[[441488]]

未將業(yè)務流程智能化

從AI項目中獲取價值的最常見障礙之一是將數據觀察納入到了現有的業(yè)務流程中。這種“最后一公里”困難也是使用業(yè)務規(guī)則管理系統(tǒng) (BRMS) 最容易解決的困難之一。BRMS 是一項成熟的技術，在21世紀初被大量采用，并且作為部署預測模型的工具獲得了新生。BRMS成為了一個易管理且可靠的自動化業(yè)務流程中的理想決策點。如果你的企業(yè)沒有使用BPM(業(yè)務流程管理)系統(tǒng)來自動化(簡化和合理化)核心業(yè)務流程，那么不要再做AI了。這時候你不需要AI，你首先需要的是BPM和BRMS這樣的基礎知識。

大多數現代業(yè)務規(guī)則管理系統(tǒng)包括模型管理和基于云的部署選項。在云場景中，平民數據分析師可以使用像Azure機器學習工作室和 InRule BRMS 等工具來創(chuàng)建模型，并通過REST端點將模型直接部署到業(yè)務流程中。像這種基于云的組合，相比成熟的AI程序，會以更合理的成本、更輕松地對決策過程進行實驗。

實驗失敗

現在我們來看事情的另一面。如何使用 AI 來創(chuàng)建新的商業(yè)模式、打破市場、創(chuàng)造新產品、創(chuàng)新并大膽地開拓前所未見的領域?擁有風險投資的初創(chuàng)企業(yè)的失敗率約為 75%，而且它們還是處于AI商業(yè)模式前沿的企業(yè)。如果你基于AI的新產品或業(yè)務計劃的失敗率較低，那你就相當于擊敗了一些最好的投資者。

最精英的技術專家也會失敗，甚至經常失敗。2011年，Google前CEO Eric Schmidt在參議院 聽證會中披露了該公司的一些方法：

為了讓你更了解 Google考慮的變革規(guī)模，2010 年我們進行了 13,311 次精度評估，以驗證被提議的算法更改是否提高了搜索結果的質量，并進行了 8,157 次并排實驗，我們向一組測試員展示兩組搜索結果，并讓評估人員就哪組結果更好進行排名，并進行 2,800 次點擊評估，以了解一小部分真實生活中的Google用戶對變化的反應。最終，該過程產生的516 項更改被數據證實對用戶有用。因此，我們對Google的算法進行了如上的更改。大多數更改是用戶無法察覺到的，并且只會影響極少數網站，但只有我們相信更改將使用戶受益時，才會實施更改。

結果表明，有96%的提議更改失敗了。

這個故事的重點是失敗總會發(fā)生，這是不可避免的。Google與其他大多數公司的不同之處在于，Google的數據驅動文化讓他們能夠從錯誤中吸取教訓。并且要注意 Schmidt證詞中的關鍵詞：實驗。實驗是Google、蘋果、Netflix、亞馬遜和其他領先的科技公司能夠成功地從AI中獲得大規(guī)模收益的方式。

一家公司創(chuàng)建和改進其流程、產品、客戶體驗和商業(yè)模式的能力與其實驗能力直接相關。

接下來會發(fā)生什么?

就像工業(yè)革命席卷了那些沒有采用機器制造的手工制作公司一樣，AI和機器學習的巨變將消滅那些無法適應新環(huán)境的公司。盡管人們很容易認為AI的挑戰(zhàn)主要在技術上，并將失敗歸咎于技術，但現實是，AI項目的大多數失敗都是戰(zhàn)略和執(zhí)行上的失敗。

從很多方面來說，這對公司來說是個好消息。大家認識到了AI項目失敗背后是“老式”商業(yè)模式帶來的挑戰(zhàn)。雖然你無法避免在文化、組織結構和業(yè)務流程方面進行必要的變革，但知道路線已經規(guī)劃出來，你也會感到些許安慰，挑戰(zhàn)在于如何像舵手一樣駕駛船舶航行并躲避礁石。從將AI應用于現有流程中小而簡單的實驗開始，這會幫助你在開始更長時間的AI旅程之前積累寶貴的經驗。

作者：Steve Nunez

原文網址：

https://www.infoworld.com/article/3639028/why-ai-investments-fail-to-deliver.html