現(xiàn)如今，企業(yè)組織比以往任何時(shí)候都更加信任和投資人工智能(AI) 和機(jī)器學(xué)習(xí) (ML) 的潛力。

根據(jù)2022 年 IBM 全球人工智能采用指數(shù)，35% 的企業(yè)報(bào)告稱目前在其業(yè)務(wù)中使用人工智能，另有 42% 的公司表示他們正在探索人工智能。與此同時(shí)，麥肯錫的一項(xiàng)調(diào)查發(fā)現(xiàn)，56% 的受訪者表示，他們?cè)?2021 年至少在一項(xiàng)職能中采用了人工智能，高于 2020 年的 50%。

但是，對(duì)人工智能的投資能帶來(lái)直接影響企業(yè)底線的真實(shí)ROI嗎?

根據(jù) Domino Data Lab 最近的 REVElate 調(diào)查，該調(diào)查對(duì) 5 月份紐約市 Rev3 會(huì)議的與會(huì)者進(jìn)行了調(diào)查，許多受訪者似乎都這么認(rèn)為。事實(shí)上，近一半的人預(yù)計(jì)數(shù)據(jù)科學(xué)會(huì)帶來(lái)兩位數(shù)的增長(zhǎng)。近五分之四的受訪者 (79%) 表示，數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和人工智能對(duì)其公司未來(lái)的整體增長(zhǎng)至關(guān)重要，36% 的受訪者稱其為最關(guān)鍵的因素。

當(dāng)然，實(shí)施人工智能并非易事。其他調(diào)查數(shù)據(jù)顯示了堅(jiān)定信心的另一面。例如，人工智能工程公司 CognitiveScale最近的調(diào)查數(shù)據(jù)發(fā)現(xiàn)，盡管高管們知道，數(shù)據(jù)質(zhì)量和部署是推動(dòng)數(shù)字化轉(zhuǎn)型的成功應(yīng)用開發(fā)的關(guān)鍵成功因素，但超過(guò)76%的高管不確定如何在12-18個(gè)月的時(shí)間內(nèi)實(shí)現(xiàn)目標(biāo)。此外，32%的高管表示，人工智能系統(tǒng)投入生產(chǎn)所花的時(shí)間比預(yù)期要長(zhǎng)。

人工智能必須負(fù)責(zé)

Cognitive Scale的首席執(zhí)行官鮑勃·皮恰諾告訴媒體，人工智能帶來(lái)的ROI是可能的，但必須根據(jù)業(yè)務(wù)目標(biāo)對(duì)其進(jìn)行準(zhǔn)確描述和個(gè)性化。

他說(shuō):“如果業(yè)務(wù)目標(biāo)是利用歷史數(shù)據(jù)進(jìn)行更長(zhǎng)期的預(yù)測(cè)，并提高預(yù)測(cè)精度，那么人工智能就可以發(fā)揮作用?！薄暗斯ぶ悄鼙仨氊?fù)責(zé)任地推動(dòng)業(yè)務(wù)效率——ML模型的準(zhǔn)確率達(dá)98%是不夠的?！?/p>

相反，投資回報(bào)率可能是，例如，為了提高呼叫中心的效率，人工智能驅(qū)動(dòng)的功能可確保減少平均呼叫處理時(shí)間。

“這種投資回報(bào)率是他們?cè)谧罡吖芾韺诱務(wù)摰膬?nèi)容，”他解釋道。“他們不會(huì)談?wù)撃Ｐ褪欠駵?zhǔn)確、穩(wěn)健或漂移?！?/p>

Cognitive Scale 的聯(lián)合創(chuàng)始人兼首席運(yùn)營(yíng)官 Shay Sabhikhi 補(bǔ)充說(shuō)，76%的受訪者表示難以擴(kuò)大他們?cè)谌斯ぶ悄芊矫娴耐度耄麑?duì)此并不感到驚訝?！斑@正是我們從企業(yè)客戶那里聽到的，”他說(shuō)。他解釋說(shuō)，其中一個(gè)問(wèn)題是數(shù)據(jù)科學(xué)團(tuán)隊(duì)和其他不知道如何處理他們開發(fā)的模型的組織之間的摩擦。

