許多企業的人工智慧技術停留在獨立專案與概念驗證階段,若想要有所突破,就要發展針對商業成果量身打造、全面且完整的人工智慧策略。
文╱Maria Korolov 譯╱曾祥信
論及人工智慧,企業一般作法是透過概念驗證(proof of concept)或小規模的使用案例來測試水溫,他們大多利用科技廠商提供的人工智慧技術,例如既有SaaS平台裡的新功能。
如果進展順利,企業會購買另一套新專案,接著另一套--不久之後,他們就開始仰賴一堆互不相容的雜亂系統、資料湖泊,面臨成本超支、工作重疊與無法擴展系統規模等問題,更不用說還有隱私權、遵循法循或者道德問題。
直到某個時間點,人工智慧帶來的好處已顯而易見,而企業繼續既有作法所面臨的痛苦太過劇烈,迫使公司不得不退一步思索,如何發展一套具有凝聚力的策略,好讓企業全面採用人工智慧。
KPMG資料分析與人工智慧事業的合夥人 Traci Gusher 表示:「使用許多未整合的個別技術,不只讓組織淹沒在技術債當中,同時也令他們對人工智慧卻步,因為他們不知道如何建立容易維持且可延展規模的人工智慧技術」。
以下我們將探討正確作法,確保企業組織能將獨立專案,順利轉移為完整規模的人工智慧系統。
由核心業務優先次序著手
Gusher表示,為企業轉型建立一套完整的人工智慧策略,必須由基本的問題開始:「組織最重要的機會是什麼?最大的挑戰是什麼?最大的風險又是什麼?」。
接著,思考人工智慧如何影響這些機會、挑戰及風險。她說:「倘若企業真心想要獲取競爭優勢,必須站在策略層面,思考這些廣泛議題」。
公司必須避免「投資報酬率(ROI)不夠即時」的專案,Gusher說道:「假使我的組織面臨一項逼近的風險,必須立刻解決,那麼人工智慧或許不是最佳解決之道。
人工智慧技術需要時間,獲得充分的資料、執行機器學習,它需要許多時間才能讓組織獲取回報。長期性的專案計劃,才是組織應當運用人工智慧的項目」。高階主管與董事成員必須對人工智慧能力具備充分瞭解,才能做出這類決策。
UL(優力國際安全認證有限公司)擁有125年歷史,是一間專門測試電子設備的公司,他們的人工智慧轉型策略正是由公司高層開始驅策。該公司資深副總裁兼科技長 Scot Webster 表示:「不可低估公司領導階層扮演的角色,在協助整個企業廣泛了解目標的過程中,領導階層的影響非常重要」。他補充道,全企業的人工智慧策略,不能當成實驗性質的專案來執行。他說:「我們在UL有一萬四千名員工,我可以保證,所有一萬四千名員工都很清楚公司最重要的目標是數位化、人工智慧與策略5.0。我們在董事會議向董事們說明公司目標,在各種場合向所有員工傳達目標。我們具有卓越的核心能力,特別是小型的機器人流程自動化(RPA)與機器人應用程式」。
改變資料策略 由獨立專案轉移到整合平台
根據PricewaterhouseCoopers合夥人兼全球人工智慧領導 Anand Rao 的說法,一旦對的人員與領導階層就定位之後,就是時候專注在人工智慧與資料科學平台。
一般來說,獨立專案使用的平台不易擴展規模,相反地,全企業人工智慧需要將系統搬移到雲端,這可以帶來額外的好處,包括更容易地處理大型資料湖泊、更好的整合外部資料來源與工具,且能輕易使用最新的人工智慧科技。
但是在轉移到雲端之前,必須先找到處理資料的方法,這意謂著拆解既有的獨立系統。
IBM系統策略與開發部門總經理 Jamie Thomas 表示:「最大的問題在於,企業沒有在一開始就著重資料策略,這是我們觀察到最大的隱藏危險」。Thomas說道,完整的資料管理策略,不只要涵蓋資料的收集、組織與分析,還必須為資料注入意義和情境,好讓人工智慧有效運用資料。這也代表,企業要有處理資料偏差的計劃,因為當資料模型輸入錯誤的資料時,就會產生偏差。
房貸金融巨擘 Fannie Mae (房利美)的企業監控、分析及報表總監 Jay Rudrachar 表示,以前,Fannie Mae 用獨立專案來實現人工智慧與機器學習。「但是這種方法不管用,我們必須退一步檢討作法」。
Rudrachar說,因此,十八個月前,該公司開始改採集中式、全企業的人工智慧策略,這套策略包括多個資料科學平台與資料湖泊,皆根據公司的商業需求所建立。他們人工智慧策略的統整作業,與轉移到雲端的改變同步進行。在此之前,該公司在伊利諾伊州的厄巴納市設立自己的資料中心,並在另一處地點設有緊急備援資料中心。
如今,在新的人工智慧策略下,Fannie Mae 使用Tableau提供的MicroStrategy人工智慧平台處理與顧客相關的資料,提升其保險、服務與證券事業的執行速度及準確度。針對公司內部營運,Fannie Mae 仰賴Moogsoft和Splunk來分析系統日誌與關鍵績效指標(KPI),以提升公司運作效能,並協助IT解決網路安全問題。他們同時利用 Blue Prism 的軟體,將商業流程自動化。
