Chris Brown, 董事总经理，Sngular US Chris Brown 董事总经理，Sngular US

人工智能不是钢铁侠，它是套装

大多数领导者对人工智能的思考方式是错误的，不是因为他们缺乏雄心或意识，而是因为主导性的叙述——人工智能作为劳动力的替代者在一方面，人工智能作为自给自足的生产力引擎在另一方面——都忽略了重点。跨行业和功能，我看到的最一致的模式是，真正从人工智能中获得回报的组织并不是那些部署最广泛的人工智能的组织。他们是那些真正理解人工智能是什么的人：不是钢铁侠，而是套装。他们围绕这一区别建立了自己的战略。让我们考虑一下钢铁侠套装实际上是什么。它不是一个英雄。它是由硬件、软件和智能组成的系统，旨在为特定操作员服务。没有托尼·斯塔克在里面，套装就没有任务、没有判断力、没有问责制，也无法应对它没有被设计好的情况。套装非常强大，但它也完全依赖于穿着它的人。这种依赖是双向的——斯塔克没有套装就受到人类限制的限制；套装没有斯塔克就是一堆无用的金属。价值只存在于它们的组合中。企业人工智能也以同样的方式运作，真正获得回报的组织从一开始就理解了这一点。在产生真正回报的项目中，人工智能确实做到了这一点：它增加了能力，减少了摩擦，改善了执行。但是看到最强劲结果的组织并不是问如何快速地将人从方程式中去除。他们正在问如何将他们最好的员工放在一个更好的套装中——拥有更好的工具、更好的信息和更好的决策支持——这样他们就可以以以前不可能的水平运作。能力本身并不是商业价值这就是很多企业人工智能对话偏离轨道的地方。领导者们专注于技术在隔离状态下可以做什么——无论它是否可以更快地总结、更好地分类、生成内容、识别异常或自动化响应。这些都是合理的问题，但它们是不完整的。能力与商业价值是不同的东西。两者之间的差距是人工智能投资大部分表现不佳的地方。商业价值来自于人工智能如何在运营模型中应用。它很重要，需要问它在哪里位于工作流程中、它改善了哪些决策、它消除了哪些瓶颈、它减少了哪些风险、谁验证了输出、谁拥有例外情况。这些是决定人工智能是否创造了持久的价值或只是产生了令人印象深刻的演示的问题。我们看到的最强大的部署并不是来自于将工具放入现有流程中并希望业务重新组织自己。它们来自于重新设计工作，以便机器速度在创造杠杆的地方使用，而人类判断力仍然接近需要上下文、细微差别、问责制和领域理解的决策。那里才是真正的价值被创造的地方——这需要故意的设计，而不是仅仅拥有技术。人工智能中的“人”是什么意思人工智能中的“人”是一个听起来很负责但常常令人沮丧的模糊短语。在实践中，它不是一个口号。它是决定人工智能是否有用、可管理和可信赖的运营模型。这意味着明确的决策权、明确的升级阈值、结构化的输出验证和明确的问责制——而不是模糊的集体所有权。明确定义这一点的组织是那些在人工智能中建立真正的制度信任的组织——这种信任是因为人们在组织内部了解何时依赖系统、如何挑战它以及谁在它最重要时负责。例如，在客户服务中，人工智能可能会总结案例历史、路由查询或建议草稿回复。这可以创造真正的效率。但是，当问题敏感、情绪化或不正常时，人类判断力仍然至关重要。人工智能可能会增加范围和速度，但人仍然在驾驶交互。同样的逻辑适用于金融、法律、合规和运营等功能。人工智能可以审查文档、识别异常、表面模式和处理信号的规模不匹配任何个人。但是，价值不在于取代判断力，而在于允许熟练的专业人员花更多时间在材料风险、战略解释、例外和真正影响结果的决策上。在许多企业环境中，高价值的人类角色并没有消失。它变得更加集中在监督、升级、编排和问责制周围。正确的起点是什么真正取得进展的组织共享一个一致的起点：他们从一个值得解决的商业问题开始，而不是一个值得采用的技术。他们在部署之前定义了机器速度可以产生的提升。他们在自动化之前分配了问责制。他们确定了哪些结果真正重要，然后才谈论生产力。这种纪律——结果优先，技术第二——不如它应该有的那么普遍，它通常是区分具有复合价值的实施和停滞的实施的东西。承诺与强大的运营模型之间的差距是企业人工智能价值大部分丢失的地方。这通常不是技术失败。模型有效。输出是合理的。但是，人们不信任他们不理解的东西。团队不会改变他们的工作方式，只因为一个新系统出现在他们的环境中。组织不会仅仅因为一个试点技术上令人印象深刻就捕获商业价值。实施成功。采用失败。回报从未实现。组织准备仍然是一个更大的挑战，而不是技术访问。购买人工智能能力的访问相对容易。重新设计流程、治理、测量和团队行为以适应该能力要困难得多。但是，做得好的公司不仅仅是在建立一个人工智能部署——他们正在建立一个平台。