他說(shuō):“這些模型可能有最好的算法和精確召回率，但卻被束之高閣，因?yàn)樗鼈儗?shí)際上被扔給了開發(fā)團(tuán)隊(duì)，然后他們不得不匆忙地把應(yīng)用組裝起來(lái)。”

然而，在這一點(diǎn)上，組織必須對(duì)他們?cè)谌斯ぶ悄芊矫娴耐顿Y負(fù)責(zé)，因?yàn)槿斯ぶ悄懿辉偈且幌盗锌茖W(xué)實(shí)驗(yàn)，Picciano 指出。“我們稱之為從實(shí)驗(yàn)室走向生活，”他說(shuō)?！拔覅⒓恿艘粋€(gè)首席數(shù)據(jù)分析官會(huì)議， 他們都在問(wèn)，我該如何擴(kuò)大規(guī)模?如何實(shí)現(xiàn)人工智能產(chǎn)業(yè)化?”

投資回報(bào)率是人工智能的正確指標(biāo)嗎?

然而，并不是所有人都同意ROI是衡量AI是否在組織中驅(qū)動(dòng)價(jià)值的最佳方法。安永(EY)全球首席技術(shù)官尼古拉?莫里尼?比安齊諾(Nicola Morini Bianzino)表示，用“用例”來(lái)衡量人工智能和企業(yè)，然后通過(guò)ROI來(lái)衡量，這是對(duì)待人工智能的錯(cuò)誤方式。

“對(duì)我來(lái)說(shuō)，人工智能是一套技術(shù)，幾乎可以在企業(yè)的任何地方部署——不會(huì)將用例與相關(guān)的 ROI 分析隔離開來(lái)，”他說(shuō)。

相反，他解釋說(shuō)，組織機(jī)構(gòu)只需要在任何地方使用人工智能。“這幾乎就像云計(jì)算一樣，兩三年前，我與客戶進(jìn)行了很多對(duì)話，他們問(wèn)，‘ROI是什么?我遷移到云計(jì)算的商業(yè)案例是什么?現(xiàn)在，大流行之后，這種對(duì)話不再發(fā)生了。每個(gè)人都說(shuō)，‘我必須這么做?！?/p>

此外，Bianzino指出，討論AI和ROI取決于你所說(shuō)的“使用AI”。

他說(shuō):“假設(shè)你試圖應(yīng)用一些自動(dòng)駕駛能力——也就是說(shuō)，計(jì)算機(jī)視覺(jué)是人工智能的一個(gè)分支?！薄斑@是一個(gè)商業(yè)案例嗎?不，因?yàn)闆](méi)有人工智能就無(wú)法實(shí)現(xiàn)自動(dòng)駕駛。”安永(EY)這樣的公司也是如此，它吸收大量數(shù)據(jù)并向客戶提供建議——這離不開人工智能。他說(shuō):“這是你無(wú)法從過(guò)程中分離出來(lái)的東西——它是內(nèi)在的。”

此外，根據(jù)定義，人工智能在第一天就沒(méi)有生產(chǎn)力或效率。獲取數(shù)據(jù)、訓(xùn)練模型、發(fā)展模型和擴(kuò)大模型都需要時(shí)間。他說(shuō):“并不是有一天你可以說(shuō)，我完成了人工智能，100%的價(jià)值就在那里——不，這是一種持續(xù)的能力，隨著時(shí)間的推移會(huì)變得更好?！薄熬湍軌虍a(chǎn)生的價(jià)值而言，并沒(méi)有真正的終點(diǎn)?！?/p>

Bianzino說(shuō)，在某種程度上，人工智能正在成為商業(yè)成本的一部分?！叭绻銖氖碌氖且粋€(gè)涉及數(shù)據(jù)分析的行業(yè)，你不可能不具備人工智能能力，”他解釋說(shuō)?！澳隳馨堰@些模型的商業(yè)案例分離出來(lái)嗎?這很難，我認(rèn)為沒(méi)有必要。對(duì)我來(lái)說(shuō)，這幾乎是運(yùn)營(yíng)企業(yè)的基礎(chǔ)設(shè)施成本?！?/p>

