首页 人工智能 > 内容

如何利用人工智能扩展AI转换

时间:2020-09-22 15:10:04 来源:

根据麦肯锡最近的一项调查,只有不到三分之一的组织将人工智能用于多种业务功能。扩展AI转换似乎是此领域中最重要的挑战,根据我的经验,这里的主要限制因素是AI项目通常需要大量的人工工作,从而导致项目冗长且昂贵。

但是,如果人工智能可以帮助组织实施人工智能呢?

新技术和新概念最近进入市场,以帮助加速和改善AI实施过程。尽管大多数这些技术仍在成熟中,但它们已经为采用这些技术的组织带来了可观的收益。

人工智能实施项目通常包括:

1.确定和评估人工智能机会。

2. AI程序的设计和实现(包括编码)。

3.这些AI程序的维护。

对于这三个步骤中的每一个,我将描述可用的新概念及其影响。

1.确定和评估人工智能机会

人工智能机会可以从两个层面上进行识别:过程或数据。在过程级别,有两种技术可用:过程发现和过程挖掘。在数据级别,该技术称为数据发现。

选择合适的AI机会来实施至关重要。但是,过程和数据分析,文档编制,评估和优先级划分工作量很大。它们包括采访,观察,收集和分析数据。结果,此阶段通常需要两到六个月的工作。

流程发现

Kryon Systems于2018年6月推出了首个过程发现技术。这是它使用的关键步骤:

1.观察:在用户计算机上安装了一个程序。当用户执行日常工作时,它无缝记录他们的点击,用户界面对象和处理步骤,并截取屏幕截图。该数据被发送到机器学习应用程序进行分析。

2.流程评估:经过几天的记录,您将剩下一个仪表板,其中显示了已观察到的流程的列表。系统通过将其自动化,分析标准(例如过程的长度或执行过程的人员数量)的潜在好处来对它们进行排名。

3.详细的过程分析:所显示的仪表板应允许您访问每个过程的文档,并以显示过程变型的流程图的形式出现。

以我的经验,这种解决方案可以使AI的实施速度比正常情况下快三到五倍,同时将发现的用例数量增加大约两个。

流程挖掘

现代流程挖掘解决方案由初创公司Celonis于2016年推出,其目的与流程发现工具相同。它们的区别在于它们分析过程数据的方式。与使用计算机视觉和用户界面对象记录的过程发现解决方案相反,过程挖掘解决方案使用从ERP等系统中提取的日志。