成功采用人工智能需要 3 个要素——大多数公司只有 2 个

如今，人工智能已不再是一项新技术。它在数据分析、模式识别和知识整合方面已得到证实，可以提高团队效率。然而，尽管人工智能的价值毋庸置疑，但新的研究表明，只有 13% 的企业 已经广泛采用了它大多数企业都在谨慎行事，只将人工智能用于风险最低的任务。是什么阻碍了品牌投入其中并从中获益？人工智能的愿景与现实之间的差距，归根结底在于结构性缺陷。

缺失的环节。

成功且广泛 人工智能的采用 需要三个组件：基础设施、应用程序和数据。基础设施层包含人工智能模型，其框架直接决定了其用途和潜在输出。

应用层是软件解决方案的所在地。人工智能的大部分价值都产生于此；用户在此与人工智能进行（或许是间接的）交互并查看其输出；它是人工智能决策的枢纽。

介于这两层之间的是数据层，大多数企业都难以应对这一组件——无论他们是否意识到这一点。当然，这一层包含所有数据；这些数据适用于底层人工智能模型，并指导正在构建的应用程序。数据层的质量直接影响应用层的输出。高质量、丰富的数据可以支持稳健的用例，而可疑或不足的数据则无法支持。

除非组织能够构建（或与构建所有三个层次人工智能的企业合作），否则它们将无法获得最大价值。

不平衡的影响。

人工智能的输出始终取决于它所输入的数据。如果一个组织希望其人工智能能够预测合成分子结构，他们就需要为其输入大量的物理数据。如果零售商希望利用人工智能预测用户行为并改善数字体验，他们就需要为其输入行为数据。

如果企业（或其合作伙伴）无法为其 AI 工具提供充足的数据支持，其影响将是深远的。首先，AI 解决方案本身。充其量，它只能在技术上可操作，尽管达不到预期的程度。输出结果可能疲软、乏善可陈，甚至完全缺乏洞察力。除了这种“最佳情况”之外，更有可能出现以下结果：AI 出现幻觉、输出错误以及投资回报率为负。这不仅会浪费投资，企业可能还不得不以控制损失的名义增加支出。

抛开眼前的后果，我们可以看到数据匮乏的人工智能解决方案所带来的更广泛的影响。一般来说，企业采用人工智能是为了能够 更多：获取更多洞察，服务更多客户，提升运营效率。如果企业将时间和资源投入到一款效果不佳的人工智能工具中，实际上会阻碍自身的发展，限制其适应市场、超越竞争对手的能力。这会让他们处于劣势，不得不努力弥补损失的时间、资源，甚至潜在的客户。

但希望并未破灭；组织可以做很多事情来定位自己，纠正（或预防）人工智能不平衡，并向前发展。

用正确的数据填补空白。

尽管可能过于简化，但领导者为了避免人工智能失衡所能做的最好的事情，就是在推进任何人工智能解决方案之前做好尽职调查。在部署新工具之前，花点时间了解数据的来源和生成方式。

如果您的解决方案提供商或首席工程师无法就底层数据的来源、质量或数量给出直接的答案，那么您应该警惕。您可以向渠道合作伙伴和集成商征求第二或第三意见。您可以利用 Reddit 和 Discord 等用户讨论网络进行众包，了解其他采用者遇到的问题或障碍。了解需要注意的危险信号 before 做出任何决定都可以帮助领导者避免陷入令人头疼和未能达到预期的境地。

当然，这种预见并非总是可行的，也无法帮助那些深陷AI数据缺失的组织。如果放弃现有解决方案不可行，那么次优方案就是找到一种方法来注入更多数据，以便该工具能够从中汲取更多背景信息、模式和洞见。

综合数据 这是一种选择，但并非万能药。很难准确定位合成数据的来源，因此它并非总是最佳方案。话虽如此，合成数据也有其适用的时机和场合。例如，它擅长训练人工智能安全模型，尤其是在对抗性训练中。一如既往，在一头扎进去之前进行前期研究将有助于领导者为其业务做出最佳决策。

对于零售或快餐店 (QSR) 等行业，人类数据是首选。这些行业的企业很可能使用人工智能来优化客户体验，因此他们的工具应该基于人类行为数据进行训练。例如，如果您希望预测用户在页面上向下滚动的距离，那么您应该希望人工智能能够根据类似条件下的实际人类行为进行预测。

在某些情况下，获取大量人类数据并不只是为了获得 新 激活时的数据 现有 数据。网站和应用程序的访问者已经存在——只需捕获、构建和分析他们的行为数据，以便人工智能工具可以使用它。

最终， 不足 数据比拥有更好 坏 数据；组织可以采取任何措施来完善他们的解决方案，这将有助于取得更好的结果。

从哪里开始。

缺乏 AI 数据对任何规模的组织来说都是一个巨大的挑战，甚至连思考下一步该怎么做都令人望而生畏。但即使认识到这个问题本身也是一种成就。从那以后，关键在于找到可控的、循序渐进的步骤，以便逐步解决。

人工智能前景广阔，但只有那些愿意在其每个关键要素（基础设施、应用程序和数据）上进行投资的人才能实现这一目标。如果没有这些要素，即使是最精妙的人工智能解决方案也会失败。现在就缩小数据差距的组织不仅可以避免落后，还能引领行业发展。