人工智能的投資回報(bào)率難以衡量

企業(yè) MLops 提供商 Domino Data Lab 的數(shù)據(jù)科學(xué)戰(zhàn)略和宣傳負(fù)責(zé)人 Kjell Carlsson 說(shuō)，歸根結(jié)底，企業(yè)想要的是衡量ROI的商業(yè)影響——它的貢獻(xiàn)有多大。但有一個(gè)問(wèn)題是，這可能與開發(fā)模型所做的工作完全脫節(jié)。

他說(shuō):“因此，如果你創(chuàng)造一個(gè)模式，將點(diǎn)擊率提高一個(gè)百分點(diǎn)，你就等于為企業(yè)增加了數(shù)百萬(wàn)美元的利潤(rùn)?！薄暗阋部梢詣?chuàng)建一個(gè)良好的預(yù)測(cè)性維修模型，幫助在需要維修的機(jī)器發(fā)生之前提前發(fā)出警告?！痹谶@種情況下，金錢價(jià)值對(duì)組織的影響可能完全不同，“即使其中一個(gè)可能最終成為一個(gè)更困難的問(wèn)題，”他補(bǔ)充說(shuō)。

總的來(lái)說(shuō)，組織確實(shí)需要一個(gè)“平衡計(jì)分卡”來(lái)跟蹤AI的生產(chǎn)。他說(shuō): “因?yàn)槿绻銢](méi)有將任何東西投入生產(chǎn)，那么這可能表明你遇到了問(wèn)題，”他說(shuō)?！傲硪环矫妫绻阍谏a(chǎn)中投入過(guò)多，這也可能表明存在問(wèn)題?！?/p>

例如，數(shù)據(jù)科學(xué)團(tuán)隊(duì)部署的模型越多，他們需要管理和維護(hù)的模型就越多?！八阅阍谌ツ瓴渴鹆诉@么多模型，所以你實(shí)際上無(wú)法承擔(dān)這些其他高價(jià)值的模型，”他解釋道。

但衡量 AI 投資回報(bào)率的另一個(gè)問(wèn)題是，對(duì)于許多數(shù)據(jù)科學(xué)項(xiàng)目來(lái)說(shuō)，結(jié)果并不是一個(gè)投入生產(chǎn)的模型?！叭绻阆雽?duì)去年的交易進(jìn)行定量的盈虧分析，你可能需要對(duì)此進(jìn)行嚴(yán)格的統(tǒng)計(jì)調(diào)查，”他說(shuō)?！暗珱](méi)有一個(gè)模型可以投入生產(chǎn)，你是在利用人工智能來(lái)獲得你在這個(gè)過(guò)程中獲得的見(jiàn)解?！?/p>

必須跟蹤數(shù)據(jù)科學(xué)活動(dòng)

盡管如此，如果不跟蹤數(shù)據(jù)科學(xué)活動(dòng)，組織就無(wú)法衡量人工智能的作用?！澳壳暗囊粋€(gè)問(wèn)題是，真正收集和分析的數(shù)據(jù)科學(xué)活動(dòng)很少，”Carlsson說(shuō)?！叭绻銌?wèn)人們，他們會(huì)說(shuō)他們真的不知道模型的性能如何，或者他們有多少項(xiàng)目，或者你的數(shù)據(jù)科學(xué)家在上周完成了多少CodeCommits?！?/p>

其中一個(gè)原因是數(shù)據(jù)科學(xué)家需要使用非常不相關(guān)的工具。“這就是為什么Git作為存儲(chǔ)庫(kù)越來(lái)越受歡迎的原因之一，它是組織中數(shù)據(jù)科學(xué)家的唯一真實(shí)來(lái)源，”他解釋說(shuō)。像Domino Data Lab這樣的MLops工具提供了支持這些不同工具的平臺(tái)。他說(shuō):“各組織能夠在多大程度上創(chuàng)建這些更加集中化的平臺(tái)……這很重要。

人工智能的結(jié)果是人們最關(guān)心的

Wallaroo首席執(zhí)行官兼創(chuàng)始人Vid Jain曾在美林從事近十年的高頻交易業(yè)務(wù)，他表示，在美林，他的職責(zé)是大規(guī)模部署機(jī)器學(xué)習(xí)，并以積極的ROI實(shí)現(xiàn)這一目標(biāo)。

