在您的企业中实施 AI 且无需花费大量资金的 5 个步骤

人工智能不断蓬勃发展，如果它继续渗透到各个行业，它将彻底改变我们的生活方式。

因此，将人工智能融入公司已成为许多创始人的首要任务。 甚至个人也在寻找利用人工智能来改善个人生活的方法。

如此大肆宣传，具有里程碑意义的语言权威柯林斯词典已将其命名为 AI成为年度术语，因为它的受欢迎程度激增。

话虽如此，对于大多数组织来说，在尝试将人工智能纳入其流程时，想法与现实之间存在巨大差距，因为这条道路并不像看起来那么简单，而且在资本支出方面可能非常昂贵需要的和浪费的时间，因为事态的发展不会带来预期的结果。 这已经落地了 多家企业陷入困境。 例如，CNET 尝试用人工智能撰写的文章，结果证明它们充满了缺陷。 其他公司，如 iTutor Group， 曾面临巨额罚款 除了因为人工智能实施不佳而受到公众嘲笑之外。

正如这些案例所示，企业在人工智能方面可能会犯很多错误，除非一家企业拥有亚马逊、谷歌、微软或 Meta 那样的财务缓冲，否则这些失败的实验实际上可能会让一家公司破产。

如果您是创始人或企业主，这里有一个包含五个步骤的指南，可帮助您在业务中实施人工智能，同时谨慎使用您的资源（金钱和时间，最终就是金钱），同时减少致命的可能性错误。

1. 明确你要解决的问题

没有一家公司能够免受人工智能失败的影响。 正如亚马逊通过其陷入困境的无人商店 Amazon Go 痛苦地发现的那样——并非每个业务案例都需要人工智能.

因此，定义人工智能要解决的问题至关重要。 这需要尽可能清楚地概述。

例如，人工智能的一个常见应用是客户支持。 在这种情况下，实施人工智能可能会产生特定的结果，例如，每月将呼叫中心成本降低 X 笔钱，或者将解决客户查询所需的平均时间加快 X 分钟。 通过这种方法，我们有了金钱或时间形式的可衡量指标，我们将尝试通过实施人工智能来实现这一目标，并看看这是否会产生任何影响。

发生这种情况的方式有很多种。 例如，我们可以开发或购买一项服务来代替聊天机器人，该服务将确定是否可以通过常见问题解答页面回答客户的查询。 它会像这样工作。 当客户写一条消息时，我们运行这个模型，它要么告诉我们需要将此对话转移给代理，要么向他们显示一个包含问题答案的相关页面。 开发这个模型比从头开始构建复杂的聊天机器人更快、更便宜。 如果这一实施成功，与开发聊天机器人的费用相比，我们将实现降低成本的目标，同时优化与人工智能相关的资本支出。

这种方法的先驱是 Matten Law，一家总部位于加利福尼亚州的律师事务所， 集成了人工智能驱动的 助理可以自动执行许多任务，使律师能够花更多时间倾听客户的意见并研究案件中最相关的方面。 这表明，即使是最严格的行业也可以通过人工智能进行颠覆，通过在最需要的地方放大人性化的方式来增强用户体验。

人工智能可以帮助解决的其他常见问题包括数据分析和定制产品的创建。 Spotify 是一家成功利用人工智能开发智能音乐推荐系统的公司的杰出例子，该系统 考虑到某人在一天中收听特定类型的时间.

在上述两种场景中，人工智能都有助于为客户提供更好的体验。 但这些企业之所以能成功运用AI，是因为他们非常清楚哪些方面需要交给AI。

2. 决定您需要分析的数据

一旦明确了主要问题，我们就需要考虑向系统提供的数据。 重要的是要记住，人工智能是一种算法，它会根据我们提供的数据进行分析和调整。 数据采集​​的基本场景如下：

1. 了解我们实施人工智能可能需要哪些数据。

2. 看看我们的企业是否有这些数据。

   1. 如果确实如此——那就太好了。

   2. 如果没有，我们需要坐下来思考是否可以在内部启动正确的数据收集流程。 作为另一种可能性，如果我们还没有这样做，我们可以要求开发人员保存我们需要的数据。

这是一个例子。 我们拥有一家咖啡店，我们需要有关有多少顾客光临的数据。 我们可以通过实施用户在购买时出示的个性化会员卡来实现这一点。 这样，我们将获得所需的数据，例如哪些客户来了、何时来、购买了什么以及数量。 一旦我们有了这些，我们就可以使用这些数据来实现人工智能。 然而，有时收集这些数据的成本可能非常高。 这就是人工智能可以拯救我们的时候。 例如，如果我们在咖啡店安装了摄像头（至少出于安全目的），我们可以利用它来收集来访顾客的数据。 我必须说，在实施此方法之前，咨询个人数据法（例如 GDPR）非常重要，因为这种方法并不适用于每个国家。 但在那些允许这样做的司法管辖区，这可以是一种无缝的方式来收集你需要的信息，并寻求人工智能的帮助来分析和处理它。

