你應(yīng)該如何衡量AI投資回報(bào)率

對(duì)于AI的投資回報(bào)率，企業(yè)仍然不清楚。許多人認(rèn)為AI就像其他任何軟件解決方案一樣：從理論上講，回報(bào)應(yīng)該是立竿見影的。但這種情況并非如此。此外，由于AI供應(yīng)商往往會(huì)夸大其軟件生成的結(jié)果，因此業(yè)務(wù)領(lǐng)導(dǎo)者常常被誤認(rèn)為ROI的路徑要比AI的平滑得多。

實(shí)際上，要確定一個(gè)指標(biāo)來(lái)可靠地衡量AI對(duì)企業(yè)的影響是非常困難的。

在本文中，我們更深入地探討了業(yè)務(wù)領(lǐng)導(dǎo)者應(yīng)如何考慮確定可幫助他們理解AI項(xiàng)目可能產(chǎn)生的回報(bào)的ROI指標(biāo)。為此，我們通過(guò)對(duì)上個(gè)月在我們的行業(yè)人工智能播客中的三位專家的訪談來(lái)探索見解。

如何衡量AI投資回報(bào)率

在被認(rèn)為是成功的之前，人工智能項(xiàng)目固有地包含著一定程度的不確定性和實(shí)驗(yàn)性。在少數(shù)AI用例中，為預(yù)計(jì)回報(bào)確定可衡量的指標(biāo)可能相對(duì)簡(jiǎn)單。例如，在制造業(yè)的預(yù)測(cè)性維護(hù)應(yīng)用中，企業(yè)可以將回報(bào)直接與維護(hù)成本的減少或機(jī)器停機(jī)時(shí)間的減少聯(lián)系起來(lái)。

但是在其他應(yīng)用程序中，例如改善業(yè)的客戶體驗(yàn)，識(shí)別少量可靠的度量標(biāo)準(zhǔn)來(lái)衡量成功則更具挑戰(zhàn)性。

除非企業(yè)對(duì)收益有清晰的了解，否則他們將有可能遭受AI投資損失的風(fēng)險(xiǎn)。確保AI項(xiàng)目具有可衡量指標(biāo)的一種方法是選擇一個(gè)已經(jīng)存在非AI解決方案并且正在測(cè)量和跟蹤結(jié)果的特定業(yè)務(wù)問(wèn)題。

NVIDIA學(xué)習(xí)與感知研究副總裁Jan Kautz在我們之前的播客系列有關(guān)AI入門的訪談中接受了采訪，他似乎同意，針對(duì)現(xiàn)有業(yè)務(wù)問(wèn)題開發(fā)AI解決方案比衡量成功要容易得多。開發(fā)一個(gè)沒有先例的全新AI用例：

在AI中進(jìn)行全新的操作的危險(xiǎn)在于，您實(shí)際上不知道自己在做什么是否正確，因?yàn)槟鷽]有什么可比擬的。我建議選擇一個(gè)已經(jīng)有一個(gè)現(xiàn)有系統(tǒng)的區(qū)域，以便您可以比較AI系統(tǒng)的結(jié)果，并知道您是否至少獲得比現(xiàn)有系統(tǒng)更好的結(jié)果

業(yè)務(wù)領(lǐng)導(dǎo)者還需要了解，為了在整個(gè)組織中部署AI項(xiàng)目，他們不僅需要數(shù)據(jù)科學(xué)家，還需要數(shù)據(jù)工程師。數(shù)據(jù)科學(xué)家是那些為特定功能開發(fā)機(jī)器學(xué)習(xí)算法的人。

數(shù)據(jù)工程師通常承擔(dān)在整個(gè)企業(yè)中實(shí)施解決方案的任務(wù)。這可能涉及確定現(xiàn)有數(shù)據(jù)基礎(chǔ)結(jié)構(gòu)是否以可持續(xù)的方式建立，這將使AI系統(tǒng)隨著時(shí)間的推移在整個(gè)組織中平穩(wěn)運(yùn)行，或者devops流程能夠維持AI項(xiàng)目。