www.kdnuggets.com/2019/05/why-organizations-fail-scaling-ai-machine-learning.html
评论
在当今世界，每个组织都在以某种形式进行人工智能（AI）驱动的转型。AI 所制造的炒作非常强烈，组织中至少有一些高调（虽然不高）的团队在进行 AI 相关工作。然而，当组织意识到自己未能将高端 AI 的极端效果与看似平凡的业务流程结合起来以实现底线/顶线指标时，AI 的魅力会很快消退。挑战不在于 AI 或业务流程本身，AI 需要理解业务流程，业务流程也需要能够变化，以将 AI 的洞察融入到流程中。
一个 AI 项目以宏伟的战略愿景开始是很棒的，这可以激励团队开始工作。重要的是确保团队中包含具有强大操作视角的成员，他们能够将战略转化为组织中的实施。
让我们以电信行业中的流失减少为简单例子，看看在实现可持续性方面面临的挑战：
现有场景： 后付费客户主动取消连接，通过拨打运营商电话并要求关闭账户。假设每月有 100 位客户请求取消。运营商回应为未来账单提供$50 的折扣，并保留 50%的取消请求。留存团队的预算为 10050%50 = $2500 来留住客户。P&L 团队从 50 位客户那里获得了每用户收入（ARPU）$60 的一年收入。保留的收入 = $605012 = $36000。为了实现这一点，呼叫中心团队对每位潜在流失客户拨打了 2 通电话，总共拨打了 2*100 = 200 通电话。
AI 场景： 这一愿景建议提前识别潜在的流失客户，并通过采取主动措施来留住他们。数据科学团队识别出 120 位可能流失的客户，信心为 70%（即 84 位客户未来会要求取消服务）。运营商回应以$50 的折扣。折扣的接受率提高，因为列表中包括了那些本不会要求流失的客户。因此，留存预算增加，即 12060%50 = $3600。保留的收入 = $606012 = $43200。为了实现这一目标，拨打的电话数量为 2*120 = 240 通。
现在，如果我们观察整体预期成果，AI 场景显然是赢家，保留收入更高（$43200 对比$36000）。
然而，让我们看看那些被忽视的软性方面：
-
两个支持性业务流程，保留部门和联系中心必须增加他们的能力和预算。此外，成本的增加在收入的改善之前。这导致了子组织内部的利益冲突，支持部门未能为整体业务目标进行对齐。
-
联系中心必须增加外呼能力以进行保留。这是一个更大的挑战，因为建立一个新的流程以包含 AI 洞察是组织的巨大变更管理过程。AI 团队可能未曾想到需要一个新流程来完成执行。
-
AI 项目的成功很少涉及算法，而人们通常花费大部分时间在算法上。使团队对齐需要数据科学家解释结果的能力。现代数据科学家使用的黑箱算法提供了更高的准确性，但在AI 解释能力上存在挑战。因果关系的链接是获得团队对齐的重要要求。人们不会行动，除非他们以简单的语言理解并关联。
-
进行概念验证和将 AI 融入业务所需的技能是非常不同的。概念验证需要一个强大的讲故事者，并简化业务问题。实施则需要在各个利益相关者之间进行流程更改，连接各种 IT 系统，源数据挑战，数据完整性，流程/数据治理和遵守政策等。
规划 AI 转型时，以下框架突出了 AI 转型程序成功的关键要求。
这个框架专注于与利益相关者的共同创造的重要性，从一开始就以共同语言理解程序的价值，识别实施挑战 - 讨论 - 理解，各阶段的技能对齐，并以敏捷方式交付项目。
然而，AI 的本质使得了解并非所有举措都将成功变得重要，因为数据/洞察可能不够好。灵活而可持续的执行也需要理解“快速失败”。目标是成功推动 AI 作为组织举措，即使这需要在快速评估后将某些项目搁置。
因此，需要一个像乐高积木一样构建的车库模型，用于各种举措、技能生态系统、敏捷开发和市场测试。
总体而言，需要建立强大的组织变更管理流程，以便将 AI 融入业务转型，否则即使有成功的试点，其影响也非常有限。
正如一些明智之人所说的**“保持简单，愚蠢”**。
简介: Prateek Mital 是 IBM 亚洲太平洋地区认知与分析服务线的副合伙人。观点仅代表他个人，基于与全球客户广泛的接触。
资源：
相关：
1. Google 网络安全证书 - 快速入门网络安全职业。
2. Google 数据分析专业证书 - 提升您的数据分析能力
3. Google IT 支持专业证书 - 支持您组织的 IT 工作