人工智能对内部的颠覆

人工智能已成为高管和董事会的必要话题。告诉我一个行业，我就会告诉你人工智能的应用，人工智能已抓住了管理层的注意力，吸引了预算和人员（通常来自不太有吸引力的项目）。在医疗领域加快疾病诊断速度，在金融服务领域降低风险行为，在能源领域减少碳足迹，或使用客户自己的语言回应帮助请求－－所有这些工作都提供了令人信服的业务和社会价值，呈现出有前景的新市场，竞争优势，以及颠覆性。

管理者不愿意，通常也不想听到的是来自内部和外部的颠覆。初期的人工智能工作会影响员工士气，产生惰性并导致员工流失。

我们一贯的做事方式

新技术通常会带来新的交付流程。您的IT团队以其敏捷性为荣，但仍对技术交付进行严格的监督，通常通过同行评审来发送代码，以及通过敏捷开发来攻克复杂的功能。

但AI交付通常有自己的规则。某个制造业客户发布了一个8阶段的开发结构，该结构已成为高级分析部署工作的标准。数据准备、算法测试、培训和优化模型．．．．．．虽然每个阶段都设计得灵活，但整体过程会变得笨拙。

新的AI项目经理重新设计了交付流程，发布了三个阶段：（1）准备和构建；（2）培训和优化；（3）测试和部署。每个人的工作职能都被挤进了三个阶段之一。AI经理采用了Amazon Sagemaker，这是一个包含关键功能的开发框架，无需进行手动数据准备和A－B测试等步骤。开发人员开始说道，他们的技能正在被商品化。

这不仅仅是IT领域。一家中型银行的风险经理被要求放弃他们的传统分析工具，转而相信一种可以批准或拒绝信用申请的“黑匣子”算法。他们无法再控制被算法收集的数据。相反，人们希望风险经理能接受信贷可靠性建议，而不能解释为何做出了这些决定。一位陷入困境的抵押贷款分析师表示，“我有一个‘黄金级’客户被拒绝提供汽车贷款，”我不得不向他的私人银行家解释原因。但我无法证明该决定是正确的。她也无法向这位客户解释被拒绝的原因，最后该客户在其他地方办理了这一业务。”

未制定计划

新技术带来了新的交付机制。通常是带来新的工作角色或组织结构。与技术本身一样，应对这些变化进行有效性测试，并进行调整以确保它们在现有流程中能正常运行。

倡导人工智能项目的管理者往往迷恋所谓的“臭鼬工厂”，以证明某个解决方案的有效性。这些项目可以快速从试验项目变为批准项目，可将替代团队正式化并在项目测试之前对框架进行记录。

实际上，人工智能会产生意想不到的连锁反应。管理者应该意识到人工智能工作引起的内部变化，并在计划中考虑这些因素：

新的组织结构。 AI团队或工作组是否应与现有分析团队或能力中心分开？行政管理是否也会有所不同？准备好解释原因。

需要新人才。许多开发人员希望使用新兴的AI解决方案。习惯于高假设分析的技术人员可能缺乏AI开发技能。您是否愿意对现有员工进行培训，还是重新招聘新人？

坚持现有的成功指标，或放弃这些指标。在许多公司，交付时间是关键业绩指标。但您可能愿意暂时放弃速度以获得新流程和工具集的全面教程，从而降低风险。在更为关注传统措施之前，要知道权衡利弊。

新投资。您想在AI的开发框架、自动化和测试中投入多少时间和资金？您如何向审批资金的高管来解释这一工作？

现有工具或工具包已过时。AI算法可能比过去十年中使用的欺诈预测工具集更准确。你愿意用新的工具替换旧的吗？您将如何管理那些用户，他们不愿放弃使用自己所钟爱的软件？他们会参与该决定吗？

描述目标。尽管他们大肆炒作，AI项目仍受到许多假设的影响。使用卷积神经网络通过数字图像诊断皮肤病变与测试无监督学习以寻找意外相关性是非常不同的。传达目标，即使这只是在学习新东西。