教育新闻网人工智能(AI)方法，技术和解决方案的应用代表了人们与信息交互方式的根本转变，以及政府机构改善成果的巨大机会。但是，常见的误解是AI是“即插即用”的。根据麦肯锡的研究，也许正因为如此，只有8%的公司使用能够有效采用AI的实践。
因此，这里有一项针对AI就绪性的测试，我们称之为“ AI的6大支柱”。这些支柱确保完成的AI产品可以提供：适合其用户的解决方案，以及对整个组织具有持久的价值。
当组织将所有功能集中在使用AI上时，AI最为有效。基于项目的AI占有一席之地，但是组织从将AI视为一种工具转变为将其视为一种广泛的方法论，就越能实现AI的希望。
因此，在每个AI项目中，我们建议使用这6条AI支柱，以确保开发的解决方案和进行的转换能够实现广泛的组织目标并为组织带来持久价值。成功采用AI和项目的6大支柱
1.人工智能只有在有所改善的情况下才有价值
考虑到所需的结果和所需的投资，人工智能是解决问题的最佳方法吗?
当前，AI是政府IT领域的热门话题。它令人兴奋，被认为具有前瞻性，并且通常看起来明亮而有光泽。这导致组织陷入困境，因为没有对AI如何带来广泛而持久的价值进行深入分析。
组织应该问的第一个问题是：
您想完成什么?您如何想象AI可以帮助您实现该目标?
组织应该问的第二个问题是：
基于该目标，实施AI的成本是否可以接受?业务影响值得付出业务成本吗?
AI的成本远远超过其标价。为了真正发挥AI的潜力，要真正采用AI，就必须改变组织的文化，愿景和战略。这种广泛的转型既不容易也不便宜，因此在制定AI战略或规划AI收购时需要考虑到这一点。
2.人工智能只有在增强人类功能时才有价值
使用AI的过程是否比旧的做事方法容易?
尽管应该让AI使工作更轻松，更高效，但是组织应该仔细评估提议的解决方案将如何实现这一目标。有价值的AI解决方案应减少人员依赖性。
换句话说，如果您的员工花更长的时间使用AI解决方案，而不是“手动”执行该过程，则AI实际上并没有减少对人类的依赖，因此也就没有做它应做的事情。
如果您的AI解决方案在这里失败，那么在确定AI解决方案本身就是问题之前，您的组织应该评估该解决方案，包括提出以下问题：
我们的数据有多准确?
我们的数据基础架构效率如何?
我们使用正确的AI模型吗?
我们的团队是否按照预期采用和实施了解决方案?
如果只有更好的数据，有效的基础架构或团队完全按预期采用此解决方案，则此评估可能会发现您的解决方案很有价值，并且可以减少对人的依赖。
3. AI是人类的乘数，而不是替代物
人工智能解决方案是否消除了重复的工作子集，从而使您的员工变得更有效率，生产力更高，并能够专注于更高价值的任务?
虽然理论上有可能具有独立于人类输入进行操作的智能，但当今可以有效使用AI的绝大多数公司将以仍然依赖于人们指导其使用和做出决策的方式来使用AI。
不要以为AI解决方案可以取代您组织中的一个人或一个团队。相反，有效的解决方案应该使您的人员变成“超级人”，例如使他们能够处理的输入量是以前的两倍。
4.数据是所有AI操作的基础
您的领导层是否制定了使AI成功的基础架构策略?
几乎不必说，要学习一台机器，它就必须具有从中学习的数据-越多越好。组织的AI解决方案仅取决于构建的数据的数量和质量。
为了存储必要的数据，此类组织必须具有强大的计算能力，访问数据科学专业知识的能力以及用于训练模型的数据集。
5.数据策略对于人工智能的好处至关重要
您的数据质量如何?
仅凭数据基础架构不足以使AI有效，更不能为组织带来预期的收益。
总体而言，数据策略涉及创建流程来收集记录(尤其是结果和结果)，从而产生数据。数据是机器学习所需的输入，而AI的预期结果(预测/解释模型)取决于有效的ML。
收集完数据后，至关重要的是，数据策略概述如何验证，清除和结构化数据，以确保数据的准确性和可用性。
“垃圾进，垃圾出”的原则简洁地描述了格式正确的数据策略的重要性及其作为AI支柱之一的地位。
6. AI必须产生可用的输出
AI模型是否产生了可用的输出，如果是，则该输出对组织有价值吗?
最后，提出(或开发!)的AI解决方案必须带来一个带来价值的结果-为其实施的特定项目，乃至整个组织带来价值。
如果从一开始，提议的AI解决方案的有效性和范围会受到组织的结构或文化的影响或限制，那么该解决方案的价值将受到质疑。这并不意味着在具有快速周转和有限结果的小型项目中就没有价值，仅是成功的AI输出甚至模型与支持业务流程的AI不同。
