探索AI部署：避免陷阱和确保成功

通往AI的道路不是短跑，而是马拉松，企业需要相应地调整自己的步伐。那些在还没有学会走路之前就开始奔跑的企业将会失败，并加入那些试图过快地达到某种AI终点的企业的墓地。事实是，没有终点线。没有一个企业可以到达并说AI已经被充分征服的目的地。根据麦肯锡的说法，2023年是AI的突破年，大约79%的员工表示他们已经在某种程度上接触过AI。然而，突破性技术不会沿着线性发展路径；它们会涨落，直到成为商业的组成部分。大多数企业都明白AI是一场马拉松，而不是短跑，这值得注意。

以Gartner的炒作周期为例。每一种新兴技术都会经历相同的阶段，几乎没有例外。这些阶段是：创新触发器；夸大期望的峰值；幻灭的低谷；启蒙的斜坡和生产力的高原。2023年，Gartner将生成式AI放在第二阶段：夸大期望的峰值。这是围绕该技术的炒作水平最高的时候，虽然有些企业能够早期利用它并领先，但大多数企业将会在幻灭的低谷中挣扎，甚至可能无法到达生产力的高原。

所有这些都是为了说明企业在AI部署时需要谨慎。虽然该技术的初步吸引力和能力很诱人，但它仍然在探索自己的立足点和局限性。并不是说企业应该避开AI，而是应该认识到设定可持续步伐、定义明确目标和精心规划旅程的重要性。领导团队和员工需要被充分吸引到这个想法中，数据质量和完整性需要得到保证，合规目标需要得到满足——这只是开始。

通过从小开始并概述可实现的里程碑，企业可以以有条不紊和可持续的方式利用AI，确保他们与该技术一起移动，而不是超越它。以下是我们在2024年看到的最常见的陷阱：

陷阱1：AI领导力

这是一个事实：没有来自顶层的支持，AI计划将会失败。虽然员工可能会发现生成式AI工具并将其纳入日常例行，但这会让公司面临数据隐私、安全和合规问题。AI的部署，无论在何种程度上，都需要来自顶层的支持，顶层对AI的缺乏兴趣可能与过度投资AI一样危险。

以美国的健康保险行业为例。在ActiveOps最近的一项调查中，揭示了70%的运营领导者认为C级高管对AI投资不感兴趣，这为创新创造了一个重大的障碍。虽然他们可以看到AI的好处，几乎8成的运营领导者认为AI可以显著改善运营性能，但顶层的支持不足正在证明是一个令人沮丧的进步障碍。

在AI被使用的地方，组织内的买入和领导支持是必不可少的。应该建立领导层和AI项目团队之间的清晰沟通渠道。定期更新、透明的进展报告和关于挑战和机会的讨论将有助于让领导层保持参与和了解。当领导者对AI之旅及其里程碑有深刻的理解时，他们更有可能提供持续的支持，以便在复杂性和意外问题中航行。

陷阱2：数据质量和完整性

使用低质量的数据进行AI就像往汽油车里加柴油。你会得到糟糕的性能、坏的零件和昂贵的维修账单。AI系统依赖大量的数据来学习、适应和做出准确的预测。如果输入这些系统的数据有缺陷、不完整、错误分类或有偏见，结果将不可避免地不可靠。这不仅会破坏AI解决方案的有效性，还可能导致重大挫折和对AI能力的不信任。

我们的研究显示，90%的运营领导者表示需要付出太多努力来从运营数据中提取见解——太多的数据被分散在多个系统中，并且充满了不一致性。这是企业在考虑AI时面临的另一个陷阱——他们的数据还没有准备好。

为了解决这个问题并提高数据卫生，企业必须投资于强大的数据治理框架。这包括建立明确的数据标准，确保数据一致地被清理和验证，并实施数据质量监控系统。通过创建单一的真实来源，组织可以提高数据的可靠性和可访问性，这将有助于为AI铺平道路。

陷阱3：AI识读能力

AI是一种工具，工具只有在正确使用时才有效。AI计划的成功不仅取决于技术，还取决于使用它的人，而这些人却很少。根据Salesforce的说法，近两-thirds（60%）的IT专业人员将AI技能的短缺列为他们部署AI的首要障碍。这听起来像企业还没有准备好AI，他们需要在开始投资AI技术之前解决这个技能缺口。

这并不意味着企业需要进行招聘热潮。可以引入培训计划来提升现有员工的能力，确保他们能够有效地使用AI。通过在组织内建立AI识读能力，企业可以创建一个鼓励持续学习的环境——研讨会、在线课程和实践项目可以帮助解除AI的神秘感，使其更容易被各级员工接受，为更快的部署和更有形的好处奠定基础。

接下来是什么？

成功的AI采用需要的不仅仅是投资于技术；它需要一个步调良好的战略方法，能够获得员工的支持和领导者的认可。它还需要企业对自身有清晰的认识，并意识到技术的局限性——虽然对AI的兴趣正在飙升，采用率也处于历史最高水平，但AI泡沫很可能会在它找到正确的轨道并成为企业所需的可靠工具之前破裂。记住，我们现在处于夸大期望的峰值，幻灭的低谷还需要被克服。渴望投资于AI的企业可以通过准备好员工、建立AI使用政策和确保数据干净、井然有序、正确分类和整合到整个业务中来为即将到来的风暴做好准备。