我們可以常?？吹絿鴥韧獾娜斯ぶ悄芎蜋C器學習團隊，他們不斷分享偉大成果的消息，但可能還沒有準備好落地應用。在嘗試使用新興技術時，總是會遇到挑戰(zhàn)，尤其是在沒有明確的成功途徑的情況下。比起制定一個可靠的路線圖，炒作更容易。

[[424846]]

新技術如何推進

新技術通常會以兩種方式滲入公司。

也許一位高管看到競爭對手通過應用一項新技術取得了成功;或者一位高管參加了一次會議，看到了利用最新、最偉大的工具創(chuàng)造競爭優(yōu)勢的機會(也許我們的一篇文章就可以開始這一切)。

還有一條路徑，一種“草根”力量將新興技術整合到現(xiàn)有工作流程中。也許公司內部某個團隊的成員正在積極探索感興趣的領域，他們會向領導解釋為什么這將成為公司的游戲規(guī)則改變者。他開始嘗試推動應用，通過概念驗證加速改變。

這兩個切入點通常都是從原型的構建開始的，原型的目的旨在演示一些新技術如何工作。這些一次性解決方案通常構建在一個豎井中，這意味著它們幾乎沒有責任，成功與失敗都不會對現(xiàn)有運營造成太大影響。

畢竟，原型很容易創(chuàng)建，成本不高，而且它們不需要任何長期的承諾。在這個初始階段，構建生產(chǎn)就緒系統(tǒng)所必需的可行性研究是不需要的。這有利于公司內部迅速取得支持，高管們可以慶祝公司已經(jīng)開始跟進技術趨勢和創(chuàng)新潮流。更不用說這種鍛煉對員工來說既有趣又令人興奮。然后，在興奮消散之后，項目處于停滯狀態(tài)。

這些情況反映了幾十年來公司陷入的困境。

人工智能帶來的挑戰(zhàn)

席卷企業(yè)界的最新技術——人工智能和機器學習——也面臨著同樣的應用挑戰(zhàn)，它們注定也要經(jīng)歷這條艱難而尷尬的發(fā)展道路。

因為這些技術對許多業(yè)務負責人來說就像一個黑盒子。這意味著執(zhí)行人員經(jīng)常會猶豫是否要越過原型階段，即使最初原型產(chǎn)品實現(xiàn)產(chǎn)生了積極的結果。

對于這些類型的項目，在受控的環(huán)境中顯示成功是相當容易的。然而，當人工智能和機器學習失敗時，結果可能是毀滅性的。對許多領導人來說，大規(guī)模依賴科技來冒險經(jīng)營是一種令人不安的前景。

更不用說人工智能還帶來了一個獨特的心理障礙：一個成功的人工智能或機器學習的實現(xiàn)幾乎肯定會減少以前這些崗位的人類。愛德曼公司2019年的一項調查顯示，只有30%的公眾對工作場所的人工智能持歡迎態(tài)度。人工智能項目失敗的原因不難理解。誰愿意積極推動會讓他們失業(yè)的技術?

當然，還有人工智能的人才挑戰(zhàn)。尋找和招聘具有項目經(jīng)驗和嫻熟技能的人員需要大筆資金。

然而，那些敢于冒險的人往往會得到豐厚的回報。麥肯錫公司(McKinsey)的一項調查顯示，有78%的企業(yè)表示，它們從不同業(yè)務領域的人工智能應用中獲得了重大或中等價值回報。只有1%的人在實施后注明“沒有或負值”。

原型設計需要考慮以下幾點

盡管機器學習和人工智能等技術挑戰(zhàn)人類心理，但它們有望給大膽的商業(yè)領袖帶來切實的競爭優(yōu)勢。如果你希望自己的業(yè)務也能得到同樣的結果，那么在進行原型設計之前，你需要考慮以下5條建議:

1. 首先考慮資金

將你的原型投資集中，并保持在可控范圍內。如果這筆資金還沒有到位，那就制定一個全面的計劃來確保資金到位。如果你知道自己很難獲得資源去完成原型的概念驗證，那么就不要在這方面投入太多時間和精力。

2. 衡量標準和投入產(chǎn)出測算

要清楚通過部署人工智能、機器學習或其他功能性技術解決方案，你想要實現(xiàn)什么。從實現(xiàn)中獲得的價值必須能夠衡量，以證明投資的合理性。如果你的原型只會產(chǎn)生名義上的增量價值，或者你看不到投資回報，那就尋找那些可以從原型解決方案中獲益更多的領域。

最后，并不是所有的原型都能帶來收益。要明確驗證實驗性質的原型和能夠成功實施的原型之間的界線。

3. 創(chuàng)建一個成熟的規(guī)劃

不要在沒有討論和計劃整個原型周期(包括原型階段落地驗證的事情)之前就開始構建原型。對一個成功的原型所遵循的內容達成共識，將加速項目的成熟階段，并使領導層與原型計劃的長期目標保持一致。

4. 創(chuàng)建一個原型作品集

如果你致力于構建人工智能、機器學習或其他解決方案的原型，構建和管理一個原型組合將使你的業(yè)務試驗與技術相結合，同時最大限度地共享知識。投資原型組合將帶來更好的結果。當你有不同的原型可以進行比較時，將提升你識別和定義成功的能力。

5. 循序漸進的原型落地

一個成功的原型推廣是漸進式的?？赡苡卸鄠€級別的原型處于技術生命周期的不同階段。例如，可以概述一種分層方法，其中第一層確認有價值的可能性，下一層測試可伸縮方法，下一層測試操作化，最后一層生成生產(chǎn)就緒的解決方案。

在開始任何技術實施時，沒有一個獲取真正價值的計劃，可能會導致失敗。原型是朝著正確方向邁出的重要一步，但簡單地創(chuàng)建原型絕不應該是你的最終目標。

人工智能、機器學習和其他新興技術有著令人難以置信的前景。但是，這些解決方案成功的公司必須承擔大膽的風險，克服實施上的挑戰(zhàn)，最終構建的才會不僅僅是一個原型。