在过去的几年中，业务领导者已经投入了数百万美元来建立AI /数据科学团队，以获得竞争优势。一些AI计划带来了可衡量的收益，但许多都没有。商业领袖们最初的兴高采烈已被怀疑主义所取代。
在与TheMathCompany的《财富》 500强企业合作的经验中，我们发现，尽管拥有完善的AI工具和星光熠熠的数据科学团队，但战略和运营方面的薄弱环节使组织无法从AI中获得有意义的价值。
基于我们在跨行业垂直领域的工作，帮助组织进行分析转型，我推荐了五种最佳实践，以确保AI带来切实和可持续的价值。
1.确保AI优先事项与业务优先事项紧密结合。
您的组织的一年和三年业务计划是什么?您五到七年的愿景是什么?AI采用路线图是否反映了这些优先事项?如果您想从AI中获得真正的价值，则AI /分析功能应由在组织优先事项上有发言权并确保AI投资与之相称的高级人员领导。
当您的公司正在经历主要的供应链变革时，进行由AI驱动的营销改革，就像您有肾脏问题时为心脏服药。拥有心脏健康固然有益，但不应将其优先于肾脏药。使AI项目成功的最重要方面是确定正确的问题。正确问题的最重要属性是，它符合业务目标。
2.投资数据。
这是一个困难的事实：花费了数据科学家数月时间来开发的算法正在迅速成为一种商品。如今，只有具有数据科学基础知识并且没有编程技能的人才能通过单击几下构建非常好的模型。这意味着您的竞争对手也只需单击几下即可访问您采用的复杂算法。
那么，差异化因素是什么?数据!拥有最好(最细粒度，最干净，最及时)数据的人比其他人更具优势。因此，您的组织必须找到一位能够确定最有影响力的数据元素并确保对其进行采购的数据战略家，以便您能获得比竞争对手更好的见解。
3.优先考虑快速获胜。
AI计划必须与业务计划紧密集成，以创造最大价值。为此，人工智能必须以业务发展的速度前进。仅投资于企业可以在四分之一左右的时间内开始使用的一口大小的最小可行产品(MVP)(即使复杂的应用程序也可以分成一系列MVP)。这样，它就保持了相关性，展示了价值并向现实世界反馈了自己。
三个维度表明AI用例是否是捷径：
估计在完全采用时会产生的价值(请注意，价值不一定是美元，但必须是可衡量的)。
实现输出的技术复杂性，因此涉及的时间和精力。
由高级业务利益相关者提供的赞助，该利益相关者不仅为AI团队提供预算，还为他们提供时间和指导，并与他们进行迭代。
4.投资翻译员。
让我们再破一个神话。踏上AI之路，您应该招募的第一类人才是什么?数据科学家?再想一想。
如今，许多数据科学可以通过可单击的自动机器学习(AutoML)平台来完成。或者，您可以聘请顾问来填补空白。对于您的组织而言，更重要的是一组分析翻译人员-跨职能的专业人员，他们充当业务团队和分析团队之间的联络人。
译员的工作是双重的。一方面，他们与业务团队合作，对他们进行了可能和不可能的教育，并帮助他们确定正确的用例。另一方面，他们与数据科学团队合作，将业务问题转换为分析问题，使用MVP方法运行项目，并解释分析结果的业务含义。
解决方案MVP准备就绪后，他们将与企业再次合作，以适当的变更管理干预措施来验证和内部化解决方案。因此，翻译人员需要具备您的业务动手知识，与组织的深入关系，对分析的工作知识以及对分析团队的文化共鸣。
译者掌握着从AI投资中释放价值的关键。投资他们，然后仔细选择它们。
5.参加课程。
许多公司由于缺乏理解和信任而没有意识到AI投资的价值。作为领导者，重要的是您(和您的直接下属)了解AI的“为什么”和“什么”，以便您可以创建自上而下的AI文化。您不必是数据科学家，但您应该了解数据科学可以做什么和不能做什么。意识可以导致人员，流程和技术投资方面的更好选择，并可以带来更好的结果。
所以，如果您还没有，现在是时候了。登录Coursera(或任何其他MOOC)并参加AI入门课程，并为中层管理人员设置相同的权限。