首席信息官面临加速开发更多AI应用的压力——《华尔街日报》

Landing AI创始人兼首席执行官吴恩达（Andrew Ng）制作了一张图片，该图片借助公司的工具，可帮助快速构建对野火探测有用的计算机视觉算法。图片来源：Isabelle Bousquette / 华尔街日报经济紧缩和ChatGPT的爆红正刺激着企业对全新企业级人工智能应用的兴趣。但首席信息官们表示，由于构建、训练和推出人工智能模型需要时间和成本，他们无法满足需求。

AmeriSave Mortgage Corp.首席信息与战略官Magesh Sarma表示，他的团队收到了大量请求，要求构建旨在解决各种成本问题的人工智能应用。

“我们无法对所有请求都说’是’，“Sarma先生说。

算法可能包含大量变量和约束，构建起来既耗时又昂贵。他表示，他的团队花了几年时间，每年大约花费2000万至3000万美元，构建了一个复杂的算法，用于处理贷款承销流程的某些部分。他补充说，每个算法都是独特的，根据其范围、规模和变量数量，需要不同的时间和资金投入。

一般来说，大部分成本是数据科学家和机器学习工程师的工资，他们编写算法，用数据训练算法，测试算法，调整算法，然后在部署后监控算法。这些职位的薪酬有所上涨，部分原因是可用人才的稀缺。

根据艾迪生集团旗下人力资源公司Mondo的数据，2022年数据科学家的薪资中位数为15.6万美元，较2021年的15.184万美元有所增长。

萨玛先生表示，随着利率上升对抵押贷款行业造成压力，他所在的部门面临一些削减。但由76名员工组成的人工智能团队因其商业价值而成为受影响最小的部门之一。例如，帮助承销贷款的算法使AmeriSave的业务规模增长了近1200%，2020年抵押贷款融资额达到242亿美元，而两年前仅为18.6亿美元。

初创公司Landing AI创始人兼首席执行官、百度公司前首席科学家吴恩达表示，历史上，企业优先考虑回报最高的机器学习算法，而对那些可能耗资数百万美元建设但回报较小的较小项目犹豫不决。

然而，他表示，所有这些较小项目的综合价值往往实际上高于企业通常瞄准的少数高价值项目，而限制机器学习全面应用会带来巨大损失。

但对于首席信息官们来说，解决这些较小用例的“长尾”问题并非易事。

“一般来说，有太多工作要做，经常会有优先级的竞争，”Aflac公司美国首席信息官希莉亚·安德森表示。

安德森女士表示，她有一个系统来评估通过请求渠道提交给她部门的不同机器学习项目的优先级。她说，交付价值所需的时间是这一过程的关键部分。

本月初在世界人工智能戛纳节上的一位参展商。图片来源：埃里克·盖拉德/路透社她尚未能攻克的一个领域是利用机器学习算法提升客户留存率。尽管预算是一个因素，但她表示，找到足够多的合适人才是加快进度的最大障碍。

在XPO公司，首席信息官杰伊·西尔伯克莱特表示，该机构拥有430名技术专家和十几位数据科学家。但他补充说，试图更快构建更多算法会伴随风险。

“如果操之过急且缺乏稳固的反馈机制，人们将不再信任输出结果，也不会认为这是正确的方法，整个体系就会崩溃，”他说，“人工智能需要循序渐进。”

ChatGPT和其他生成式AI应用的爆火进一步加剧了压力。尽管部分企业技术专家因可靠性问题对将其整合到企业技术栈感到不安，但该技术能像人类般快速生成商业报告和其他文档的能力已引起企业董事会的关注。

吴恩达表示，他相信更好的工具——包括他在Landing AI正在开发的那些——可能成为帮助CIO们加速推进的解决方案之一。

“存在成千上万的问题，”吴先生表示。“我们没有人能雇佣足够的机器学习工程师来逐一解决所有这些问题。这就是为什么我们需要更好的工具。”

吴先生的工具本质上是一种无需编写代码即可构建和训练使用计算机视觉的机器学习算法的方法。他说，该工具适用于计算机视觉的部分原因在于图像格式只有少数几种：PNG、GIF或JPEG。而在供应链等其他领域，数据种类繁多，很难创建一个统一的建模工具。

“就像电力一样，人工智能不应仅用于一两个应用场景，”吴先生说。“因此，许多企业错失了利用这项能力的众多机会。”

联系记者伊莎贝尔·布斯凯特，邮箱：[email protected]