许多企业急于采用人工智能，但由于战略不力而失败。这篇文章是您成功的首选剧本。
图片由作者提供
如果人工智能不存在怎么办？在某种程度上，这种技术风潮并没有席卷整个行业。
对于唯一核心关注点是通过利用技术推动业务增长的企业领导者来说，首先想到的是客户——我们为谁服务？谁是我们的受众？他们想要/期望从我们这里得到什么？
第二个想法是——他们的痛点。他们需要什么，没有人，甚至没有竞争对手在服务？
以客户为中心的业务战略然后开始了一系列问题，这些问题一旦得到解决，将为企业的成功奠定基础。
是什么让客户的生活更轻松？是什么让他们获得了无缝体验？他们没有得到充分满足的需求是什么？因此，开始了发现达到目的的方法的道路——也就是技术。
值得注意的是，我们还没有讨论人工智能。列出业务战略、杠杆和特权是决定“解决什么”和“为谁解决”的最关键和最重要的步骤。
此后。随之而来的是“如何解决”的问题。人工智能是解决这个业务问题的好解决方案吗？
在这个关头，企业需要一个框架来决定人工智能适合哪些用例。这就是我的建议——“PRS”框架。它代表“大规模重复的模式”。
图片由作者提供
模式让我们举个例子来内化这个框架：
例如，出租车服务提供商确保以具有成本效益的价格为出租车司机提供服务，这考虑了各种因素——
可用司机库与出租车请求者的接近程度到目的地的距离与出租车司机相比，由于出租车请求者更多，需求高峰导致价格飙升据报道，出租车请求者手机的电池电量较低可能表明票价上涨。这向出租车服务提供商发出了一个信号，即手机电池电量不足可能会增加出租车请求者的胃口，因为紧迫感而为相同的行程支付更多费用。出租车的可用性和价格也因常规与高级出租车服务、一天中的小时或不利的天气条件等因素而异。
图片由作者提供
所有这一切，同时确保出租车司机得到足够的激励，以继续丰富客户体验。
因此，我们了解数据模式。
大规模重复接下来是可重复性——所有这些数据属性对每个出租车请求者和跨地域的每次乘车都是重复的，这不可避免地导致了我们的最后一点，即规模。
想一想，如果有一个手动或非人工智能的工作流程来解决这个计算量很大的业务案例，这个问题将变得多么难以实现。
数据策略在建立了商业思维之后，我们确定了通过人工智能解决的问题，让我们把所有的注意力都放在数据上。毕竟，数据是推动所有人工智能算法成功的核心引擎。
我也有一个框架——AAA，它代表可用性、可访问性和授权。考虑一下：
我有数据吗？Vs.我有详尽的数据吗？
这两种说法之间有一个微小但至关重要的区别。
仅仅拥有数据是不够的。人们需要对现象进行建模所需的所有数据，以确保模型看到人类专家也能看到的所有属性。因此，数据可用性是关键。
其次是数据可访问性。拥有数据是一回事，但能够轻松访问数据又是另一回事。构建数据管道以确保无缝数据访问非常重要。
到目前为止，我们已经涵盖了很多领域来获得数据，但是如果我们不被允许将数据用于模型训练或分析目的呢？
这是大多数组织失误的地方。确保获得必要的授权，甚至更好的是，仅使用具有所需权限的数据。
在数据战略的3A中，还有一个问题没有得到解答，那就是业务、数据和人工智能战略之间的顺序或顺序是什么？
这么多策略!!在很大程度上，人工智能战略始终是业务战略的一个功能，并与数据战略保持一致。谨慎的做法是继续研究 AI 用例，同时保持 3A 数据的进展。
与 AI 项目的迭代性质类似，AI 路线图需要不断完善，同时准备和增强数据基础设施，以最大限度地发挥组织内 AI 技术的潜力。
持续分析和跟踪关键绩效指标 （KPI），例如准确性、效率和投资回报率，以定期评估 AI 计划的状态，以衡量其有效性并确定需要改进的领域。
额外提示由于缺乏及时的沟通，大多数人工智能项目和战略都受到了影响。执行里程碑检查并积极征求利益相关者（包括最终用户和业务领导者）的反馈至关重要。所有成功的 AI 项目都会通过反馈经历几个迭代周期，从而为现有模型的调整和增强或新用例的开发提供信息。
此外，这些模型不仅开发了一次，而且再也没有回头看过。业务优先级完全有可能随着时间的推移而发生变化，这也必须反映在人工智能战略和实施中。
Vidhi Chugh 是一位人工智能战略家和数字化转型领导者，致力于产品、科学和工程的交叉领域，以构建可扩展的机器学习系统。她是一位屡获殊荣的创新领袖、作家和国际演讲者。她的使命是使机器学习民主化，并打破行话，让每个人都成为这一转型的一部分。
原文标题：The Ultimate AI Strategy Playbook
原文链接：https://www.kdnuggets.com/the-ultimate-ai-strategy-playbook
作者：Vidhi Chugh
编译：LCR
