首先，需要全面了解您的業(yè)務(wù)目標(biāo)、技術(shù)需求以及AI對客戶和員工的影響。需要解決的問題是，大多數(shù)員工面臨著接受人工智能程度方面的挑戰(zhàn)與擔(dān)憂。

人工智能是實現(xiàn)流程自動化、降低運營成本和進創(chuàng)新的重要手段。盡管AI支持的活動對業(yè)務(wù)有積極的影響，但成功從來不會一蹴而就。首先，需要全面了解您的業(yè)務(wù)目標(biāo)、技術(shù)需求以及AI對客戶和員工的影響。需要解決的問題是，大多數(shù)員工面臨著接受人工智能程度方面的挑戰(zhàn)與擔(dān)憂。

對于進行全面數(shù)字化轉(zhuǎn)型的企業(yè)來說，成功應(yīng)用人工智能的意義非比尋常，這種轉(zhuǎn)型同等重視自動化、創(chuàng)新和學(xué)習(xí)。雖然員工可能會對AI重塑的前景或解決日常工作感到不安，但是實際上他們的生產(chǎn)力可能會增加，因為他們可以將更多時間用于產(chǎn)生價值驅(qū)動業(yè)務(wù)成果的活動。無論角色還是業(yè)務(wù)部門、人工智能、自動化和機器學(xué)習(xí)都在改變工作方式。

隨著人工智能的普及，企業(yè)必須正面迎接挑戰(zhàn)。高管人員在數(shù)字化轉(zhuǎn)型過程中需要考慮以下五個方面，他們在數(shù)字化轉(zhuǎn)型方面取得進展，并在人工智能方面投入更多。

遺留的基礎(chǔ)設(shè)施

決策者正在評估當(dāng)前基礎(chǔ)設(shè)施是否足夠人工智能支持當(dāng)今技術(shù)，對于他們來說“辭舊迎新”的說法頗為恰當(dāng)。AI的運營需要錄入大量的數(shù)據(jù)；如此一來基礎(chǔ)架構(gòu)必須靈活和可擴展。像軟件定義的基礎(chǔ)設(shè)施（SDI）這樣的傳統(tǒng)結(jié)構(gòu)不一定是最好的選擇。雖然SDI提供了靈活性，但其結(jié)構(gòu)受源代碼固定和編寫腳本的管理員的限制。更復(fù)雜的人工智能算法和智能系統(tǒng)需要更智能的結(jié)構(gòu)，如AI定義的基礎(chǔ)設(shè)施（ADI）和基于云技術(shù)的網(wǎng)絡(luò)等，它們可以根據(jù)業(yè)務(wù)需求快速擴展。

而且，雖然神經(jīng)網(wǎng)絡(luò)已經(jīng)存在了幾十年，但只有現(xiàn)在才能以合理的成本提供大量的計算能力，而這又有助于增加這些網(wǎng)絡(luò)中的層數(shù)。每增加一層就會加入更多的智能，但會消耗巨大的、昂貴的計算能力。圖層越多意味著結(jié)果越好。

技能差距

現(xiàn)在AI有了對工作場所新技能的需求。但是，目前人才普遍匱乏，這些人才擁有在企業(yè)內(nèi)正確建設(shè)、推動和維護這些技術(shù)的知識和能力。缺乏訓(xùn)練有素的專業(yè)人員來建立和指導(dǎo)公司的人工智能及數(shù)字化轉(zhuǎn)型之旅，這顯然阻礙了進步，并仍然是企業(yè)的主要障礙。

為了緩解這種情況，企業(yè)應(yīng)該向內(nèi)看，強化在職培訓(xùn)和重新培訓(xùn)。例如，LinkedIn宣布一項計劃，即向所有工程師講授使用AI的基礎(chǔ)知識。有了懂人工智能的適當(dāng)人員，員工就可以專注于其他關(guān)鍵活動，提高生產(chǎn)力，創(chuàng)造大量投資回報。如果一個企業(yè)的數(shù)字化轉(zhuǎn)型目標(biāo)是讓人工智能成為商業(yè)的加速器，那么它就需要成為人們的放大器。要讓每個人都能夠獲得發(fā)現(xiàn)問題的基本知識和技能，并消除先進技術(shù)的精英主義，但最終提高生產(chǎn)力和投資回報率是值得的。

