AI /自动化
将人工智能在高科技中的应用推向主流
高科技行业一直是人工智能(AI)的领先者，以至于它影响了大多数其他行业的数字化转型趋势。雷竞技足球科技巨头不仅在构建人工智能解决方案，他们还在收购较小的人工智能公司，以构建更多的功能，并在IT部门之外、我们的办公室、医院和家庭中寻找新的用例。然而，根据领先的研究报告，与其他数字化努力相比，这些公司在整体人工智能应用方面仍然落后。
本文试图找到高科技产业失败的因素，而行业可以采用的最佳实践鼓励主流采用。
人工智能在高科技领域未开发的潜力
它已经近七十年了，因为艾伦图灵首先设想了一个“思维”的机器，可能会与人类互动无法区分的人类进行对话。从那时起，AI已经看到了几个冠星和低谷。过去二十年来，自IBM的深蓝色击败世界国际象棋冠军，加里卡斯帕罗夫，可以被视为艾丽的黄金时代的开始。
麦肯锡全球研究所报告题为《人工智能:下一个数字前沿》(Artificial Intelligence the next Digital Frontier)的文章指出了高科技产业在人工智能应用方面的领先地位。这些年来，领先的科技巨头和数字原生公司，包括谷歌、苹果等，都在人工智能领域投入了数十亿美元。这包括投资强大的超级计算机，专门的团队来构建高度复杂的算法，以及支持机器学习的数据技术。
毫不奇怪，数字本地组织已成为主要提供商以及AI技术的最大消费者。对于数字原生组织，技术不仅仅是一种推动者，而是初级驾驶员，而不管他们所属的部门如何。例如，特斯拉更像是一家技术公司，而不是汽车公司。Airbnb，Uber，Netflix等公司是相同的，这些公司在过去几年中，这些公司的大部分公司都在始终如一地在其企业中采用AI和自动化，尽管它们处于进化之旅的不同阶段。然而，当我们看待今天AI与其巨大潜力的实际影响时，进展令人失望。
人工智能在高科技领域的失败
尽管人工智能持续发展，但我们发现它的实际使用率并不高，与宣传和投资的比例也不相称。造成这种差异的原因有几个。其中一个原因是，高科技行业对人工智能的大量投资都被用于改善内部绩效，而不是客户或业务方面。在某些情况下，无法证明业务影响也会导致涉众缺乏兴趣。大多数公司都停留在发展的第一或第二阶段，无法向前发展。同时,人工智能不可能孤立地蓬勃发展，除非它得到庞大的计算能力、强大的分析和大量高质量数据的支持。它们的吸收相对较低影响了人工智能的采用。
人工智能项目缺乏联合业务和IT赞助，这是人工智能应用的一个重要障碍。复杂的业务案例需要跨多个功能/组织边界的多个涉众的参与。
有时，威慑与AI技术本身都没有。例如，人们可能会抵制AI采用，因为他们对自己产生影响的能力并不充满信心。他们甚至可能担心由于采用人工智能而失去工作。在某些情况下，缺乏文化一致可能会阻碍采用。组织可能没有准备好迎接变革。也可能只是缺少一个倡导创新的有远见的领导者。
成功AI项目的最佳实践
一般来说，这里有一些考虑因素可以帮助运行成功的高新技术产业倡议：
正确的问题
围绕自动化战略、技术解决方案、人工智能治理提出正确的问题是非常重要的，例如:
- 你们计划如何运作你们的机器人过程自动化(RPA)卓越中心?
- 你如何使用人工智能来实现企业中的人类?
- 你将如何将RPA集成到你的IT生态系统中?
时机
何时实施AI的清晰度对自动化结果产生了巨大影响。更改管理以确保对标准操作程序的更改及时完成，并通过相关团队或部门在地面上有效采用自动化是一个重要的成功因素。
清晰的图片
明确定义范围和对成本有一个清晰的视野是至关重要的。类似地，拥有一个要自动化的流程列表，实现成本的估计，以及对诸如生产率、降低错误率、客户体验改进、监管好处等指标的确认，这些都是业务案例的关键。
彻底了解受影响的应用程序，提供机器人ID，机器人访问的政策例外，开发中的基础设施，测试和证明环境也至关重要。
未来准备
组织应该有适当的程序和控制，以仔细评估由于自动化而导致的业务流程中的变化需求。此外，需要协调过程以促进自动化。流程越标准化，自动化带来的好处就越好、越高。
涉众买进
有时，如果过程所有者和他们的团队不全心全意地接受它，即使它是完全自动化的，过程也可能不会产生预期的结果。客户购买也是过程的一个重要部分，因为自动化的某些方面将需要访问ERP和IT系统模拟作为最终用户。此外，在客户端网络中托管解决方案可能是一个挑战，除非有客户端参与。
结论
今天，像Siri和Alexa这样的聊天乐队是我们日常生活的一部分。IT自动化正在成为企业领域的积极领域，以处理安全问题，生产管理和用户技术问题。自然语言，面部和语音识别技术正在涌现为许多AI应用的骨干。
随着人工智能在用户中获得越来越多的接受和舒适，对人工智能支持产品的需求将会增加，并推动更多的采用。高科技公司可以在这里找到巨大的机会，以推动新的收入流，并实现客户体验的新维度。然而，除非有一个有意识的努力来解决这些挑战，主流的大规模采用在很长一段时间内都不会成为现实。