真正的挑戰(zhàn)并不是發(fā)展數(shù)據(jù)科學(xué)、清理數(shù)據(jù)或構(gòu)建交易存儲(chǔ)庫(kù)(現(xiàn)在稱為數(shù)據(jù)湖)。他說(shuō)，到目前為止，最大的挑戰(zhàn)是采用這些模型，將它們運(yùn)作起來(lái)，并交付業(yè)務(wù)價(jià)值。

他說(shuō):“實(shí)現(xiàn)投資回報(bào)率是非常困難的——90%的人工智能項(xiàng)目都沒(méi)有產(chǎn)生投資回報(bào)率，或者它們產(chǎn)生的投資回報(bào)率不足以讓投資物有所值?！薄暗@是每個(gè)人的首要想法。答案不是一回事。”

他解釋說(shuō)，一個(gè)根本問(wèn)題是，許多人認(rèn)為，對(duì)機(jī)器學(xué)習(xí)進(jìn)行操作與對(duì)一種標(biāo)準(zhǔn)應(yīng)用進(jìn)行操作沒(méi)有太大區(qū)別。他補(bǔ)充說(shuō)，這兩者有很大區(qū)別，因?yàn)槿斯ぶ悄懿皇庆o態(tài)的。

他說(shuō):“這幾乎就像照料一個(gè)農(nóng)場(chǎng)，因?yàn)閿?shù)據(jù)是活的，數(shù)據(jù)會(huì)變化，而你還沒(méi)有完成?！薄斑@不像你建立了一個(gè)推薦算法，然后人們的購(gòu)買行為就會(huì)被及時(shí)凍結(jié)。人們改變了他們的購(gòu)買方式。突然間，你的競(jìng)爭(zhēng)對(duì)手進(jìn)行了促銷活動(dòng)。消費(fèi)者停止向你購(gòu)買東西。他們轉(zhuǎn)向了競(jìng)爭(zhēng)對(duì)手。你必須經(jīng)常去維護(hù)它。”

最終，每個(gè)組織都需要決定如何將自己的文化與實(shí)現(xiàn)AI的最終目標(biāo)相結(jié)合。他說(shuō):“然后你真的必須授權(quán)給人們來(lái)推動(dòng)這種轉(zhuǎn)變，然后讓那些對(duì)你現(xiàn)有業(yè)務(wù)線至關(guān)重要的人感到他們將從人工智能中獲得一些價(jià)值?！?/p>

他補(bǔ)充說(shuō)，大多數(shù)公司還處于起步階段。“我認(rèn)為大多數(shù)公司還沒(méi)有做到這一點(diǎn)，但在過(guò)去6到9個(gè)月里，我肯定看到了一種轉(zhuǎn)變，人們開始認(rèn)真對(duì)待業(yè)務(wù)結(jié)果和業(yè)務(wù)價(jià)值?！?/p>

人工智能的ROI仍然難以捉摸

但是，對(duì)于許多組織來(lái)說(shuō)，如何衡量人工智能的ROI仍然是一個(gè)難以捉摸的問(wèn)題?！皩?duì)一些公司來(lái)說(shuō)，有一些基本的問(wèn)題，比如他們甚至無(wú)法將他們的模型投入生產(chǎn)，或者他們可以，但他們是盲目的，或者他們成功了，但現(xiàn)在他們想要擴(kuò)大規(guī)模，” Jain 說(shuō)?！暗屯顿Y回報(bào)率而言，機(jī)器學(xué)習(xí)往往沒(méi)有相關(guān)的損益?！?/p>

他解釋說(shuō)，AI計(jì)劃通常是卓越中心的一部分，ROI由業(yè)務(wù)部門掌握，而在其他情況下，它很難衡量。

“問(wèn)題是，人工智能是業(yè)務(wù)的一部分嗎?還是一種效用?如果你是數(shù)字原生代，人工智能可能是業(yè)務(wù)運(yùn)行燃料的一部分，”他說(shuō)?！暗谝粋€(gè)擁有傳統(tǒng)業(yè)務(wù)或正在轉(zhuǎn)型的大型組織中，如何衡量投資回報(bào)率是他們必須解決的一個(gè)基本問(wèn)題?！?/p>