77%的公司已在使用或探索使用 AI，超过 80% 的公司声称这是首要任务，领导者渴望从该技术中获得最大价值。然而，可用的解决方案数量和随之而来的大量营销信息可能会让寻找一条清晰的道路变得困难。以下是一些指南，可帮助您评估AI 工具的功能并确定最适合您组织的工具。
从问题开始，而不是从工具开始
当媒体称赞某个平台，或者您发现竞争对手也在使用同一个平台时，您自然会想自己是否也应该这么做。但在研究新系统之前，请先确定您的业务面临的问题。它的主要挑战是什么？它的核心需求是什么？一旦您重新调整了关注点，就从这个角度重新构建您正在考虑的解决方案。
如果人工智能技术能够解决贵公司遇到的明确、可衡量的问题（即自动化日常任务或提高团队生产力），那么该工具值得探索。如果它与解决您的问题没有直接关系，那就继续吧。人工智能可能非常强大，但它确实有局限性。您的目标应该是只将它应用于能够产生最有意义影响的领域。
试点项目和实验预算
当你确定某个系统可能在战略上满足你的需求时，你就满足了第一个必要条件——但这并不意味着你已经准备好购买了。下一步是花时间通过小规模试点项目对该技术进行大量测试，以确定其有效性。
最有价值的测试使用与关键绩效指标 (KPI) 相关的框架。根据Google Cloud 的说法：“KPI 在新一代 AI 部署中至关重要，原因如下：客观评估绩效、与业务目标保持一致、实现数据驱动的调整、增强适应性、促进利益相关者的清晰沟通以及展示 AI 项目的投资回报率。它们对于衡量成功和指导 AI 计划的改进至关重要。”
换句话说，您的测试框架可以基于准确性、覆盖率、风险或对您来说最重要的任何 KPI。您只需要有明确的 KPI。一旦您这样做了，就召集 5 到 15 个人进行测试。两个由 7 人组成的团队是理想的选择。当这些经验丰富的个人开始测试这些工具时，您将能够收集足够的输入来确定这个系统是否值得扩展。
领导者经常会问，如果供应商不愿意与他们一起开展试点计划，他们该怎么办。这是一个合理的问题，但答案很简单。如果您发现自己处于这种情况，请不要进一步与该公司合作。任何值得信赖的供应商都会认为为您创建试点计划是一种荣幸。
此外，提前规划并留出资金用于实验性 AI 预算。当您想尝试各种解决方案而又不投入过多资源时，这应该是您的选择。即使一切似乎都进展顺利，也要给您的团队足够的时间来熟悉技术并进行适应，然后再进行购买或扩大规模。
优先考虑数据安全和供应商透明度
当你考虑一个平台时，请记住你不仅在评估技术，还在评估其背后的公司。供应商应该受到与技术本身一样多的审查——甚至更多。确保你只与在数据安全方面保持最高标准的供应商合作。他们应该遵守数据保护的全球标准和道德 AI 原则，平台本身应该获得 SOC 2 Type 1、SOC 2 Type 2、通用数据保护条例 (GDPR) 和 ISO 27001 认证。
此外，请确认您的供应商未在未经明确同意的情况下将您公司的数据用于 AI 培训目的。虚拟会议提供商 Zoom 是一家知名公司的例子，该公司曾计划收集客户内容以用于其 AI 和 ML 模型。尽管他们最终没有实施这些计划，但这一事件应该引起企业和消费者的关注。
如果您让专门的 AI 负责人负责这一领域，那么这个人就可以管理所有数据安全需求并确保组织合规性。这可能感觉像是不必要的额外工作，但它是必不可少的。请记住，您的某个提供商只需一次数据泄露就足以让您失去客户信任——甚至失去您的客户。
最后的想法
领导者必须采用结构化方法来评估人工智能解决方案，以便从中获得最大价值。首先关注解决问题，然后是测试和试点计划、数据安全和识别有形价值。人工智能可以发挥巨大的作用，但只有在经过仔细选择和实施后应用于正确的问题时才能发挥作用。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/cong-wen-ti-kai-shi-sha-he-que-ding-zhi-de-xin-lai-de-gong
