AI賦能企業(yè)數(shù)字化應(yīng)用，將面臨哪些“坑”？
近兩年來，隨著AI技術(shù)的不斷發(fā)展，許多傳統(tǒng)企業(yè)的數(shù)字化轉(zhuǎn)型進(jìn)程得到了推動(dòng)。
但在實(shí)際落地過程中，可以看到AI與業(yè)務(wù)的融合，通常是“雷聲大，雨點(diǎn)小”。
很多先進(jìn)技術(shù)對(duì)企業(yè)的業(yè)務(wù)影響，總是“隔靴搔癢”，讓業(yè)務(wù)方對(duì)智能技術(shù)的實(shí)際價(jià)值猶豫不決！
有些人說，AI浪潮就像二十年前的因特網(wǎng)一樣，很快就席卷了各個(gè)行業(yè)。但是這一過程，也許比想象的要長(zhǎng)。
造成AI落地阻力的原因有很多。
一是技術(shù)本身的特點(diǎn)。
在互聯(lián)網(wǎng)時(shí)代，數(shù)字技術(shù)主要解決業(yè)務(wù)在線化的過程。所有的業(yè)務(wù)活動(dòng)都是先在物理世界中定義，然后在數(shù)字系統(tǒng)中“再現(xiàn)”。
比如在一個(gè)合同審批流程中，之前的線下部門審核或者是哪個(gè)部門審核，只是無紙化，所有的領(lǐng)域模型和決策判斷都沒有根據(jù)。
盡管引入了互聯(lián)網(wǎng)技術(shù)，但這一事務(wù)仍然是由人完成的，只影響流程效率，不影響流程結(jié)果。
但是AI技術(shù)在業(yè)務(wù)中的引入是不同的，事務(wù)的處理方式發(fā)生了變化，執(zhí)行主體由人變?yōu)闄C(jī)器。
然而，大多數(shù)AI技術(shù)的底層技術(shù)模塊都是圍繞密集向量計(jì)算的“黑盒”推理邏輯，這使得AI輸出結(jié)果極其不可控，對(duì)應(yīng)的結(jié)論可解釋性較差。
比如很多自媒體平臺(tái)會(huì)根據(jù)用戶的行為日志“限制流量”，當(dāng)客戶覺得莫名其妙的“委屈”，想向平臺(tái)投訴時(shí)，即使是官方客服也往往很難給出滿意的解釋。 ...
在企業(yè)應(yīng)用中，AI技術(shù)會(huì)引入對(duì)流程的“失控感”，大多數(shù)公司都討厭風(fēng)險(xiǎn)，甚至比成本更敏感。當(dāng)AI技術(shù)落地到實(shí)際業(yè)務(wù)應(yīng)用中時(shí)，它的準(zhǔn)確性門檻非常高。
為了達(dá)到特定的算法準(zhǔn)確性，需要投入大量的R&D成本。當(dāng)R&D成本大于長(zhǎng)期人工成本時(shí)，公司將放棄這個(gè)“AI替代”項(xiàng)目。
所以，盡管理論上很多AI技術(shù)也可以替代業(yè)務(wù)，但是經(jīng)濟(jì)賬戶并不劃算，最終也會(huì)很難落地。
第二，責(zé)任和倫理問題。
這個(gè)話題在AI技術(shù)的發(fā)展中已經(jīng)討論過很多次了，這里就不贅述了。缺乏責(zé)任會(huì)導(dǎo)致很多問題，比如組織考核激勵(lì)失衡、風(fēng)險(xiǎn)控制失衡、利益分配失衡等等。
第三，“長(zhǎng)尾需求”。
目前大部分AI技術(shù)都依賴于一定規(guī)模的可見數(shù)據(jù)集訓(xùn)練，但在實(shí)際業(yè)務(wù)中，零樣本、小樣本的問題數(shù)不勝數(shù)。
比如上過班的人都知道，他們每天處理的大部分事情都是從未見過的“坑”。世界是一個(gè)草臺(tái)團(tuán)隊(duì)，沒有那么多規(guī)范標(biāo)準(zhǔn)的事情要處理。
當(dāng)大多數(shù)業(yè)務(wù)問題都是非標(biāo)準(zhǔn)化的，幾乎沒有見過的時(shí)候，AI很容易失敗。在這種情況下，AI技術(shù)的服務(wù)效果并不像“人”那樣敏捷靈活。
第四，“業(yè)數(shù)結(jié)合”難度大。
傳統(tǒng)業(yè)務(wù)從業(yè)者很容易理解互聯(lián)網(wǎng)，但理解AI技術(shù)的門檻更高。與其他傳統(tǒng)業(yè)務(wù)領(lǐng)域相比，AI技術(shù)從業(yè)者的專業(yè)芥蒂更大。
因此，業(yè)務(wù)人員缺乏對(duì)AI技術(shù)能力邊界的基本認(rèn)知和判斷，使得AI產(chǎn)品R&D團(tuán)隊(duì)難以有效地與業(yè)務(wù)人員就解決方案達(dá)成一致。
AI技術(shù)可能很難實(shí)現(xiàn)很多業(yè)務(wù)人員認(rèn)為可以簡(jiǎn)單做到的事情；另一方面，一些看似難以完成的業(yè)務(wù)任務(wù)可能已經(jīng)被AI解決了。
這主要是因?yàn)槿撕蜋C(jī)器解決業(yè)務(wù)問題的底層機(jī)制不同，所以非AI領(lǐng)域的人很難客觀評(píng)價(jià)AI的能力或者理解AI的輸出行為。
也正是因?yàn)槿绱耍P(guān)于AI應(yīng)用的討論通常是不愉快的。面對(duì)過高或過低的期望，業(yè)務(wù)方和技術(shù)方之間很容易產(chǎn)生不信任，進(jìn)而影響良好的“AI“發(fā)現(xiàn)和落地需求。
本文來自微信微信官方賬號(hào)“大話數(shù)字化轉(zhuǎn)型”（ID：dataminingxmz），作者：數(shù)字劉老師，36氪經(jīng)授權(quán)發(fā)布。
本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽碓醇白髡呙帧?/p>
免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com