教育新闻网大规模实施人工智能的最大障碍不在于技术，而在于人类和商业实践。普华永道在一份新报告中发现，公司正在缩减人工智能的雄心。
有什么挑战?测量投资回报率，批准预算并培训现有员工。普华永道(PwC)在2020年AI预测报告中指出了运营障碍，并强调了高管们对持续承诺的需求。
高级领导知道这一浪潮即将到来：“百分之九十的接受调查的高管认为，人工智能提供的机会多于风险，近一半的人预计人工智能将扰乱其地理市场，业务所在的领域或两者。”
同时，在1062位受访者中，只有12%的受访者表示他们计划破坏自己的行业，这表明“几乎有四倍的受访者担心破坏自己的计划。”
这是更无聊但重要的部分之一：确定AI可以在哪些方面产生最大的业务影响，并建立成功所需的技术和人员能力。将AI指向没有任何人想阅读的文书工作。
该报告的作者说，使用AI进行有效操作和提高生产率的最佳方法是使用该技术从税单，提货单，发票和其他文档中提取信息。寻找整个企业中常见的任务以创建可重用的AI解决方案，例如用于处理非结构化文本的模型。
设定多语言目标
这是重新思考技能提升工作的一部分—如果您仅向非技术员工提供技术培训，那您做错了。
通常，跨业务部门的协作对于转型技术至关重要，跨团队的技能提升也是其中的一部分。
报告建议将优先考虑给予不同的专家说其他专业语言的能力。为了鼓励跨职能的协作，公司应“创建“多语言”团队，由数据工程师，数据伦理学家，数据科学家和MLOps工程师组成应用程序开发和业务团队的一部分。另外，在业务方面培训技术团队成员，使每个人都说相同的语言。
正如接受调查的50%的高管所认可的那样，团队成员“需要为人们提供立即的机会和激励措施，使他们能够运用所学知识，从而使知识变成提高绩效的现实技能。”
建立您的AI风险信心
普华永道发现，只有大约三分之一的受访者“完全解决了与数据，人工智能模型，输出和报告有关的风险”。报告作者建议公司以行动来支持自己的话。普华永道的负责任AI工具包列出了负责任AI的以下五个方面：
管治
可解释性和可解释性
偏见与公平
稳健性和安全性
道德与规范
调查发现，大约50%的高管正在接受“可扩展性”挑战。该报告还建议与风险和合规职能部门合作，以开发正确的AI标准，控制，测试和监视。公司还需要用于AI保证的预算，类似于用于网络安全或云安全的预算。
使您的数据成为可信数据
数据必须“准确，标准化，标记，完整，无偏见，符合法规并安全”。此步骤对于使AI大规模运行至关重要。最大的数据挑战是：
整合来自整个组织的数据(45%)
集成AI和分析系统(45%)
将AI与IoT和其他技术系统集成(43%)
调查发现，只有三分之一的受访者表示标签数据是2020年的重点。该报告建议，即使AI的工作只集中在单个功能或流程上，对于公司来说，从组织的整个(和外部)收集安全，高质量的数据也至关重要。
通过认知资产货币化
这是改进业务模型工作的一部分。企业应创建独特的数据资产和认知资产：包含公司在特定领域的经验和专业知识的AI模型。
要从AI项目中看到ROI，企业必须能够利用这些新资产提供的见解和成果。
这些工作至关重要，因为“ AI开发与软件开发非常不同，需要不同的思维方式，方法和工具。”由于AI模型的开发需要“测试和学习”的方法，因此业务团队还必须不断学习和完善他们的方法。
在今年接受调查的1062名受访者中，有54%拥有企业高管职位，超过一半的人从事IT和技术职能，有36%来自收入在50亿美元及以上的公司。这项调查是由普华永道研究公司进行的。
