CIO們面臨人工智能部署的阻力——《華爾街日報》

去年12月參加紐約人工智能峯會的與會者。人工智能在企業界的表現好壞參半，很大程度上是由於缺乏基礎數據來訓練算法，以及對其可實現目標的過高期望。圖片來源：賈斯汀·萊恩/Shutterstock由於多年來成效參差不齊且對該技術的實際能力存在困惑，企業技術領導者們不得不努力爭取組織內部對人工智能的認可。

國際數據公司(IDC）數據顯示，隨着算法規模和複雜性的提升，企業整體採用人工智能的比例自2019年以來增長了兩倍。但一些高管擔心，在某些行業未能兑現承諾的這項技術，在經濟緊縮時期可能會失去企業高層的支持。

李維斯公司首席戰略與人工智能官卡蒂亞·沃爾什表示，在經濟低迷時期，“那些新出現的、他人尚未理解的、尚未證明價值的事物很容易被削減”。

畢馬威美國技術諮詢負責人託德·洛爾指出，五年前一些公司在沒有足夠高質量基礎數據來訓練和運行算法的情況下，就對人工智能進行了鉅額投資。這導致高管們對結果感到不滿並幻想破滅。

洛爾稱，昂貴的早期項目未能取得回報，尤其是在醫療保健等數據整合與結構化難度較大的行業。

此外，初創公司Landing AI創始人兼CEO、百度前首席科學家吳恩達表示，許多企業在接觸人工智能時並不清楚其實際能力範圍。他指出，例如AI無法預測股市或治癒癌症，因為這些問題的答案並不存在於數據中。

一個典型案例是國際商業機器公司決定出售其沃森健康業務資產，該業務曾被譽為幫助醫生診斷和治療癌症的解決方案。

吳恩達解釋道，廣義而言，AI通過研究海量數據並識別模式來進行預測，比如預測30分鐘後的高速公路路況或來年作物收成。他同時也是谷歌深度學習研究團隊Google Brain的聯合創始人。

紐約人壽戰略能力主管亞歷克斯·庫克表示：“如果沒有足夠數據構建模型，應用AI可能成為’徒勞之舉’。“他補充説多年來目睹許多企業陷入這個陷阱。

分析師指出，鑑於這種風險，許多首席信息官已投資於基礎數據建設，並提升了識別可行應用場景的能力。但另一個難題依然存在：對企業員工的教育。

他們表示，事實上，AI應用的障礙正逐漸從技術問題轉變為人員認知問題。

“這是新生事物，尤其在傳統企業中很多人仍不瞭解它。我們需要大量教育工作，需要’展示實際效益’。“沃爾什女士説道。

“我認為人們有時會固守‘模型第一次沒做好，我就不想真正使用它’的想法，”強生公司首席信息官吉姆·斯旺森表示。他補充道：“模型從來都不可能第一次就完美——永遠如此。”

他指出，關鍵原因在於缺乏足夠數據。但獲得支持至關重要。斯旺森稱，在全公司範圍內培養數字敏鋭度（包括研發和供應鏈等領域）仍是確保其他高管理解AI價值主張的優先事項。

“我們需要持續推動人員層面的工作來確保技術落地，”他強調。

“坦白説，這需要毅力，也需要膽識，”威瑞森通信公司首席數據與分析官琳達·艾弗裏（任職至去年12月）談及在企業中推行AI算法的經驗時表示，“你正在改變人們的工作方式，改變他們的思維方式”。

據吳恩達先生介紹，過去幾年AI已取得顯著進展。他指出，在深度學習（一種模擬人類神經元特徵的AI形式）領域，模型規模（包括參數數量和模擬神經元數量）變得更大，而這些海量模擬神經元的連接方式也更為複雜。

部分企業表示已從AI中獲得切實收益。李維斯稱其運用該技術實現線上購物體驗個性化並提升銷量；強生表示正利用AI幫助銷售代表制定最佳後續行動；威瑞森則通過AI預測業務特定領域需求並相應部署人力資源。

根據IDC的數據，2022年各組織在人工智能上的平均投入比前一年增加了4%至6%。該公司表示，一些企業稱他們每年在人工智能上的支出達到1.5億至1.7億美元，這些成本主要用於硬件、軟件和專業服務。

IDC分析師Ritu Jyoti表示，在經濟放緩的情況下，企業對人工智能的投資"將會出現猶豫”。但她指出，堅持這些投資的企業將更有能力應對任何經濟下滑。考慮到人工智能的節約成本潛力，其他新興技術比人工智能更可能被削減。

“在某些技術領域的特定投資將會持續進行，而自動化與人工智能實際上位居榜首，“她表示，“因為它正在影響你業務的每個環節。”

聯繫記者Isabelle Bousquette請發送郵件至[email protected]