CIO们面临人工智能部署的阻力——《华尔街日报》
Isabelle Bousquette
去年12月参加纽约人工智能峰会的与会者。人工智能在企业界的表现好坏参半,很大程度上是由于缺乏基础数据来训练算法,以及对其可实现目标的过高期望。图片来源:贾斯汀·莱恩/Shutterstock由于多年来成效参差不齐且对该技术的实际能力存在困惑,企业技术领导者们不得不努力争取组织内部对人工智能的认可。
国际数据公司(IDC)数据显示,随着算法规模和复杂性的提升,企业整体采用人工智能的比例自2019年以来增长了两倍。但一些高管担心,在某些行业未能兑现承诺的这项技术,在经济紧缩时期可能会失去企业高层的支持。
李维斯公司首席战略与人工智能官卡蒂亚·沃尔什表示,在经济低迷时期,“那些新出现的、他人尚未理解的、尚未证明价值的事物很容易被削减”。
毕马威美国技术咨询负责人托德·洛尔指出,五年前一些公司在没有足够高质量基础数据来训练和运行算法的情况下,就对人工智能进行了巨额投资。这导致高管们对结果感到不满并幻想破灭。
洛尔称,昂贵的早期项目未能取得回报,尤其是在医疗保健等数据整合与结构化难度较大的行业。
此外,初创公司Landing AI创始人兼CEO、百度前首席科学家吴恩达表示,许多企业在接触人工智能时并不清楚其实际能力范围。他指出,例如AI无法预测股市或治愈癌症,因为这些问题的答案并不存在于数据中。
一个典型案例是国际商业机器公司决定出售其沃森健康业务资产,该业务曾被誉为帮助医生诊断和治疗癌症的解决方案。
吴恩达解释道,广义而言,AI通过研究海量数据并识别模式来进行预测,比如预测30分钟后的高速公路路况或来年作物收成。他同时也是谷歌深度学习研究团队Google Brain的联合创始人。
纽约人寿战略能力主管亚历克斯·库克表示:“如果没有足够数据构建模型,应用AI可能成为’徒劳之举’。“他补充说多年来目睹许多企业陷入这个陷阱。
分析师指出,鉴于这种风险,许多首席信息官已投资于基础数据建设,并提升了识别可行应用场景的能力。但另一个难题依然存在:对企业员工的教育。
他们表示,事实上,AI应用的障碍正逐渐从技术问题转变为人员认知问题。
“这是新生事物,尤其在传统企业中很多人仍不了解它。我们需要大量教育工作,需要’展示实际效益’。“沃尔什女士说道。
“我认为人们有时会固守‘模型第一次没做好,我就不想真正使用它’的想法,”强生公司首席信息官吉姆·斯旺森表示。他补充道:“模型从来都不可能第一次就完美——永远如此。”
他指出,关键原因在于缺乏足够数据。但获得支持至关重要。斯旺森称,在全公司范围内培养数字敏锐度(包括研发和供应链等领域)仍是确保其他高管理解AI价值主张的优先事项。
“我们需要持续推动人员层面的工作来确保技术落地,”他强调。
“坦白说,这需要毅力,也需要胆识,”威瑞森通信公司首席数据与分析官琳达·艾弗里(任职至去年12月)谈及在企业中推行AI算法的经验时表示,“你正在改变人们的工作方式,改变他们的思维方式”。
据吴恩达先生介绍,过去几年AI已取得显著进展。他指出,在深度学习(一种模拟人类神经元特征的AI形式)领域,模型规模(包括参数数量和模拟神经元数量)变得更大,而这些海量模拟神经元的连接方式也更为复杂。
部分企业表示已从AI中获得切实收益。李维斯称其运用该技术实现线上购物体验个性化并提升销量;强生表示正利用AI帮助销售代表制定最佳后续行动;威瑞森则通过AI预测业务特定领域需求并相应部署人力资源。
根据IDC的数据,2022年各组织在人工智能上的平均投入比前一年增加了4%至6%。该公司表示,一些企业称他们每年在人工智能上的支出达到1.5亿至1.7亿美元,这些成本主要用于硬件、软件和专业服务。
IDC分析师Ritu Jyoti表示,在经济放缓的情况下,企业对人工智能的投资"将会出现犹豫”。但她指出,坚持这些投资的企业将更有能力应对任何经济下滑。考虑到人工智能的节约成本潜力,其他新兴技术比人工智能更可能被削减。
“在某些技术领域的特定投资将会持续进行,而自动化与人工智能实际上位居榜首,“她表示,“因为它正在影响你业务的每个环节。”
联系记者Isabelle Bousquette请发送邮件至[email protected]