坦率地说，我本来希望人工智能(AI)算法能帮我写这篇专栏，因为谁比那些让“机器学习”成为可能的神秘小妖精更了解人工智能呢?可惜，这并没有发生;所以我只能靠自己了。

 

就像大多数商界人士一样，我不需要任何说服，就能相信人工智能(对大多数公司而言，它们的许多业务领域都是如此)将改变游戏规则。

 

尽管如此，在许多方面，它仍然是一个不固定的概念。确切地说，蓝冠代理深度学习的风险之一是在培训期间引入偏见，这可能来自许多来源。最终，用于训练模型的蓝冠测速数据集是无限的。我们可以期待人工智能为我们做哪些我们还没有做的事情——或者它如何通过做得更好、更快、更便宜、更有洞察力或更少错误来改进我们正在做的事情?

 

正如《麻省理工学院斯隆管理评论》(MIT Sloan Management Review)去年10月发表的一篇重要文章(“用人工智能取胜”)所言，“人工智能可以是革命性的，但高管们必须采取战略性行动。”[和]战略行动意味着决定什么不做。这并不像听起来那么容易。

 

我对人工智能的大多数讨论都存在一个问题，那就是他们假设读者或听众已经理解了人工智能的承诺和危险。但根据我与许多非常聪明的人的交谈，我不认为总是这样。

 

去年春天，位于德克萨斯州奥斯汀市的机器学习公司SparkCognition的创始人兼首席执行官埃米尔•侯赛因(Amir Husain)向《商业新闻日报》(Business News Daily)解释道:“人工智能是软件的二次到来。这是一种能够自己做决定的软件，它甚至能够在程序员无法预见的情况下采取行动。”

 

人工智能无处不在，我们几乎都不会去想它。正如《商业新闻日报》的文章所指出的:“我们大多数人每天都以某种形式或其他形式与人工智能互动。从平凡到激动人心，人工智能实际上已经在扰乱每个行业的每一个业务流程。”

 

例子比比皆是:在线搜索,垃圾邮件过滤器,智能个人助理,如Alexa、呼应,谷歌,Siri,程序,保护我们的信息,当我们在线买入(或卖出)的时候,语音短信程序,smart-auto技术,程序自动发出警报或关闭操作系统在问题确定后,安全报警系统,甚至那些恼人的弹出式广告,跟我们一整天的。在某种程度上，它们都是基于或受人工智能影响的。

 

换句话说，我们大多数人对人工智能的熟悉程度要远远超过我们对自己的认知程度。

 

商业问题是(正如斯隆那篇文章正确指出的那样):高管如何利用机会、管理风险，并将与人工智能相关的困难最小化?换句话说,他们怎么能使用它自己的优势,甚至在一个变革的方式,而没有把人工智能优势的追求变成一个唐吉诃德式的quest-keeping记住行动战略涉及“决定不做什么”以及推动和冒险在某些领域?

 

来自《麻省理工斯隆管理评论》的一些建议:

 

第一:不要把人工智能举措当作日常的科技游戏。他们比那更重要。从C套件运行它们，并与其他数字转换工作密切协调。

 

第二:确保人工智能与公司的整体业务战略相协调。正如大多数人工智能项目(根据斯隆的文章，从40%到70%)所做的那样，最保险的方法之一是将人工智能狭隘地集中在一组优先事项上，而公司同样或更多地关注其他事项。虽然人工智能可以帮助企业降低成本，例如通过识别浪费和低效，蓝冠官网选择用来训练的数据，其上下文和本身的可用性在某种程度上存在偏差，因为蓝冠官网使用它来表示更一般的情况。当速度并在智力和过度概括之间取得平衡时，也固有地引入了偏差。但发展业务可能是一个更高的优先事项。

 

例如，总部位于康涅狄格州哈特福德的保险公司安泰(Aetna)(现在是CVS的子公司)一直在使用人工智能来防止欺诈和发现超额支付——这是保险公司的典型担忧。它还利用人工智能设计产品，增加客户和客户参与度。文章指出，在一款与医疗相关的Aetna产品中，设计师使用人工智能来定制福利，导致“新会员获取增长180%”。从更长远的角度来看，Aetna的分析主管，副总裁Ali Keshavarz告诉作者，Aetna的目标是当客户“考虑他们的健康”时，使用人工智能成为他们去的第一个地方。

 

第三:这对我们当中的极客们来说可能是显而易见的，但对那些更受技术挑战的人来说可能就不那么明显了:一定要“让人工智能的生产与消费保持一致”。