快速實驗是做出AI技術購買與構建決策的關鍵

隨著企業(yè)擁抱AI并努力將其逐步集成到業(yè)務流程中，他們都必須做出的關鍵決定之一就是是否購買或構建將推動企業(yè)走向未來的AI組件。超過61%的企業(yè)表示他們已經(jīng)實施了AI，這表明采用率正在上升。

成本，上市時間，投資回報率，對業(yè)務成功的重要性以及解決方案的質量是購買和構建決策之間必須考慮的共同因素，它們也適用于AI計劃。

挑戰(zhàn)在于如何確定決策，而最好的方法就是考慮成功實現(xiàn)AI所需的獨特能力。

以下是通過這些功能進行調和的指南，可在您決定購買還是構建之前：

獲得高質量數(shù)據(jù)科學家的能力。

數(shù)據(jù)科學家的匱乏是眾所周知的，但是大多數(shù)企業(yè)仍然感到有必要在開始AI項目之前首先聘請大量數(shù)據(jù)科學家。盡管企業(yè)最終可能會實現(xiàn)建立強大的內部核心團隊的目標，但與此同時，大多數(shù)AI計劃可以依靠供應商。

能夠將業(yè)務問題轉化為人工智能的基礎。

即使擁有強大的內部數(shù)據(jù)科學團隊，AI計劃失敗的主要原因之一還是公司在將業(yè)務問題分解為正確的AI構建塊時面臨的困難。這些構件必須隨后將解決方案無縫集成到工作流程中。

通常，這是由于數(shù)據(jù)科學團隊的出現(xiàn)或數(shù)據(jù)科學團隊與業(yè)務職能進行溝通的能力的絕對缺乏所致。雇用一些數(shù)據(jù)科學家并不一定會使企業(yè)具備大規(guī)模構建和集成優(yōu)質AI解決方案的能力。企業(yè)越早了解這一點，他們在開始時所面臨的起停就越少。

測量和改善數(shù)據(jù)質量的能力。

對可用的數(shù)據(jù)，數(shù)據(jù)的質量和結構以及各種AI模型的數(shù)據(jù)準備情況進行審核是準確AI模型的先決條件。我們已經(jīng)觀察到一些企業(yè)正在著手進行大規(guī)模的AI項目，由于缺乏高質量的培訓數(shù)據(jù)而難以獲得所需的準確性和精度水平。

同樣，有時，該模型可能需要來自企業(yè)可能不容易獲得的其他外部來源的數(shù)據(jù)。在其他情況下，在開始任何AI計劃之前，需要花費大量的精力來清理數(shù)據(jù)，以及將圖像，音頻，視頻和文本形式的非結構化數(shù)據(jù)集結構化為可以訓練AI模型的結構化形式上。

如果沒有針對AI模型進行結構化和功能設計的高質量數(shù)據(jù)，那么AI計劃必定注定要失敗。

快速實驗的能力。

假設您可以訪問內部或通過供應商的數(shù)據(jù)科學家，可以了解您的業(yè)務挑戰(zhàn)并將其轉化為AI計劃的解決方案架構師，并且您還擁有干凈，結構化的產品數(shù)據(jù)。

現(xiàn)在，您需要能夠執(zhí)行多個快速實驗。人工智能既是藝術又是科學。任何AI建模活動都取決于幾個假設。只有通過快速實驗并嘗試不同的建模技術，才能決定哪些模型最準確，并且在預測中似乎是一致的。

除非并行進行，否則這些實驗可能需要很長時間。但是，進行這些實驗很關鍵，并且與擴展尚未與其他方法嚴格比較的AI模型相比，其成本要低得多，然后在全公司范圍內全面部署后，失敗。

擴展和維護解決方案的能力。

一旦找到并調整了適合您需求的AI模型，您現(xiàn)在就需要構建將AI模型與現(xiàn)有IT系統(tǒng)無縫，快速集成的基礎架構。

隨著越來越多的企業(yè)加入AI潮流，它們都將需要考慮上述五項功能，并決定通過構建或購買該技術來獲得這些功能的最佳方法。

好消息是，當今有眾多供應商，可以與客戶合作以提供全部或部分功能，從而成為他們的AI團隊或AI團隊的擴展。企業(yè)應該將決策視為“構建與購買”，而不是“構建或購買”，其中一些所需的功能在內部，而其他功能則通過外部機構獲得。

隨著時間的流逝，內部能力可以得到增強，一些關鍵的AI計劃或這些計劃的核心部分可以移至內部，從而減少了對外部供應商的依賴。