人工智能(AI)方法，技術和解決方案的應用代表了人們與信息交互方式的根本轉變，以及政府機構改善成果的巨大機會。但是，常見的誤解是AI是“即插即用”的。根據麥肯錫的研究，也許正因為如此，只有8%的公司使用能夠有效采用AI的實踐。

因此，這里有一項針對AI就緒性的測試，我們稱之為“ AI的6大支柱”。這些支柱確保完成的AI產品可以提供：適合其用戶的解決方案，以及對整個組織具有持久的價值。

當組織將所有功能集中在使用AI上時，AI最為有效?；陧椖康腁I占有一席之地，但是組織從將AI視為一種工具轉變?yōu)閷⑵湟暈橐环N廣泛的方法論，就越能實現AI的希望。

因此，在每個AI項目中，我們建議使用這6條AI支柱，以確保開發(fā)的解決方案和進行的轉換能夠實現廣泛的組織目標并為組織帶來持久價值。成功采用AI和項目的6大支柱

1.人工智能只有在有所改善的情況下才有價值

考慮到所需的結果和所需的投資，人工智能是解決問題的最佳方法嗎?

當前，AI是政府IT領域的熱門話題。它令人興奮，被認為具有前瞻性，并且通常看起來明亮而有光澤。這導致組織陷入困境，因為沒有對AI如何帶來廣泛而持久的價值進行深入分析。

組織應該問的第一個問題是：

您想完成什么?您如何想象AI可以幫助您實現該目標?

組織應該問的第二個問題是：

基于該目標，實施AI的成本是否可以接受?業(yè)務影響值得付出業(yè)務成本嗎?

AI的成本遠遠超過其標價。為了真正發(fā)揮AI的潛力，要真正采用AI，就必須改變組織的文化，愿景和戰(zhàn)略。這種廣泛的轉型既不容易也不便宜，因此在制定AI戰(zhàn)略或規(guī)劃AI收購時需要考慮到這一點。

2.人工智能只有在增強人類功能時才有價值

使用AI的過程是否比舊的做事方法容易?

盡管應該讓AI使工作更輕松，更高效，但是組織應該仔細評估提議的解決方案將如何實現這一目標。有價值的AI解決方案應減少人員依賴性。

換句話說，如果您的員工花更長的時間使用AI解決方案，而不是“手動”執(zhí)行該過程，則AI實際上并沒有減少對人類的依賴，因此也就沒有做它應做的事情。

如果您的AI解決方案在這里失敗，那么在確定AI解決方案本身就是問題之前，您的組織應該評估該解決方案，包括提出以下問題：

我們的數據有多準確?

我們的數據基礎架構效率如何?

我們使用正確的AI模型嗎?

我們的團隊是否按照預期采用和實施了解決方案?

如果只有更好的數據，有效的基礎架構或團隊完全按預期采用此解決方案，則此評估可能會發(fā)現您的解決方案很有價值，并且可以減少對人的依賴。

3. AI是人類的乘數，而不是替代物

人工智能解決方案是否消除了重復的工作子集，從而使您的員工變得更有效率，生產力更高，并能夠專注于更高價值的任務?

雖然理論上有可能具有獨立于人類輸入進行操作的智能，但當今可以有效使用AI的絕大多數公司將以仍然依賴于人們指導其使用和做出決策的方式來使用AI。

不要以為AI解決方案可以取代您組織中的一個人或一個團隊。相反，有效的解決方案應該使您的人員變成“超級人”，例如使他們能夠處理的輸入量是以前的兩倍。

4.數據是所有AI操作的基礎

您的領導層是否制定了使AI成功的基礎架構策略?

幾乎不必說，要學習一臺機器，它就必須具有從中學習的數據-越多越好。組織的AI解決方案僅取決于構建的數據的數量和質量。

為了存儲必要的數據，此類組織必須具有強大的計算能力，訪問數據科學專業(yè)知識的能力以及用于訓練模型的數據集。

5.數據策略對于人工智能的好處至關重要

您的數據質量如何?

僅憑數據基礎架構不足以使AI有效，更不能為組織帶來預期的收益。

總體而言，數據策略涉及創(chuàng)建流程來收集記錄(尤其是結果和結果)，從而產生數據。數據是機器學習所需的輸入，而AI的預期結果(預測/解釋模型)取決于有效的ML。

收集完數據后，至關重要的是，數據策略概述如何驗證，清除和結構化數據，以確保數據的準確性和可用性。

“垃圾進，垃圾出”的原則簡潔地描述了格式正確的數據策略的重要性及其作為AI支柱之一的地位。

6. AI必須產生可用的輸出

AI模型是否產生了可用的輸出，如果是，則該輸出對組織有價值嗎?

最后，提出(或開發(fā)!)的AI解決方案必須帶來一個帶來價值的結果-為其實施的特定項目，乃至整個組織帶來價值。

如果從一開始，提議的AI解決方案的有效性和范圍會受到組織的結構或文化的影響或限制，那么該解決方案的價值將受到質疑。這并不意味著在具有快速周轉和有限結果的小型項目中就沒有價值，僅是成功的AI輸出甚至模型與支持業(yè)務流程的AI不同。