IBM 商業(yè)價值研究院的調(diào)研數(shù)據(jù)表明：

–積極采用AI的企業(yè)從四年前的26%增至2020年的44%（保守估算）。

–疫情期間，84%的企業(yè)表示對AI的關(guān)注度與以前差不多或高于以前的水平。

–受疫情影響，近1/3的企業(yè)計劃增加對AI的投資。

看到 AI 未來應(yīng)用前景的并非 IBM 獨(dú)家。IDC 預(yù)測，2020年，全球總體 IT 支出會下降，但是 AI 支出卻有所增長，四年內(nèi)支出將翻一番。然而，企業(yè)推進(jìn) AI 的進(jìn)程卻十分艱難。再請看這樣一組數(shù)據(jù)：

90%的企業(yè)仍難以在整個組織范圍擴(kuò)展 AI。

大約50% 的 AI項目無疾而終。

如何在企業(yè)內(nèi)成功擴(kuò)展 AI，充分發(fā)揮 AI 應(yīng)有的價值？IBM 商業(yè)價值研究院最新報告《擴(kuò)展AI的公認(rèn)概念：從試驗變?yōu)楣こ淘瓌t》為你答疑解惑，指明出路。

AI 擴(kuò)展失敗的三大原因

AI 的成功擴(kuò)展是指項目從沙箱過渡到試點和最小可行產(chǎn)品 (MVP)，最終實現(xiàn)工業(yè)級商品化的整個歷程。

下圖展示了非常典型的企業(yè) AI 計劃的軌跡。對處于 AI 采用早期階段的企業(yè)而言，將 AI 作為原則的緊迫感或許并不明顯，所以，企業(yè)常常深陷 AI 試點和概念證明階段而無法自拔，在一些看似讓人興奮但卻孤立的案例中零敲碎打地應(yīng)用 AI，不斷嘗試卻沒有結(jié)果。

錯！

傳統(tǒng)低效的應(yīng)用開發(fā)模式。模型開發(fā)工作在數(shù)據(jù)科學(xué)家的筆記本電腦上完成，統(tǒng)籌任務(wù)則使用自定義代碼和腳本人工臨時實施。最終結(jié)果是，數(shù)據(jù)團(tuán)隊（科學(xué)家、工程師及其他人員）被迫沿用低效的工作方式。他們承受繁重的人工任務(wù)，比如將機(jī)器學(xué)習(xí) (ML)模型移交給開發(fā)人員，以便最終在后者開發(fā)的應(yīng)用中運(yùn)行。這會減緩基于 ML 應(yīng)用的交付速度，降低 AI 投資的業(yè)務(wù)回報。

錯！

在投入生產(chǎn)環(huán)境之前，AI 項目往往是像一個孤島，開發(fā)人員與利益相關(guān)方之間脫節(jié)。倘若不明確特定數(shù)據(jù)的擁有者和控制者，問題勢必會進(jìn)一步加劇。

錯！

某些 AI 團(tuán)隊相對較新，角色和職責(zé)仍不明確，上下級關(guān)系“紛繁復(fù)雜”，甚至在同一部門內(nèi)也會采用各種不同的工具。哪怕是成熟團(tuán)隊，也要與不同的群體和利益相關(guān)方進(jìn)行互動。而要實現(xiàn)清晰精準(zhǔn)的溝通無疑非常困難。

企業(yè)如何才能避免 AI 的低谷期，加快擴(kuò)展 AI 的步伐，充分發(fā)揮 AI 應(yīng)有的價值？

借助結(jié)構(gòu)化方法避開 AI 低谷

眾所周知，AI 是一項復(fù)雜的多領(lǐng)域業(yè)務(wù)和技術(shù)創(chuàng)新，包含多個互連而且不斷變化的層面。任何一個方面都無法僅憑一己之力就確保將 AI 項目成功投入商業(yè)使用。這時候，普通的“變革管理”恐怕難以奏效。符合業(yè)務(wù)戰(zhàn)略的“鎮(zhèn)痛良方”也不行。哪怕久經(jīng)考驗的“流程改進(jìn)”甚至更前衛(wèi)的“敏捷方法”也不足以解決問題 ― 無論整理多少西格碼和意大利面條圖，抑或組織數(shù)次討論和沖刺活動都無濟(jì)于事。

企業(yè)真正需要的是，徹底改變AI的角色：過去，人們將 AI 視為最新技術(shù)魔法的化身而敬而遠(yuǎn)之，現(xiàn)在，必須將 AI 作為戰(zhàn)略能力融入到整個企業(yè)之中。

企業(yè)亟需停止匆忙實施的數(shù)據(jù)科學(xué)試驗，開始全面周密地采用 AI 技術(shù)― 將 AI 植根于業(yè)務(wù)戰(zhàn)略、創(chuàng)新活動和差異化競爭優(yōu)勢之中；深度整合至不斷發(fā)展的業(yè)務(wù)運(yùn)營模式和工作流程、組織架構(gòu)和治理機(jī)制、數(shù)據(jù)架構(gòu)和基礎(chǔ)架構(gòu)乃至文化價值觀和道德規(guī)范之中。

我們建議企業(yè)采用更為嚴(yán)謹(jǐn)?shù)慕Y(jié)構(gòu)化方法，即“AI 工程和運(yùn)營”，它涵蓋四個高層級的重點領(lǐng)域，以及許多基本原則、流程和工具，用于指導(dǎo) AI 計劃大規(guī)模投入生產(chǎn)運(yùn)營。見下圖。

AI 工程和運(yùn)營

設(shè)計

專為改善易用性而設(shè)計的人與 AI 互動體驗，配備標(biāo)準(zhǔn)工具集和方法，旨在提高 AI 項目實現(xiàn)價值的速度和質(zhì)量標(biāo)準(zhǔn)。

