近十年裡，圍繞人工智慧的討論掀起了軒然大波，不僅是大型企業，還有中小型企業，都給予了更多的關注。

現在，人工智慧仍是商界討論的熱門話題，谷歌、Netflix、亞馬遜等巨頭都從人工智慧解決方案和機器學習演算法中獲益頗多。

預計到2025年，全球人工智慧市場將達到近1260億美元，這是一個巨大的市場。

企業正在努力採用人工智慧來開發其潛力，但也面臨著更多的挑戰。無數的商業實踐活動證明了整合人工智慧的重要性，人工智慧有利於企業的成功運營。

埃森哲的一份報告顯示，人工智慧可以使商業生產率提高40%，盈利能力提高38%。

然而機遇與挑戰並存，人工智慧給企業帶來的挑戰，使得進一步成功整合人工智慧變得難以實現。

Alegion的調查報告稱，近8 / 10的企業組織目前從事的AI和ML專案已經陷入停滯。研究還顯示，81%的受訪者承認用資料訓練人工智慧的過程比他們預期的要困難。這表明，對企業採用人工智慧的期望可能與現實不同。

以下是企業在實現人工智慧過程中面臨的7大挑戰。

1、資料的挑戰

人工智慧依賴大量的資料。然而，資料的數量、資料的收集、資料的標記和資料的準確性等起到關鍵的作用。

因為，對於成功的人工智慧解決方案，資料的質量和數量都很重要。AI需要大量的資料來實現最佳效能，並且需要一個精煉的資料集來實現精確的預測。

人工智慧模型只能按照所提供的資料標準執行，不能超出所提供的資料。

企業面臨著各種資料挑戰，讓我們從資料量開始分析。

·海量資料

人工智慧做出智慧決策所需的資料量令人震驚。雖然企業現在產生的資料比以前更多，但問題是，這些資料能滿足人工智慧的需求嗎?尤其是在考慮到隱私和安全問題，資料收集受到限制的情況下。

有關報告顯示51%的受訪者表示他們沒有足夠的資料。這對大多數企業的資料基礎設施提出了挑戰：他們目前的資料量是否滿足人工智慧模型?他們如何產生更多的資料?

企業需要獲取更多的可用的資料來匹配他們的AI模型需求。此外，使用精心建立的合成資料也很有幫助。

·資料收集

資料收集也會帶來相當多的問題。如不準確的答案、不充分的結論、有偏見的觀點和資料的不確定性等問題是影響人工智慧決策的主要因素。

Gartner預測，85%的人工智慧專案會由於資料、演算法、管理團隊等方面的問題而產生錯誤的結果。

還有，人工智慧對女性、有色人種等存在偏見，這引發了強烈抗議。然而，人工智慧並不是有意識的，它只是根據現有的資料做出判斷。所以這是人的錯，因為資料是人提供的，人會有偏見，會有成見。

資料收集的方式，限制了人工智慧可以使用的資料的豐富程度。因為收集的資料不能代表每個人，這導致人工智慧做出不準確的決定。

ML模型需要無錯誤的資料集提供準確的預測。企業必須採用有效的技術和流程來收集資料。

·標記資料

要使用AI模型，首先需要對資料進行標記、分類和校正。

人工智慧豐富的資料需求使得對資料進行有效標註變得困難，96%的企業遇到了訓練人工智慧模型所需的資料標註問題。

可以使用基於web的資料標記工具。例如，計算機視覺註釋工具(CVAT)，它可以幫助註釋影像和影片。

2、透明化的挑戰

簡單地說，人工智慧決策是利用ML演算法得出結論並進行預測。

對於複雜的人工智慧決策，企業將面臨黑盒問題，黑盒模型不清楚它是如何得出某個結論的，這導致了對人工智慧準確性的不信任和懷疑。

人工智慧決策背後的理由需要透明，以便與企業建立信任。其中，LIME方法對解決這個問題很有幫助。

3、勞動力的挑戰

非技術人員可能會發現人工智慧整合令人生畏，因為它的使用需要高技能培訓。因此，人工智慧在工作場所的無縫使用和常態化仍是一個難以實現的目標。

人工智慧的採用可能會在員工中造成混亂。像人工智慧的需求是什麼?如何使用這項技術?人工智慧將接管他們的哪些職責?

