如今，有許多事情讓企業(yè)管理者日夜操勞，無論是經(jīng)濟環(huán)境還是市場環(huán)境，有時看起來將會進一步惡化，還有消費者不斷變化的需求對企業(yè)施加的無情壓力。但是人們忘了一件事：技術(shù)。

也許最為相關(guān)的是，技術(shù)的快速發(fā)展不斷顛覆組織開展業(yè)務(wù)的方式，這足以讓企業(yè)管理人員失眠。無可否認，如果企業(yè)未能跟上發(fā)展步伐，將不可避免地落后于競爭對手。這將成為進化或消亡的市場案例。

這個領(lǐng)域的主要參與者之一是人工智能（AI）。并且成為行業(yè)媒體時常提到的流行術(shù)語之一。許多企業(yè)仍在尋求采用人工智能以獲得更多的商業(yè)利益、更高效的運營以及向客戶提供新產(chǎn)品和服務(wù)。但是，他們是否采取了實現(xiàn)這些目標所需的最佳方法？

對于那些尚未通過人工智能取得成功的企業(yè)來說，即使是開始踏上旅程，也很容易對他們的競爭對手的領(lǐng)先地位感到失望。他們經(jīng)常以絕對主義的觀點看待人工智能：要么擁有跨組織的全自動系統(tǒng)，要么根本沒有。

但人工智能并不是非此即彼的二元化技術(shù)：成功的應(yīng)用程序可以建立在規(guī)模較小的、成功的項目平臺上，這本身就是試驗和錯誤的結(jié)果。與其盡快在整個企業(yè)中推出人工智能，不如嘗試在較小規(guī)模上提供真正好處的舉措，這樣更有效。

這并沒有改變這樣一個事實，即成功的人工智能項目將面臨多個障礙，但這些問題并不是不能克服的。然而，組織必須了解他們需要克服哪些困難才能開發(fā)和交付解決實際業(yè)務(wù)挑戰(zhàn)的項目。

人工智能面臨的主要挑戰(zhàn)

今年早些時候，O＇Reilly公司向3，000多名商業(yè)受訪者詢問了他們對人工智能和深度學習的準備情況，其中包括采用必要的工具、技術(shù)和技能。

特別值得注意的是調(diào)查中顯示的人工智能技能差距。缺乏人才被認為是成功實施人工智能項目的最大瓶頸，五分之一的受訪者這么認為。這在人工智能項目中尤其重要，因為從頭開始構(gòu)建此類應(yīng)用程序依賴于端到端數(shù)據(jù)管道（包括數(shù)據(jù)提取、準備、探索性分析以及模型構(gòu)建、部署和分析）。

然而，企業(yè)所需要的不僅僅是技術(shù)人才。他們還要求有商業(yè)頭腦的人才根據(jù)人工智能提供的數(shù)據(jù)和洞察力做出戰(zhàn)略決策。

深度學習仍然是一種相對較新的技術(shù)，它尚未成為工業(yè)數(shù)據(jù)科學家使用典型算法集的一部分。那么誰來做這項工作？人工智能行業(yè)人才匱乏，人工智能項目的增加意味著人才庫可能會變得更小。企業(yè)需要認真解決技能差距。這可能包括聘用外部顧問，內(nèi)部開發(fā)和培訓必要的技能——例如通過使用在線學習平臺。

在調(diào)查中，大多數(shù)企業(yè)（75％）表示他們的公司正在使用某種形式的內(nèi)部或外部培訓計劃。幾乎一半（49％）的企業(yè)表示為員工提供內(nèi)部在職培訓，而三分之一（35％）的企業(yè)表示采用來自第三方的培訓或來自個人培訓顧問或承包商的培訓服務(wù)。

而在另一方面，人工智能的商業(yè)理由要求企業(yè)管理層識別用例，并找到每個特定項目的贊助商，確保提供明確的商業(yè)案例。

數(shù)據(jù)的作用

成功項目的另一個關(guān)鍵挑戰(zhàn)是確保所使用的數(shù)據(jù)完全準確并且是最新的。機器學習和人工智能技術(shù)可用于全部或部分自動化許多企業(yè)工作流程和任務(wù)。由于這些技術(shù)依賴于從一系列新的外部資源，以及不同內(nèi)部業(yè)務(wù)部門持有的現(xiàn)有數(shù)據(jù)集中提取信息，因此顯然必須對這些數(shù)據(jù)進行適當標記。

此過程的第一步是確定哪些任務(wù)應(yīng)優(yōu)先考慮自動化。人們所問的問題包括任務(wù)是否是數(shù)據(jù)驅(qū)動的？是否有足夠的數(shù)據(jù)來支持任務(wù)？以及計劃交付的項目是否有業(yè)務(wù)案例？

企業(yè)必須記住，雖然采用人工智能和機器學習技術(shù)可以更加輕松地工作，但是為了最大限度地利用它們，需要將它們調(diào)整到特定的領(lǐng)域和用例，可能涉及諸如計算機視覺（圖像搜索和對象檢測）或文本挖掘之類的技術(shù)。經(jīng)常調(diào)整這些技術(shù)對于提供準確的洞察力是必不可少的，這需要精確地標記大型數(shù)據(jù)集。

首席數(shù)據(jù)官（CDO）是解決數(shù)據(jù)挑戰(zhàn)的關(guān)鍵。首席數(shù)據(jù)官（CDO）負責考慮獲取數(shù)據(jù)、數(shù)據(jù)治理以及為有用目的轉(zhuǎn)換數(shù)據(jù)的端到端流程。技術(shù)熟練的首席數(shù)據(jù)官（CDO）可以幫助確保人工智能計劃提供全部功能。

引入深度學習

回到調(diào)查研究，四分之三的受訪者（73％）表示他們已經(jīng)開始使用深度學習軟件。 TensorFlow是受訪者最受歡迎的工具，其中Keras位居第二，PyTorch排名第三。其他框架如MXNet、CNTK和BigDL也有越來越多的受眾。人們希望所有這些框架，其中包括那些現(xiàn)在不太受歡迎的框架將會繼續(xù)添加用戶和用例。

最終，每個企業(yè)都能夠成功實施人工智能，憑借決心和適當?shù)呐嘤柾顿Y水平，人工智能將會蓬勃發(fā)展。但是，從一開始就制定明確的目標對于企業(yè)非常重要。在此過程中，需要確保團隊擁有適當水平的專業(yè)知識和技能，以使企業(yè)在應(yīng)用人工智能方面邁出成功的第一步。