今年1月，IBM發(fā)表了一份詳細(xì)的研究報告，解釋了為什么數(shù)字化轉(zhuǎn)型只提供了-5%到10%的投資回報率，而不是預(yù)計(jì)的150%。這是一個巨大差距，與我們在20世紀(jì)80年代的初始客戶端/服務(wù)器實(shí)現(xiàn)、90年代的操作系統(tǒng)遷移、21世紀(jì)初的大數(shù)據(jù)實(shí)現(xiàn)以及過去十年分析的技術(shù)實(shí)現(xiàn)的經(jīng)驗(yàn)一致。

這并不是說所有的技術(shù)實(shí)現(xiàn)都沒有達(dá)到目標(biāo)，只是說絕大多數(shù)實(shí)現(xiàn)都失敗了。反復(fù)出現(xiàn)的問題是技術(shù)不夠成熟，提供該技術(shù)的公司，以及部署該技術(shù)的公司，都用令人印象深刻的銷售努力來說服買方相信其好處，同時缺乏后續(xù)行動來確保所承諾的價值已經(jīng)實(shí)現(xiàn)。

同樣的事情也可能發(fā)生在人工智能上。

當(dāng)客戶端/服務(wù)器趨勢襲來時，當(dāng)時技術(shù)還沒有準(zhǔn)備好，但它幾乎讓IBM破產(chǎn)，因?yàn)槭袌鲈噲D轉(zhuǎn)向一些還沒有準(zhǔn)備好的東西。

原因在于，銷售往往能超越產(chǎn)品所在的位置，遠(yuǎn)遠(yuǎn)超過圍繞產(chǎn)品的服務(wù)。當(dāng)像人工智能這樣的新趨勢來襲時，每個人都想分一杯羹。但除了IBM和英偉達(dá)(NVIDIA)等公司在人工智能領(lǐng)域已經(jīng)研究了幾十年，沒有人(包括谷歌)宣布為人工智能做好了準(zhǔn)備。

IBM此次如此興奮的原因是，它擁有watsonx，這是目前市場上最成熟的人工智能解決方案。這一次，IBM在企業(yè)級生成式人工智能能力方面是最成熟的，而其他公司則依靠很少或根本沒有基礎(chǔ)的銷售和營銷承諾生存。

當(dāng)銷售領(lǐng)先于技術(shù)時，買家就會吃虧。根據(jù)IBM關(guān)于數(shù)字化轉(zhuǎn)型的數(shù)據(jù)，很多人吃虧是因?yàn)樗麄儧]有做盡職調(diào)查。

解決辦法:做好功課，遵循流程

在這種情況下，最成功的流程之一是“從試驗(yàn)到生產(chǎn)”。不要一步到位地進(jìn)行部署。一旦確信某個供應(yīng)商已經(jīng)為你提供了足夠成熟和完整的解決方案，創(chuàng)建一個或多個試點(diǎn)項(xiàng)目來驗(yàn)證你的信念。即使是成熟的產(chǎn)品也不能適用于所有情況。你不想大規(guī)模失敗，但在試點(diǎn)中失敗是可以恢復(fù)和承受的。

但即使在試點(diǎn)之前，也需要確保供應(yīng)商對收益和投資回報率的要求是可以實(shí)現(xiàn)的。向其他已經(jīng)部署并實(shí)現(xiàn)了承諾的好處的人尋求參考，詢問供應(yīng)商，看看他們是否已經(jīng)在內(nèi)部部署了這項(xiàng)技術(shù)，并要求與使用該技術(shù)公司的IT人員交談(他們通常會非常誠實(shí))。

與其他正在嘗試同樣任務(wù)的人一起研究并獲取最佳實(shí)踐，要意識到并非每種解決方案都適用于每個公司甚至每個部門。

混合多云是在正常運(yùn)行時間、成本、可用性和可靠性之間提供最佳平衡的實(shí)踐。需要一個理解這個概念的供應(yīng)商，與你信任的云計(jì)算供應(yīng)商有著深厚的關(guān)系，并且已經(jīng)獲得了足夠的經(jīng)驗(yàn)，所以它不應(yīng)該是在服務(wù)你的過程中學(xué)習(xí)的。

特別是對于人工智能數(shù)據(jù)，質(zhì)量是至關(guān)重要的，你需要很多幫助來確保它。不想要一個有偏見或產(chǎn)生幻覺的AI，就像你不想要一個總是提供不準(zhǔn)確答案的分析一樣。

這些新的人工智能功能預(yù)計(jì)將是多模式的，包括自然語言、圖像、音頻、視頻，甚至是關(guān)鍵的時間元素。人工智能的使用往往傾向于針對其中一種數(shù)據(jù)類型進(jìn)行優(yōu)化，而在其他數(shù)據(jù)類型上表現(xiàn)不佳，所以你需要了解其中的差異，并讓供應(yīng)商知道在它不具備能力的領(lǐng)域，另一家供應(yīng)商可能是更好的選擇。

最后，你需要度量標(biāo)準(zhǔn)和里程碑方面的幫助，這樣，如果供應(yīng)商的性能不佳，你就可以及早確定問題所在，要么更換供應(yīng)商，要么更換團(tuán)隊(duì)。如果與你合作的供應(yīng)商不能幫助你為項(xiàng)目設(shè)置度量標(biāo)準(zhǔn)和目標(biāo)，那么你就找錯了供應(yīng)商。

從20世紀(jì)80年代的客戶端/服務(wù)器到今天的人工智能，我們在最近的大型技術(shù)中經(jīng)常遇到的問題是，銷售遠(yuǎn)遠(yuǎn)超過產(chǎn)品和支持結(jié)構(gòu)。其結(jié)果是部署不能滿足目標(biāo)和期望。在許多情況下，更明智的做法是等到合適的合作伙伴、合適的團(tuán)隊(duì)和合適的解決方案出現(xiàn)后，再行動。