募融网,企业融资,项目融资,天使投资,融资,投资

募融网>资讯>AI在企业级的商业应用中为何进展缓慢,遇到哪些坑点?

AI在企业级的商业应用中为何进展缓慢,遇到哪些坑点?

来源: 募融网 发布日期: 2020-10-16 浏览量: 367 赞: 1

AI在企业级的商业应用中为何进展缓慢,遇到哪些坑点?  

顾卿华(安永咨询服务合伙人):AI落地阶段确实是个知易行难的阶段,我们从“AI熟悉度白皮书”中的所调研的各位企业高管的反馈里也能看到。第一,人的因素。大家会在白皮书里看到,企业管理者认为“AI落地中最有挑战内容”TOP10中,三项跟人有关,包括管理层、决策者的支持和意识,AI技术人才的缺失,员工对AI技术的信任。决策者、AI设计和执行者、普通员工,这是非常有代表性的,体现出领导者对企业宏观业务方向的把握,对AI技术本身设计和落地的把握,以及在员工中构建信任和拥抱变化的文化也非常重要第二,数据的因素。企业需要扎实的数据基础,如果缺少比较统一、标准化、高质量的数据,AI应用可能会是无米之炊、无源之水。我们看到很多企业在重复、反复、持续地做数据方面的治理,包括数据质量提升、数据平台建设、数据应用构建,这些都是为了给后面AI应用奠定一个好基础。第三,不容忽视的还有风险与合规因素。AI让企业把很多业务转移至自动化平台,企业开始大量依赖机器帮忙做决策。在这个过程中会带来业务连续性、隐私保护、AI可信度、伦理和社会的问题等,这些在AI落地过程中都不能忽视。第四,所有的创新最后都会落到规模化问题上,而大多数AI创新可能都是点状、实验性质、局部地创新,其非规模化、商业化、运行态的业务创新。这个时候领导者对业务策略的把握和选择、对应用场景的把控,包括对未来运营模式的设计,就是非常重要的先决条件,不能把AI仅仅当做基础性的项目来做。当然,大家可以在白皮书中看到企业高管们对AI落地过程遇到的挑战的一些观点。


丁磊(人工智能首席科学家):组织架构对AI落地的影响,数字化转型一定是一把手工程,是CEO亲自抓的。所谓的智能化,AI转型也一定是CEO抓的工程。举个Pay Pal的例子,我在Pay Pal负责消费者部门的AI平台搭建,此前Pay Pal曾经尝试过二、三次,但都失败了失败原因各种各样,可能是没有满足业务需求,也可能是没有在公司内部很快树立起AI部门的重要性……随着公司不断的调整组织架构,AI部门很快淡出。在我2013年牵头搭建这个部门时,已经是至少第三次在全球消费者数据部搭建AI平台,为什么会这样呢?这背后就涉及到组织架构的变革。数据科学、AI部门到底关键点在哪里?它是IT部门吗?其实也不算,因为IT部门关注的是系统的可靠性与数据的质量,它不关注数据怎么变现和产生价值。所以数据科学与AI部门不是IT部门。那它是不是个分析部门呢?它也不是我们平时所说的传统意义上的分析部门,在很多大型公司中都有专门的分析师的团队和部门,所以AI部门也不是分析部门。这就碰到一个问题,既然AI部门不是传统的分析部门,你怎么证明其比分析部门有更强更大的价值?如果AI部门跟分析部门做一样的事,那这个部门是没有价值的。所以,AI部门不但要把数据分析好,还要从数据中提取之前没有提取到的价值因此,做AI的难点肯定不仅仅是进行粗略的PoCProve of Concept,即概念验证,其目标是测试项目是否值得花时间在其中,如果通过概念验证,意味着项目可进入正式生产、商业化应用阶段)就能够完成落地了。它要求我们在自己已经不低的基线之上,证明还能够有相应的提升。只有这样,AI部门才能得到公司内部及客户的认同,这些对AI部门的要求是比较高的。因此,AI部门它也不是传统的分析部门。AI部门是不是业务部门呢?它也不是完全意义上的业务部门,因为其并不背业务KPI。但如果AI部门不能给公司内一或多项业务提供相应的、有效的支撑与提升的话,它也无法再一个成熟公司内部立足。从我个人经历来看,在硅谷的大型公司,比如市值已达两三千亿美金的Pay Pal内部,该如何找到AI或者说数据科学部门的定位呢?这其实也非常困难。因为这个部门无法融合到任何一个传统部门中。它的建立必须要从零开始,打造全新的专业领域形象。并且其负责人可能只有6-12个月的时间来打造专业领域形象。他必须在公司里、在业务上证明自己部门存在的价值与合理性,只有这样才有可能得到发展、成长的空间和余地。所以在组织结构上,AI部门首先要得到CEO的支持。但CEOAI部门负责人的容忍期可能也只有6-12个月,在这个时间内,你必须找到并创造出公司已有部门业务之外,额外的、有差额的增量价值。注意,这个价值必须是显著的。作为公司的AI部门,或者AI项目,其所提供的价值如果还达不到,刚才徐博士提到的已被AI赋能的智能化Excel的程度,或者无法超出其很多的话,这个部门或项目就没有存在的意义。所以对任何AI业务——无论是内部项目,还是服务客户项目而言,要想AI落地,门槛和挑战都很大。   

徐明强(微软全渠道事业部首席技术官):我看到的很多数据团队,他们总是看着蛋糕上面的樱桃,却忘了如果没有这个蛋糕,其实樱桃也没有存在的意义。樱桃是什么?数据团队说我们得把很多实时的Dash board(仪表盘)做出来。还有一些数据团队说致力于做出更好地决策支持模型,结果最后发现真正的问题是数据治理问题。数据是有原罪的,数据如果没有被救赎,它就没有办法发挥能力。数据何罪之有呢?数据的罪,就是四个字——“自由散慢”。“自由”是指很多第三方数据,在没搞清楚其阈或属性的情况下,就敢直接使用,有很多这样的情况存在。还有,“自由”就是当你人为靠一些服务器收集数据,发现返回的数据是很有问题的。“散”是指散落在各处。“慢”是指速度慢。当很多业务部门问数据团队要数据时,往往是需要一个报表。其实他们前一天就想用,但出于不好意思,就会说能不能周末给我们这种情况,如果没有SAP数据库升级的话,数据科学家的回答可能是该数据用时一个月都未必能出,会非常地慢。所以,想要把数据真正做好,需要很多工具支持。比如怎么样从原数据里把数据抽取出来,还有如何把“脏的”数据做好,等等。只有这样才能得到较好的结构化数据,让数据科学家能够在此基础上做一些实质性挖掘,做好模型。所以,企业必须把数据治理首先画在自己的路线图上。

本文来源:募融网,更多创业融资技巧干货请访问募融研究院(news.murongw.com)!

募融网提示

test

投递项目

商业计划书: