Sanjiv Patel - March 5, 2018
AI具有非常大的潜能，很可能成为一种颠覆性力量，但MIT斯隆管理评价近日的调研结果却表明，仅有一小部分公司能够将AI资本化。在我看来，阻碍大多数企业发展的原因超出了人们想象。开始利用这项技术是非常简单的，而最大的挑战在于理解AI——和整体而言的数字化——最终能够实现什么目的。
对许多管理者而言，想象AI能够为自己的业务带来哪些新的可能，是一次颠覆性的转变。为了成功实现这种转变，我跟大家分享以下四个小贴士：
1. 拓宽思维——传统的分析观点仅将AI视为一个工具，它能够显著改善现有业务流程。但这种观点不具有前瞻性。比如，或许你认为在报告中增加一个有预见性的观点能够降低流程的复杂性。事实也可能正是如此，但你还可以拓宽思维：如果你能够智能生成整个流程，而不再需要报告呢？拓宽眼界能够让你充分抓住AI的潜力，节省宝贵的时间与精力。
2. 不要等到数据完善了才开始行动——许多管理者错误的相信，自己只有等到数据极其完善后才开始使用AI继续工作。这么做会造成不必要的延误，因为实际上你无法避免“坏数据”的存在。许多人并不知道，数据科学不仅能够整理你的现有数据，还能够让数据彼此互联——丝毫不需要昂贵的工具、平台和集成。即便是人们所认为的低质量数据，你依然可以借此搭建有预见性的模型，创造真实的商业价值。如果你开始处理大量数据，数据量在一定程度上便能够弥补任何数据质量的缺陷。最后，你会找到作出更好的商业决定的方法——而且决定的速度更快。
3. 使用现有资源——投资AI并不意味着采购昂贵的新系统，和招聘全新的团队。许多公司已经拥有能够完成工作的数据基础设施，以及有经验的能够应对这项挑战的人员。当然，或许并非整个组织都能够访问数据，而且能够进行编码和分析的人员无法完全体会到你所面临的最迫切的商业挑战，无法正确解决挑战。这些问题的答案是找到一个能够广泛共享信息的方式，制定方案，让正确的人处于正确的岗位，让数据科学发挥作用。
4. 解决规模化问题——如果你一开始设定的目标是创造一个能够解决公司所面临的最大最复杂挑战的机器人，那么你一开始就错了。与此相反，在组建正确的团队后，你应当查明自己业务内部的规模化问题——这个问题涉及到大量步骤、交易或互动。此外，在你应对这项挑战的过程中，请记住，你的努力犹如一块块基石，目的是为了让你的业务能够在未来解决类似问题。数据科学和AI的一个最大的优势在于，你越用他们解决特定的问题，随着时间的推移，他们就越擅长解决这些问题。
在开始使用AI后，一定要记住你当初利用AI的原因。对思科而言，原因就在于可以更好的服务客户——确保他们的每一步成功都有我们相伴。在我们建立客户成功实践的过程中，我们意识到自身需要更加高效的——在更大的规模上——同我们的合作伙伴一起与客户互动。数字化能够促使我们与客户进行个性化交流；预测和指示客户的下一步需求；最终帮助客户通过使用我们的技术，更高效的完成目标。
思科和我们的合作伙伴的收益也非常明显：我们越多的使用AI和数字化，就越能够提高自身效率，客户就会更好、更智能、更迅速的完成任务，也就会越认可我们。
如果想了解关于该主题的更多信息，欢迎参加3月13日的网络研讨会“AI是新的UI”。
点此注册。
原创翻译，如有不妥敬请指教。