部署

自動執(zhí)行部署工作的框架，旨在提升效率和可審計性。

監(jiān)控

技術(shù)和質(zhì)量關(guān)鍵績效指標(biāo) (KPI) 和流程，定期進(jìn)行衡量和對標(biāo)。

嵌入

用于檢查模型中偏見的方法、AI 模型用于直觀呈現(xiàn)決策的工具以及更廣泛的企業(yè)道德準(zhǔn)則

簡而言之，“AI 工程和運(yùn)營”這種方法有助于企業(yè)建立重點明確的環(huán)境，以結(jié)構(gòu)化方法引導(dǎo)項目從開發(fā)到生產(chǎn)的整個過程，切實發(fā)揮 AI 在生產(chǎn)領(lǐng)域的巨大潛力，最終實現(xiàn)商業(yè)效益。

RedHat：借助開源概念在軟件中應(yīng)用AI

與所有典型的科技公司一樣，RedHat 很早就對 AI 和機(jī)器學(xué)習(xí)（ML）表現(xiàn)出極大的興趣，積極探索如何將這些技術(shù)應(yīng)用于自己的產(chǎn)品和服務(wù)，為客戶帶來切實收益。

但大約四年前，一切都變了。從那時起，RedHat 開始重點研究如何將 AI 融入自己更廣泛的產(chǎn)品組合，確保實現(xiàn)互操作性，滿足客戶在容器和 Kubernetes 中運(yùn)行 AI 和ML 工作負(fù)載的不斷增長的需求。

RedHat 加大了在自己的平臺上運(yùn)行 AI 的力度，為 OpenData Hub 打下堅實基礎(chǔ)。OpenData Hub 是依托 AI 工程原則的元項目，將開源項目整合至實際解決方案之中，并由 AI 生態(tài)系統(tǒng)合作伙伴加以補(bǔ)充。開源社區(qū)可試驗并開發(fā)智能應(yīng)用，既可避免高昂的成本，又能解決現(xiàn)代 ML 和 AI 軟件組合所帶來的復(fù)雜性。

為搭建業(yè)務(wù)架構(gòu)和推行戰(zhàn)略，RedHat 成立了 AI 人才中心(CoE)。該組織經(jīng)過擴(kuò)充后，新成立了“早期部署工程團(tuán)隊”，動員頂級數(shù)據(jù)科學(xué)家通過服務(wù)互動模型，為客戶提供創(chuàng)新成果和可觀價值。隨著工作的深入，他們增加了工程原則。運(yùn)用 DevOps 和敏捷方法強(qiáng)化并規(guī)范企業(yè)的 AI 開發(fā)方法。

目前，RedHat 通過“開放創(chuàng)新實驗室”與客戶合作開展 AI/ML 項目，采用最先進(jìn)的開源技術(shù)。例如：

–AICoE 幫助某汽車行業(yè)客戶開發(fā)了一個平臺，憑借可擴(kuò)展的 ML 和大數(shù)據(jù)處理能力，更快速、更準(zhǔn)確地進(jìn)行駕駛模擬和數(shù)據(jù)分析。他們在短短三個月內(nèi)就完成了平臺配置和創(chuàng)建。

–AICoE 為某醫(yī)療保健行業(yè)客戶打造了一個預(yù)測和治療優(yōu)化平臺，實時收集和分析臨床數(shù)據(jù)并提醒看護(hù)者啟動早期護(hù)理。

RedHat 的經(jīng)歷表明，開源技術(shù)依托結(jié)構(gòu)化的 AI 方法獲得了新生。

構(gòu)建 AI 能力之行動指南

盡管讓 AI 走出實驗室并全面投入生產(chǎn)環(huán)境絕非易事，但我們確定了一些關(guān)鍵行動供企業(yè)參考，以期加快擴(kuò)展 AI 的步伐，切實發(fā)揮AI在生產(chǎn)領(lǐng)域的巨大潛力，最終實現(xiàn)商業(yè)效益。

針對資歷較淺的 AI 采用者（處在考慮/評估和試點 AI 階段的企業(yè)）的實踐方法：

開始行動：開發(fā)工作通?？煞殖伞靶K”并行完成。

從小規(guī)模入手，但在設(shè)計中考慮到擴(kuò)展。

采用工程原則：比如采用 DevOps 或其他軟件工程方法。

制定成功衡量標(biāo)準(zhǔn)：根據(jù)關(guān)鍵成功因素和重大風(fēng)險確定指標(biāo)，保證開放透明。

任命強(qiáng)有力的領(lǐng)導(dǎo)團(tuán)隊。

針對資歷較深的 AI 采用者（處在實施、運(yùn)行和優(yōu)化 AI 階段的企業(yè)）的實踐方法：

制定AI 行動手冊。

持續(xù)記錄和改進(jìn)。

監(jiān)控模型- 持續(xù)監(jiān)控AI模型的可解釋性、公平性和強(qiáng)健性。

大規(guī)模創(chuàng)新。

與生態(tài)系統(tǒng)合作伙伴合作。

關(guān)于 IBM 商業(yè)價值研究院

IBM 商業(yè)價值研究院 (IBV) 站在技術(shù)與商業(yè)的交匯點，將行業(yè)智庫、主要學(xué)者和主題專家的專業(yè)知識與全球研究和績效數(shù)據(jù)相結(jié)合，提供可信的業(yè)務(wù)洞察。IBV 思想領(lǐng)導(dǎo)力組合包括深度研究、對標(biāo)分析、績效比較以及數(shù)據(jù)可視化，支持各地區(qū)、各行業(yè)以及采用各種技術(shù)的企業(yè)做出明智的業(yè)務(wù)決策。

責(zé)任編輯：lq