Rudrachar表示:「我們已經看見這項投資帶來的效益,其中之一是拆解既有的筒倉(silo),例如,IT部門有許多團隊,分別執行平台層面、營運層面與商業層面的IT工作,這些團隊各自維護自己的資料集,彼此之間無法共享資料。在機器學習與人工智慧的協助下,我們得以建立透明的系統,讓所有人都能看見其他領域的進展」。
如此一來,當事件發生時,人們可以更容易找出問題的根源,即使問題出自不同的系統或不同層面。他說:「這改變了遊戲規則,每間公司都應該這麼做(統整人工智慧策略),否則IT營運的效率將成為一大挑戰」。
擴大召集專案相關人員
人工智慧專案可能為企業帶來隱私、法規、偏見或道德問題,因此在執行人工智慧專案前,必須廣泛徵召企業內不同領域的人共同參與。
美國國際公司律師事務所 King & Spalding 的合夥人 Michael Shortnacy 表示:「通常,公司的重點放在企業目標,但是人工智慧技術可能帶來意想不到的後果」。
他建議,企業也應當邀請法律、法規、風險與其他專家,共同參與制定決策的過程。如果企業打算在客戶關係流程中使用人工智慧,就必須留意各種與法律及隱私相關的危險。在概念驗證專案裡,忽略隱私或者安全議題,是很常見的情形,當企業決定擴大專案規模時,這類輕忽就會造成嚴重問題。
資安業者 NCC Group 的研究主管 Jennifer Fernick 說:「這種現象可能導致巨大的法規風險,並為企業帶來財務風險。如果從一開始,就讓安全架構師與其他安全團隊代表參與專案,就能將安全性納入系統的設計考量」。
比起各部門關起門來獨立作業,安排所有相關人員同聚一堂,共同制定策略,更能促進確保策略涵蓋所有觀點。Fernick說:「讓不同部門、不同團隊各自運作,可能會漏掉重要的專案參與人員。專案可能缺少代表隱私權的領袖,或是缺少稱職的安全架構師」。
挑選合適的平台與合作夥伴
談到人工智慧策略的延展性,不只是挑選合適的雲端平台以促進成本效益成長,同時也代表著,採取不同方式分配人員,以及挑選正確的商業合作夥伴。
五年前,總部設在華盛頓特區的農業公司 Hello Tractor 啟動一項計劃,要成為「牽引機的Uber」,協助奈及利亞和其他新興市場的牽引機擁有者,與農夫連繫合作。該公司執行長 Jehiel Oliver 說:「一開始,我們採取非常簡單的敏捷管理,只有粗糙的預約系統」。
一年前,根據客戶的回饋,Hello Tractor 開始利用人工智慧,協助牽引機擁有者更有效地部署他們的牽引機和司機,減少計劃外的停工期與維護成本。他說:「我們的專案為牽引機擁有者帶來巨大的附加價值」。
和許多處於類似情況的公司一樣,Hello Tractor 決定尋求人工智慧專家的協助。Oliver說:「我們雇用了一些資料科學家。這是一塊高度競爭的人才市場,我們要找的人,不只要能駕馭人工智慧等先進科技,同時也要能接受我們的商業模型與工作地點。我們沒有矽谷的舒適辦公室,我們位在新興市場國家,工作是農業產業」。
當我們找到稱職的人才,接下來的問題是這些人力相當昂貴,他說:「我們的客戶對價錢非常敏感,我們不能把過高的成本轉嫁到客戶身上」。因此,該公司決定審視並找出不適合的人員。Oliver表示:「有個傢伙很棒,但是我們支付不起他的薪水,加上他在我們所需的才能當中只佔了一小部份」。
情勢迫使 Hello Tractor 採取更有創意的方法與合作夥伴打交道,以及他們必須提供給這些合作關係的條件。「有時候,傳統的溝通管道不管用」,Oliver如此說道,「有時候,必須深思熟慮才能找出方法,令具有強大能力的大型企業對非洲食物安全的新創公司產生興趣」。
Hello Tractor 把重點轉移聚焦在公司核心目標上,致使他們得以提供合作夥伴其他組織沒有的獨特價值-新興市場中有意義的工作價值。Oliver表示:「我們認為,我們給予合作夥伴一些獨特的內在價值。優秀的公司明白,他們的員工也想要做有意義的工作」。
他說,當 Hello Tractor 捨棄招募員工或是尋找商業合作夥伴的傳統方法,改將重心放在核心目標之後,事業的進展就變得容易許多。「我們不會協助IBM達到他們的季度目標。但是我們所有的合作夥伴,從IBM到 John Deere,皆明白這是在全新市場試水溫的機會,這塊市場具有高成長的潛力,同時也伴隨著高風險。身為先驅者,我們有能力協助他們管理風險。如果成功了,將帶來豐碩無比的成果」。