Arijit Sengupta解釋了AI如何變化以及為何單個(gè)AI模型不再是智能業(yè)務(wù)

Arijit Sengupta：AI需要在業(yè)務(wù)用戶(hù)做出決策時(shí)提供針對(duì)特定上下文的建議。我們已經(jīng)從向后看的傳統(tǒng)分析和商業(yè)智能轉(zhuǎn)變?yōu)榫哂星罢靶缘募夹g(shù)。這是一個(gè)根本性的轉(zhuǎn)變。

您最激動(dòng)并認(rèn)為最有潛力的一項(xiàng)新興技術(shù)是什么?這項(xiàng)技術(shù)有什么特別之處?

特定于上下文的AI具有最大的潛力，可以使業(yè)務(wù)更好。第一代AI完全脫離了業(yè)務(wù)環(huán)境。它沒(méi)有考慮到企業(yè)獨(dú)特的成本效益權(quán)衡和容量限制。傳統(tǒng)的AI假定所有成本和收益都是相等的，但是在業(yè)務(wù)中，正確預(yù)測(cè)的收益幾乎永遠(yuǎn)不會(huì)等于錯(cuò)誤預(yù)測(cè)的成本。

例如，如果贏得交易的好處是不必要進(jìn)行交易的成本的100倍，該怎么辦?您可能愿意贏得單筆勝利并輸?shù)?9筆交易。基于模型指標(biāo)，僅能在100次嘗試中贏得1次勝利的AI會(huì)非常不準(zhǔn)確，盡管這會(huì)增加您的凈收入。那就是您想要從AI獲得的東西。

第二代AI專(zhuān)注于公司的特定業(yè)務(wù)現(xiàn)實(shí)。正如Forrester和其他分析師所指出的那樣，專(zhuān)注于數(shù)據(jù)科學(xué)指標(biāo)(例如模型準(zhǔn)確性)的AI通常不會(huì)帶來(lái)業(yè)務(wù)影響。

企業(yè)今天面臨的最大挑戰(zhàn)是什么?大多數(shù)企業(yè)如何響應(yīng)(并且有效)?

解決人工智能的最后一英里問(wèn)題是當(dāng)今公司面臨的最大的業(yè)務(wù)挑戰(zhàn)。目前，大多數(shù)業(yè)務(wù)經(jīng)理還沒(méi)有辦法了解預(yù)測(cè)模型將如何影響其業(yè)務(wù)。這與發(fā)現(xiàn)人工智能學(xué)到的東西根本不同。

僅僅因?yàn)槲腋嬖V您汽車(chē)的工作原理并不意味著您知道如何駕駛汽車(chē)。實(shí)際上，為了開(kāi)車(chē)，您通常不需要了解有關(guān)汽車(chē)工作原理的所有細(xì)節(jié)。在第一代AI中，我們著迷于詳細(xì)解釋汽車(chē)的工作原理。那就是所謂的“可解釋的AI”。

我們現(xiàn)在要轉(zhuǎn)向的是企業(yè)了解汽車(chē)如何影響其生活的能力。企業(yè)需要了解AI在不同業(yè)務(wù)場(chǎng)景下如何影響其業(yè)務(wù)成果。沒(méi)有這些知識(shí)，您就無(wú)法采用AI，因?yàn)槟窃谝笃髽I(yè)主玩俄羅斯輪盤(pán)賭。您沒(méi)有向他們提供他們需要了解給定AI模型如何影響其KPI的信息。您只是給他們一些模型，并告訴他們希望最好。

數(shù)據(jù)或分析中是否有一項(xiàng)新技術(shù)正在帶來(lái)比大多數(shù)人意識(shí)到的更多的挑戰(zhàn)?企業(yè)應(yīng)如何調(diào)整其方法?

實(shí)際上，基于模型準(zhǔn)確性的傳統(tǒng)AI可能會(huì)對(duì)企業(yè)造成極大的危害。經(jīng)過(guò)訓(xùn)練以?xún)?yōu)化模型準(zhǔn)確性的AI通常非常保守，這會(huì)使企業(yè)陷入死循環(huán)。保守的模型會(huì)告訴您要追隨越來(lái)越少的客戶(hù)，因此您可以放心地完成幾乎每筆交易，但是很多次這意味著您最終會(huì)留下很多錢(qián)，并逐漸破壞了您的業(yè)務(wù)。以犧牲業(yè)務(wù)影響為代價(jià)來(lái)最大化準(zhǔn)確性的AI比沒(méi)有用的情況更糟-它破壞了價(jià)值。

您的組織在今天花費(fèi)最多時(shí)間/資源的是什么計(jì)劃?換句話(huà)說(shuō)，您的企業(yè)專(zhuān)注于哪些內(nèi)部項(xiàng)目，以便您的公司(而非客戶(hù))從自己的數(shù)據(jù)或業(yè)務(wù)分析中受益?

我們是一家處于初期階段的初創(chuàng)企業(yè)，其數(shù)據(jù)量相對(duì)較小，但我們相信能夠迅速開(kāi)始使用AI，而不是等待獲取大量數(shù)據(jù)。我們首先開(kāi)始使用AI來(lái)預(yù)測(cè)哪些客戶(hù)可能從首次聯(lián)系到首次會(huì)議，以及哪些客戶(hù)可能單擊電子郵件。

隨著時(shí)間的流逝，我們收集了更多的數(shù)據(jù)，并且能夠優(yōu)化我們?cè)诓煌郎系臓I(yíng)銷(xiāo)支出，并準(zhǔn)確確定要關(guān)注的客戶(hù)。如果我們一直等到擁有大量數(shù)據(jù)才能開(kāi)始使用，那么我們將無(wú)法取得足夠的進(jìn)展。通過(guò)快速入門(mén)AI，我們能夠更快地改善AI流程。

您如何看待2020年及以后的分析和數(shù)據(jù)管理方向?我們還沒(méi)有聽(tīng)說(shuō)過(guò)什么呢?

每個(gè)人都聽(tīng)說(shuō)過(guò)很多有關(guān)AI的信息，但是我們所聽(tīng)到的AI并不是能夠帶來(lái)業(yè)務(wù)影響的AI。我們所聽(tīng)到的AI是從業(yè)務(wù)現(xiàn)實(shí)中抽象出來(lái)的實(shí)驗(yàn)室AI。

人們開(kāi)始意識(shí)到的眼界是，要獲得業(yè)務(wù)影響，您必須擁有一種截然不同的AI。創(chuàng)建單個(gè)AI模型沒(méi)有任何意義，因?yàn)闃I(yè)務(wù)現(xiàn)實(shí)不斷變化。您需要做的是創(chuàng)建適合不同業(yè)務(wù)現(xiàn)實(shí)的AI模型組合。如果您追求客戶(hù)的成本增加了10%，或者平均交易規(guī)模增加了20%，則您需要一個(gè)不同的模型。如果創(chuàng)建AI模型組合，您的業(yè)務(wù)將具有更大的變化適應(yīng)能力-而您唯一可以依靠的就是變化。