儘管人工智慧並不是敵人、也不是來取代人類的見解，但是人工智慧的角色仍然被誤解。企業一旦採用人工智慧，員工就會感到威脅和壓力。他們會覺得自己一直在和機器競爭，這會對工作氛圍產生負面影響。

讓員工整體瞭解人工智慧的採用對企業和他們意味著什麼，避免員工產生錯誤的思想或不安情緒。

4、專業知識的挑戰

專業知識匱乏是企業採用人工智慧的一個主要挑戰。因為很難僱傭到合適的人才，大多數採用者不知道涉及人工智慧的技術細節。

根據德勤對全球人工智慧早期採用者的研究，68%的人表示存在中度到嚴重的人工智慧技能匱乏。

人工智慧是一項不斷髮展和進步的技術，人工智慧技能集的匱乏是阻礙企業成功採用人工智慧解決方案的原因之一。

德勤表示，根據目前的供需情況，到2024年，美國預計將面臨25萬名資料科學家的短缺。

成功採用人工智慧的一個先決條件是僱用資料科學家。然而，僱傭人工智慧方面的人才是一個挑戰。此外，企業也可以外包其人工智慧專案，使用不需要資料科學家的人工智慧平臺。

當然，資料科學家的培養離不開教育行業，人工智慧的成功應用需要這方面的教育資源和人才儲備。

5、期望超越了現實

無可厚非，人工智慧為企業帶來的無限可能帶有很多炒作。當企業盲目跟風或過於樂觀時，他們的期望超越了現實。

公司的業務究竟需要什麼樣的人工智慧解決方案?要知道人工智慧也不是萬能的，它並不能為你的業務做所有的事情。不幸的是，許多企業在沒有藍圖的情況下就加入了人工智慧的行列。企業的人工智慧商業策略是否與其當前的商業目標相一致?企業採用人工智慧應該做好哪些準備?

商業技術和資料基礎設施的現有能力和專業知識等因素對於成功地構建人工智慧模型至關重要。如果這部分基礎薄弱，缺乏必要的效率，那麼理想很豐滿，現實很骨感。

6、用例的挑戰

對人工智慧的用例進行優先順序排序是企業在採用人工智慧時面臨的共同挑戰之一。

AI的應用市場是巨大的，但是從中選擇最重要的優先用例，企業發現很難抉擇。

Gartner的一項調查顯示，人工智慧主要用於提升客戶體驗或打擊欺詐。

一開始為了穩妥和試驗，企業將人工智慧限制在業務的一小部分，這對企業收入的影響非常小，甚至無法看到人工智慧在商業中的投資回報率(ROI)。

根據IDC的資料，基於2019年的市場份額，人工智慧的頂級應用案例是自動化客服代理、銷售流程自動化以及情報和預防系統的自動化。

7、預算的挑戰

並非所有企業都有足夠的資源投資人工智慧模型。

《哈佛商業評論》(Harvard Business Review)的一份報告顯示，40%的高管表示，人工智慧專案的一個障礙是專業技術和專業人員過於昂貴。

小型企業可以利用免費和付費的簡單人工智慧解決方案，但是大型企業希望建立適合其業務用例的定製解決方案。對於那些希望建立定製解決方案的企業來說，必然會遇到預算問題。

此外，企業軟體供應商和雲服務供應商提供準備就緒的人工智慧服務，以最大限度的降低基礎設施成本。

結論

儘管採用人工智慧對企業來說是一個挑戰，但絕對值得努力，人工智慧的發展及其應用是大勢所趨。

隨著時間的推移，人工智慧將變得更加規範化和智慧化，這些挑戰將不再成為障礙。

在投入時間和金錢之前，讓你的企業準備好迎接人工智慧即將帶來的變化和顛覆是至關重要的。

每個人都有各自的工作習慣，讓員工從傳統的工作習慣中跳出來，學習採用人工智慧是一種挑戰，因此企業需要制度一個有計劃的策略。

最後，嘗試在你的業務核心部分應用人工智慧，將有助於跟蹤和評估人工智慧實現的ROI，從而讓你更清楚地瞭解人工智慧的貢獻。

【原文標題：Challenges of Adopting AI in Businesses，原文作者：Mufeedah Abdulsalam】
文章轉載自51CTO，本文一切觀點和視覺計算無關

企業應用人工智慧面臨的挑戰

相關文章