[[418617]]

人工智能和人類智能并不是相互對立的，而是在本質上是共生的。企業必須了解這一點才能取得成功。

人工智能 (AI)和人類智能一直是內在交織在一起的，人工智能誕生于對人腦內部工作機制的研究。盡管以往研究人工智能是試圖解釋人類大腦的工作原理，但現在的任務是增強人類的能力。而完成重復且平凡的輸入任務，或者從幾乎無法理解的龐大數據集中提取信息的任務正是人工智能的用武之地。將人工智能用于此類任務可以防止企業浪費人力和資源，并讓員工解決需要人類思想解決的問題，例如基于同理心的技能、創造性設計或批判性思維。

很多人認為采用人工智能終將會發生人類與機器的斗爭，但現實之間的關系更為共生，人工智能的作用是進一步促進人類智能而不是取代，例如人類使用計算器的方式，可以解決用戶的特定問題，但這些問題的計算并不是該過程的最終目標——它需要人類來解釋計算結果并使用這些信息。

通過以這種方式增強人類智能，曾經被認為過于耗時和勞動密集型的任務可以被剝離。這導致更少的人力投入，其產生的結果遠遠超出個人或團隊希望完成的復雜程度。正是這種人類和人工智能的結合才真正令人生畏。而這種方法的應用幾乎無窮無盡，但要真正釋放其潛力，企業必須消除利用人工智能和訪問數據驅動洞察力的復雜性。

讓機器和人類各自明確自己的職責

任何企業的目標都是分配和管理提供所需結果的資源，無論是產品還是通過為客戶提供的服務。然而，這些產品和服務的全球格局比以往任何時候都復雜得多。快速的數字化轉型提高了企業和消費者的期望，并創造了一種將速度、準確性、可靠性和全天候可用性被視為一種標準的環境。因此，企業需要強調數字自動化的必要性以滿足苛刻的商業環境的要求。

將人工智能應用于不同行業是很重要的，因為很多實現的組合。例如，電子產品在電氣設備的制造過程中使用機器人流程自動化(RPA)。計算機視覺(CV)也被用于質量保證(QA)過程和欺詐檢測，可以在問題出現之前很早就會發現。

在這些例子中，市場所規定的要求超出了人類的能力。這并不意味著人類被排除在過程之外，而是人類要了解出現問題的背景，并設計滿足預期結果的更廣泛的系統。這些工具的用戶只是從“行動者”轉變為“問題解決者”，利用他們的分析和推理技能來提高他們的輸出質量。

保持簡單性

機器將取代人類的誤區已經被打破，為什么圍繞人工智能仍然存在矛盾或不信任的情況?出于同樣的原因，一些企業正在實施數字化轉型，而另一些企業則在采取短期措施來應對競爭。這就是問題的復雜性。

為了充分利用人工智能，無論企業的行業或相關實施如何，簡單的事實是該技術必須可用。不僅是那些技術成熟度更高或數據科學技能更高的人員能夠使用，而且企業中的任何員工都可以使用。儀表板的用戶界面(UI)必須易于理解，機器學習軟件必須可用，數據管理系統必須可供具有不同技術能力水平和不同信息可視化偏好的各種人員訪問。具有諷刺意味的是，保持簡單性是一件非常復雜的事情。

隨著人工智能技術的進步，更多的框架、模型和平臺將被廣泛使用。允許團隊成員根據他們的需求識別、測試和采用解決方案，意味著當企業利用開源工作時無需從頭開始。人工智能技術的進步也同樣重要。人工智能管理應用程序正變得越來越先進，用戶界面有了很大改進，從而提供了更大程度的直觀性和更低的進入門檻。令人欣慰的是，人工智能越來越多地與增強現實(AR)等其他先進技術相結合，從而擴大了人工智能應用對傳統非技術角色的吸引力。

人工智能以數據為中心

企業應該接受以數據為中心和民主化，從而將數據交到員工手中。通過讓員工使用當前擁有的數據，企業可以創建一個增量改進的反饋循環，通過改進數據收集程序來提高員工的數據分析技能。理解了這一點，知道任何成功的人工智能實施的主要優先事項是以這樣一種方式來構建正在解決的問題，使尋求改進的行動或流程成為焦點。

這種方法的成功取決于人工智能是否可用于所有業務功能，而不僅僅是IT部門。普及這項技術是將其集成到企業范圍內的工作流程的核心。這是從技術中獲得最大收益并從實施人工智能的投資中獲得回報的關鍵一步。

這并不是說投資回報率(ROI)是用來衡量人工智能集成成功與否的唯一指標。從長遠來看，諸如使用數據作為持續改進的資產和簡化企業工作流程等可以產生更多的好處。然而，真正的價值在于讓企業的員工處于控制之中。為他們提供工具、能力和許可，以便與人工智能協作而不是競爭。只有這樣，人工智能和人類智能才能和諧共存，從而提高業務產出，并創造更美好的未來。