種成本與收益的權衡。
類似地，大多數人工智慧都不尊重資源約束。如果你公司目前的銷售能力被限制在只有10條你可以有效追蹤的線索時，那麼讓你追蹤100條線索的人工智慧就毫無價值。在商業中，諸如營銷預算和銷售能力之類的運營約束非常重要。
模型很少會突然一下子對所有事情都不協調，它們首先會在特定的子組中不協調。一家公司可能會在波士頓地區遭遇客戶投訴的大高峰，然後很快，它就成為了整個馬薩諸塞州的問題。不久，它就會滲透到整個企業中。不協調的特定子組可能是整個模型開始崩潰的信號。
人工智慧需要考慮這樣一個事實：企業是不斷變化的，而不是一個通常遵循可預測模式的龐大數字集合。針對業務影響進行優化的人工智慧必須進行調整，使公司能夠不斷地進行試驗，並找到提高效率的新方法。
最重要的是，企業需要解決業務問題的人工智慧，而不是數學問題。準確性比業務影響更重要。人工智慧被訓練來學習越來越多不會為公司賺錢的東西，這是不值得的。如今，太多的人工智慧在複雜的數據科學指標中迷失了方向，他們似乎理解每一個數字，除了利潤。
人工智慧的承諾和回報之間的差距已經成為商界的失望之谷。人工智慧需要而且能夠更好地應對企業每天面臨的問題。企業不應該學習如何使用人工智慧，人工智慧需要講業務。
