随着企业中人工智能(AI)应用程序的增长，以智能，合乎道德和经济友好的方式应用这些AI解决方案的责任越来越大。该技术的每一项新应用都会带来自己独特的挑战，因此持续监控业务中AI的使用至关重要。鉴于此，在将AI实施或什至考虑将AI实施到您的公司时，需要考虑以下五个关键事项。
1.确定可以快速交付价值的案例
投资回报率(ROI)很重要，但是速度至关重要。许多组织在选择要用AI解决的第一个业务挑战时犯的一个常见错误是选择将创造最大ROI的错误。但是，这不一定会为整个企业带来最大或最好的结果。通常存在许多更简单的问题，可以更快地产生更多的价值。
但是，ROI必须在决策中发挥作用。在任何情况下，解决方案的成本都不应超过其效益的价值，因此，对任何AI解决方案的预期ROI进行良好的估算非常重要。
2.始终参与业务
尽管这似乎很明显，但仍需要重复：在一项计划的整个生命周期中与业务保持联系是必不可少的。在此过程中需要权衡和决策，因此了解业务需要实现的目标至关重要。问题对他们有多重要;以及他们需要它的速度。了解所有这些并同意下一步将有助于确保必要的投资-如果早期结果证明比预期的更有希望，甚至可以增加资金。
管理期望也至关重要。AI永远无法保证100%的自动化或100%的准确性。因此，了解对于企业而言可容忍的误差幅度以及在出现错误或异常时企业如何计划解决错误或异常是非常重要的。这种理解明确了人工智能可以在哪里，如何以及在何种程度上为企业提供帮助，以及领导者可能需要备份计划的地方。
3.在正确的时间准备好正确的数据以进行分析
将数据输入AI引擎时产生的成本很容易侵蚀或损失组织使用AI所产生的任何节省。由于AI的成功很大程度上取决于数据，因此它必须既高质量又值得信赖。因此，数据需要实时馈送到AI，因为旧数据可能会产生不再有价值的见解。此外，应以易于分析的方式进行准备，分类和分类。尽管许多数字业务中充斥着大量数据，但事实是，数据过于混乱，杂乱无章，质量差或已过时。因此，对现代数据平台和数据管理功能的投资对于推动成功的AI计划至关重要。
除此之外，结合数据并允许业务的所有领域自由访问数据的企业数据策略至关重要。例如，客户在消费者平台上的历史记录对于产品经理了解首选功能很有用。让客户服务知道客户在平台上做了什么;并进行营销以创建个性化的广告系列。
4.从小开始，快速失败，敏捷
“首次使用权”一词很少适用于实施AI，在做出预测和预测时尤其如此。要达到可接受的精度水平，可能需要进行多次迭代和连续的航向校正。因此，失败必须迅速发生，以便了解如何纠正。由于风险很高，并且总是存在失败的风险，因此从较小的问题或较大的问题的子部分入手也很重要。这有助于降低与故障成本相关的风险。放弃一个想法并重新思考该方法并没有什么可耻的。实际上，重新思考的意愿至关重要。
如果对解决方案的可行性存有疑问，坚持下去(这样做会浪费时间和金钱)永远不是正确的方法。始终建议更改路线，或者在某些情况下完全放弃主意，然后选择一个新主意。一旦解决了一个较小的问题，并且企业可以看到其价值以及相关的投资回报，则可以扩展该解决方案以解决更大的问题。
5.衡量结果而不是产出
IT和AI项目本质上是不同的。IT项目从一个清晰的想法开始，并为第一天的期望输出设定了目标。相比之下，人工智能主要用于寻求了解未知的事物。因此，不可能提前知道输出是什么。结果，需要随着时间的推移不断地调整，监视和修改AI。
因此，人工智能的成功可能需要比最初计划的迭代更多的迭代，并且可能无法提供与最初想象的相同的准确性或自动化水平。因此，应根据其创造的影响程度以及产生的价值来判断成功。
有原因地实施AI
仅仅为了它而实施AI是一个坏主意，这将花费您和您的组织宝贵的时间，精力和金钱。AI可能给您的组织带来巨大的可能性，这很容易使他们不知所措，因为可能的应用程序几乎是无止境的。因此，重要的是，企业应努力专注于公司AI中需要和可行的方面。不要犹豫，尝试其他格式，也不要害怕失败。人工智能可能会失败几次，但这是必不可少的步骤，因为没有这些失败的教训，人工智能项目最终将无处可去。