如果您想知道，这个个性化的忠诚度计划是 星巴克做了什么，取得巨大成功。 星巴克的奖励计划甚至在顾客访问他们喜欢的地点或订购他们最喜欢的饮料时提供个性化奖励。

3. 定义假设

在某些情况下，您可能不确定哪些流程可以或需要通过人工智能进行优化。

如果这是您的情况，那么您可以首先将整个流程分解为几个阶段，并确定您认为您的业务表现不佳的阶段。 您在哪些领域花费了太多钱？ 什么情况比平常需要更长的时间？ 通过回答这些问题，您可以查明需要改进的关键领域，并确定人工智能是否可以提供帮助。

您会发现，在某些情况下，传统解决方案可能更有效。 如果您正在努力向客户重点介绍哪些产品，那么在市场推荐系统中，基于最受欢迎产品的建议通常比尝试预测用户行为更有效。 因此，请先尝试一下。 一旦获得结果（无论是阳性还是阴性），您就可以对人工智能测试提出假设。 否则，行动领域将过于模糊，最终可能会浪费时间和金钱。

4. 利用现有的解决方案

许多公司的目标是立即设计自己的机器学习算法。但是，如果您不打算在较长时间内使用大量数据集来训练它们，请不要这样做。这将是非常昂贵和耗时的。

相反，我建议您关注现有的解决方案。 亚马逊、谷歌、微软等许多公司都拥有人工智能驱动的工具，可以帮助您实现许多目标。 然后，逐渐地，您可以与其中之一签订合同，并聘请一名内部开发人员来熟练地配置必要的 API 请求。

基本思想是这些工具可以由业务开发人员（而不是机器学习专家）集成，这将使我们能够快速检验人工智能是否带来预期效果的假设。 如果做不到这一点，我们可以简单地禁用这些工具，而我们测试假设的成本将只是我们与该服务集成所花费的开发人员时间以及我们为使用该工具所支付的金额。 如果我们要开发一个模型，除了任何基础设施成本之外，我们还将花费机器学习专家的工资乘以他们开发模型所花费的时间。 如果最终没有达到预期的效果，那么不清楚如何处理开发人员和模型。

如果我们的假设被证明，并且人工智能驱动的工具带来了预期的效果，我们会很高兴并提出一个新的假设。 未来，如果我们预见到该工具的成本会大幅增长，我们可以考虑自己开发这个模型，从而进一步降低成本。 但我们需要首先评估开发成本实际上是否低于我们使用另一家专门开发这些工具的公司的工具所支付的费用。

我的建议是，只有当你通过上述工具使用人工智能获得了良好的结果，并且一旦你确定人工智能从长远来看是解决你的问题的正确方法之后，你才考虑开发自己的机器学习产品。 否则，您的机器学习项目将无法提供您正在寻找的价值，正如《哈佛商业评论》最近发表的一篇精彩文章所说， 人工智能炒作只会分散你的注意力，这不需要人工智能。

5. 咨询人工智能专家

同样，创始人和企业主犯的另一个非常常见的错误是他们试图在内部完成所有事情。 他们聘请人工智能首席工程师或研究员，然后更多的人组成一个可以创造尖端产品的团队。 然而，如果您没有正确定义的人工智能实施策略，那么该技术对于您公司的目标将毫无价值。 还有一种情况是，他们雇用一名初级机器学习工程师，与雇用更有经验的专家相比，可以节省资金。 这也是危险的，因为没有经验的人可能不了解机器学习系统开发和设计的微妙之处，而犯“菜鸟错误”，而公司将为此付出过高的代价，几乎总是超过雇用经验丰富的人的价格机器学习专家。

因此，我的建议是，您首先聘请一位人工智能专家，例如顾问，他将指导您并评估您的人工智能采用过程。 利用他们的专业知识来确保您正在解决的问题需要人工智能，并且该技术可以有效地扩展以证明您的假设。

如果你是一家处于早期阶段的初创公司，并且担心资金问题，解决这个问题的方法是在 LinkedIn 上联系人工智能工程师询问具体问题。 不管你是否相信，许多机器学习和人工智能专家都喜欢提供帮助，这既是因为他们真正热衷于这个主题，也是因为如果他们成功地帮助了你，他们可以将其用作他们的咨询组合的积极案例研究。

总结

随着围绕人工智能的所有炒作，您可能渴望将其纳入您的业务并开发一个由人工智能驱动的解决方案，将您带到一个新的水平，这是正常的。 但是，您需要记住，每个人都在谈论人工智能这一事实意味着您的业务需要人工智能。 不幸的是，许多企业在没有明确目标的情况下急于整合人工智能，最终浪费了大量的金钱和时间。 在某些情况下，特别是对于早期公司来说，这可能意味着它们的灭亡。 通过清楚地阐明问题、收集相关数据、测试假设以及在专家的帮助下使用现有的工具，您可以在不耗尽公司财务资源的情况下集成人工智能。 然后，如果该解决方案有效，您可以逐步扩大规模并将人工智能纳入那些可以提高公司效率或盈利能力的领域。