让人工智能付出代价

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未来说面试在美国，关键在于认识到这既是一个技术问题，也是一个文化和行为问题。

Agarwal很好地分享来自AI的绘制价值的智慧。作为瑞典斯德哥尔摩王皇家理工学院的博士学位，他正在研究AI如何与客户改造价值感知并扰乱现有的商业模式。他目前的雇主Piab专注于自动化过程组件，用于抓握，提升和移动应用。bob电竞官方公司名称受到创始人对数学公式PI的热爱的启发的事实，建议它是AI和数据驱动的业务转型的肥沃地面。

基于Yamashita爱子在我们的第一个Future Says中提出的许多想法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。

对于agarwal，行动胜于雄辩。任何AI卓越中心都应该是为了创造“端到端原型，而不是PowerPoints”的推动。超越概念证明的决心是另一个重要的心态。为了从他们的同事赢得买入，数据科学团队还需要展示来自新应用的有形回报。bob电竞官方在这方面，相对谦虚的，增量的收益远比过于雄心勃勃的蓝天项目更强大，这是未能履行其承诺的。在商业领域，阿拉威尔认为，理想的AI发展在数周，而不是数月。

和山下一样，他对如何成为一名优秀的数据科学家有一些有趣的想法。Agarwal当然认为这是企业需要解决的另一个重要问题。对卓越的数据科学中心的投资，将永远需要为任何转型提供基础。但最终，数据科学和数据驱动技术的见解应该嵌入整个业务。在实现这些目标的过程中，企业不应期望在更广阔的就业市场上找到大量可用的人才。相反，重点应该是为自己培养这种才能，并拥抱民主化的原则。公民数据科学家的时代已经真正到来。

阿加瓦尔很清楚，没有灵丹妙药。对于每个组织来说，转型将是一个旅程，而不是一个快速的解决方案。但他同样相信，有必要采取紧急措施。“没有正确的开始时间。”当务之急是行动起来，而不是寻找那个完美的时刻。没有任何明显的变革障碍是不可逾越的。最终，最重要的步骤就是开始迁移到数据主导方法的步骤。

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可以提供的。《未来说》第二季将于9月开播。请在这里注册为更新。