道德困境

人工智能尚處于早期階段，倫理問題比比皆是。人工智能的支持者和詆毀者都把注意力集中于人工智能在商業(yè)和日常生活中越來越突出的時候誰贏誰輸。最近的一項研究試圖更好地理解人工智能和自動化技術(shù)如何驅(qū)動各行業(yè)的全面數(shù)字化轉(zhuǎn)型，研究發(fā)現(xiàn)62％的企業(yè)認為向AI驅(qū)動的流程和工作流程的成功轉(zhuǎn)型需要嚴格的道德標(biāo)準(zhǔn)。

企業(yè)在接受人工智能時制定準(zhǔn)則和規(guī)則至關(guān)重要。有領(lǐng)導(dǎo)層認同的道德框架將確保產(chǎn)品和服務(wù)、流程和員工得到適當(dāng)?shù)膶Υ员愦_保如何采用、使用和擴展人工智能。有了道德標(biāo)準(zhǔn)或體系，可以確保諸如失業(yè)、偏見和不平等等問題，隨著人工智能被應(yīng)用于企業(yè)環(huán)境中，不平等的審查也更為仔細。

數(shù)據(jù)的豐富性和可用性

如果無法訪問數(shù)據(jù)，人工智能算法就無法正確運行。可用的數(shù)據(jù)越多，AI的準(zhǔn)確性和有效性就越高。隨著系統(tǒng)的發(fā)展以及網(wǎng)絡(luò)、設(shè)備和流程之間有了更多的連接，隨之大量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)也可以被訪問。

在部署人工智能之前，IT團隊和數(shù)據(jù)科學(xué)家應(yīng)該收集、清理并標(biāo)記用于機器學(xué)習(xí)算法的數(shù)據(jù)集，以提高AI應(yīng)用程序的吞吐量。考慮到80％的組織數(shù)據(jù)是非結(jié)構(gòu)化的，通過這些大量的數(shù)據(jù)進行過濾是不小的功夫。企業(yè)在清理數(shù)據(jù)方面做的越好，就可以更快地提高準(zhǔn)確性并擴展數(shù)據(jù)的使用。隨著時間的推移，人工智能和機器學(xué)習(xí)將在分析數(shù)據(jù)和快速發(fā)現(xiàn)方面變得更加智能，這會企業(yè)底線產(chǎn)生積極的影響。

預(yù)算問題

有效地部署AI需要大量的時間、資源和預(yù)算。盡管AI長期降低成本，但初期通常需要大量的投資。企業(yè)投入數(shù)百萬美元，而其他規(guī)模的企業(yè)則投入數(shù)萬到數(shù)十萬的資金。但是，由于使用非結(jié)構(gòu)化數(shù)據(jù)運行廣泛的項目可能會花費企業(yè)高達50萬美元的資金，因此二者所花費的成本相差無幾。

尚未劃撥人工智能預(yù)算的企業(yè)應(yīng)該通過手動審計組織來簡化流程，并釋放員工工作時間。如此一來，決策者可以清楚地看到哪些系統(tǒng)沒有得到有效利用，哪些領(lǐng)域可以從技術(shù)上受益。

企業(yè)的未來離不開人工智能。但人工智能也是創(chuàng)新的未來。人工智能需要人類的創(chuàng)造者取得成功，以使技術(shù)變得更有用。雖然有些已經(jīng)采用了人工智能，但其他人還是較為落后，但考慮到這個過程中企業(yè)面臨的各種挑戰(zhàn)，這也是可以理解的。然而，一旦克服了這些障礙，最終企業(yè)將看到人工智能如何在未來幾年大規(guī)模地革新業(yè)務(wù)、改進流程、提高員工生產(chǎn)力。