最新快讯!2022年01月04日最新发布：企业AI成功的三大支柱缺乏一致性

【资料图】

2022年01月04日

新时代，高科技越来越发达。相信很多年轻人都看过科技新闻，所以我们在生活中也应该多多使用这些高科技的东西。今天想和大家分享一条科技知识，希翼大家喜欢。

虽然人工智能部署正在加速，但技术和文化上的成功挑战比比皆是。最大的挑战之一是企业人工智能成功的三大支柱之间缺乏一致性：最接近数据的业务用户、负责保持数据管道开放的数据工程师，以及让人工智能发挥作用的数据科学家。这种缺乏一致性通常意味着数据科学团队会发现他们没有“明确的范围”，而“数据专家”不知道应该关注哪些数据集，这可能会导致AI项目的结果令人失望。惟独环绕标准数据科学方法论协调这些小组，我们才干取得一致的人工智能成功。

缺乏一致性

缺乏一致性并不奇怪。15年前或更早离开学校的商业领袖从未接受过使用大数据的培训。虽然数据科学家总是“从数据入手”，而且数据越多越好，无论是财务、营销还是客户支持，业务用户通常都希翼按照自己习惯的方法回答有限的问题，所以他们经常会要求数据科学团队根据给定标准的一组具体的“多少”或“频率”属性来生成报告。

幸运的是，商业用户和数据科学家之间的联系正在消逝。如今的商业专业人士了解大数据的力量，甚至正在进入小学。用来记忆加法和乘法的抽认卡已经被帮助理解分类、组织和关系的练习所取代。

同时，我们还是要克服传统的思维方式，让数据科学走在前面。换句话说，我们必须挑战HiPPO(收入最高的人的意见)。虽然HiPPO的经验和直觉应该永远受到尊重，但是仅仅依靠这种方法会极大地限制数据科学应用于任何问题的能力。

以及对齐和标准化的好处。

保证AI的一致性和标准方法将环绕一个关键的新范式统一整个企业，即更多的数据永远是推动业务进展的势能。一致性和协作最终将使业务领导者能够要求数据科学团队“使用数据来确定和自动化我的最佳下一步行动”。这对于启动能够迅速对业务产生重大影响的大批量、低复杂性项目非常重要。

考虑设计虚拟助理来回答常见的客户问题。如今，打电话给帮助中心的客户经常一遍又一遍地问同样的问题，并要求支持工程师重复同样的答案。相反，如果支持团队与数据科学团队和IT部门合作，利用这些已知的问题和标准答案来训练24/7的虚拟助手或聊天机器人，那么他们就可以为客户提供即时的答案——无需等待，没有支持票，没有疑似常见问题或文章的网站。这可以转变支持运营并提高客户中意度，同时使支持工程师能够专注于客户可能遇到的新的更复杂的挑战。

本文就为大家讲解到这里。

标签：