在这个平台上，每个后续的用例都更快地验证、更快地扩展，并且更紧密地与实际可以衡量的业务结果相连。感觉编码陷阱目前市场上有一个特定的、日益增长的混淆源，它使得这种情况更加糟糕。所谓的“感觉编码”——任何人只要有访问人工智能工具，就可以快速、无需深入的技术专长就能建立复杂的软件系统——的崛起，被人工智能公司的营销浪潮放大，无论是成熟的平台还是新一代的初创公司，都夸大了建立和实施真正支持业务流程、提供真正价值的人工智能系统的简单性。信息，故意或无意的，是困难部分基本上已经解决。事实并非如此。人工智能真正降低了建立看起来有效的东西的门槛。一个原型、一个演示、一个在会议室中令人印象深刻的概念——这些比以往任何时候都更容易获得。但是，看起来有效和真正有效是两个根本不同的东西。建立一个在真正的、凌乱的、不完整的数据上可靠运行的系统是一个与建立一个在干净的测试集上运行的系统不同的问题。建立一个系统，可以优雅地处理异常、边缘情况和故障模式，是一个与建立一个可以处理常见情况的系统不同的问题。建立一个具有企业部署实际所需的治理、可审计性和问责制结构的系统是另一个不同的问题。这种差距在任何行业中都是昂贵的。在受监管的行业中，它可能是致命的。在银行、金融服务、保险和医疗保健中，支持真正的业务流程的人工智能系统必须在严格的监管框架内运行——例如金融机构的SR 26-2模型风险、医疗保健中的HIPAA和临床决策支持要求、保险中的Solvency II和行为风险义务。它们必须能够向监管机构解释并在审计中具有辩护性。它们必须对每个有影响力的决策都有明确的人类问责制。它们必须有经过测试的回退机制，当它们失败时。这些都不是“感觉编码”原型的范围，无论它在演示中看起来多么令人信服。部署没有适当的模型风险管理框架的人工智能信用决策系统的银行并不是在快速行动。它正在积累监管和声誉责任，这将在最糟糕的时刻浮现出来。这种混淆以特定的方式造成了昂贵的后果。领导者们吸收了民主化的叙述，低估了投资，低估了所需的专业知识，然后将失败归咎于人工智能，而真正的原因是方法。看起来像人工智能问题的东西几乎总是一个数据、治理或架构问题，无法通过任何提示工程来解决。我们看到的模式是，像对待任何关键的业务系统一样，以工程学的严谨性对待人工智能实施的组织——适当的架构、适当的数据基础、适当的风险管理——是那些到达生产并留在那里的组织。那些被简单性叙述所吸引的人到达了演示，想知道为什么价值从未跟随。真正的机会是有意图的增强将会有一些情况下，人工智能会大量自动化任务，一些组织将追求劳动力减少作为主要目标。这是一个合理的选择。但是，对于大多数企业来说，特别是那些在复杂、受监管的、面向客户的或需要判断力的环境中运营的企业，真正的、更持久的机会是有意图的增强：为您的最佳员工配备一套使他们能够做到以前无法做到的事情的套装。这种增强可能不会产生最令人印象深刻的标题，但它是最持久的价值所在。它表现为更快的决策、更好的优先级、更好的客户服务、更少的常规瓶颈和更多的时间花在真正需要经验和判断力的工作上。交付经济学发生了变化，组织可以尝试的事情发生了变化。以前需要大量团队和长时间的工作现在可以用更小的、高素质的团队在以前不可能的速度下完成。野心的约束发生了变化。组织开始追求他们之前会因为太昂贵或太慢而放弃的能力。随着时间的推移，这些收益不是边际的。它们重新定义了组织认为可能的东西。领先的公司将不是拥有最多工具或最多模型的公司。他们将是那些在技术能力和人类能力之间取得最佳平衡的公司——他们知道自动化属于哪里，判断力必须保持在哪里，以及如何重新设计工作，以便两者的优势相互补充。他们将建立数据基础和治理模型，使每个新的人工智能能力更快地部署和更容易信任。钢铁侠测试人工智能不是钢铁侠。它是套装。像任何套装一样，其价值完全取决于谁穿着它、他们试图完成什么以及它如何为任务而建造。理解这一点的领导者停止问人工智能是否准备好了，开始问他们的组织是否准备好了——是否定义了运营模型、数据基础是否就位、治理是否真实而不是修辞、以及套装内的人是否知道他们在做什么以及为什么。这些是决定人工智能是否成为持久的竞争优势源还是一系列从未真正交付的昂贵实验的问题。真正的领导挑战不是人工智能是否强大。它显然是。挑战是领导者是否愿意以其所需的严肃性对待它——抵制简单的叙述，投资于使其发挥作用的基础，并建立将能力转化为结果的运营模型。这是一条比购买工具和等待结果更艰难的道路。但这是唯一通向有价值的地方的道路。我们合作的团队选择了它，不仅今天表现得更好，而且正在建立一个将来会更难被竞争对手超越的组织。