我们如何让人工智能(AI)赚钱?一个贝恩公司最近的调查显示这表明绝大多数企业还没有找到正确的答案。显然，超过五分之四的公司高管仍对他们推出人工智能技术的方式以及从中获取价值的方式不满意。考虑到人工智能、机器学习(ML)和数据科学投资的持续势头，坦率地说，这是一个令人震惊的统计数字。但正如Piab首席数字和信息官吉里什·阿加瓦尔(Girish Agarwal)在一篇文章中解释的那样这个未来说面试，关键在于认识到这是一种文化和行为的问题，因为它是技术的。

阿加瓦尔很适合分享从人工智能中获取价值的智慧。作为瑞典斯德哥尔摩KTH皇家理工学院(KTH Royal Institute of Technology)的博士研究员，他正在研究人工智能如何改变客户的价值感知，并颠覆现有的商业模式。他目前的雇主Piab专注于抓取、提升和移动应用的自动化过程组件。bob电竞官方公司名称的灵感来自创始人对数学公式Pi的热爱，这表明它是人工智能和数据驱动业务转型的沃土。

在我们的第一个未来的Aiko Yamashita提出的许多想法上都说面试阿加瓦尔强调了在人、数据和技术之间建立正确关系的必要性。企业和组织应该考虑如何最好地说服他们的员工(和怀疑论者)，使他们相信一个完全不同的方法的真实性。毫无疑问，实现数据驱动的革命不仅涉及新技术，还涉及捕捉和交付价值的创新商业模式。

对阿加瓦尔来说，行动比语言更响亮。任何优秀的人工智能中心都应该以创造“端到端原型，而不是ppt”的愿望为动力。决心超越概念验证是另一个重要的心态。为了赢得同事的支持，数据科学团队还需要证明新应用带来的切实回报。bob电竞官方在这方面，相对温和的增量收益远比雄心勃勃、不切实际、未能兑现承诺的项目强大。在商业领域，阿加瓦尔认为，理想的人工智能发展是数周，而不是数月或数年。

就像Yamashita一样，他对良好的数据科学家有一些有趣的想法。Agarwal肯定认为企业解决的另一个重要问题。在数据科学卓越中心的投资总是需要提供任何转型的基础。但是，尽管如此，数据科学和来自数据驱动技术的洞察力应该嵌入整个业务中。在实现这些目标方面，企业不应该指望在更广泛的工作市场中找到一个大量的人才。相反，重点应该是为自己建立人才，并拥有民主化的原则。公民数据科学家的年龄良好，真正到达。

agarwal很清楚，没有魔法子弹。对于每个组织，转型将是一个旅程，而不是快速修复。但他同样深信需要紧迫性。“没有适当的时间开始。”优先级而不是寻找那个完美的时刻，而是简单地移动。改变的明显障碍都不是不可逾越的。最终，最重要的步骤是简单地开始迁移到数据LED方法的步骤。

如果阿加瓦尔的观点引起共鸣，那么他的采访和牛郎星的采访都在进行未来说系列有很多东西要提供。未来的两系列会在9月开始踢掉。请注册在这里更新。