而今，企業(yè)比過去任何時(shí)間都愿意相信和投資AI和機(jī)器學(xué)習(xí)(ML)的潛力。

據(jù)2022年IBM全球AI采用指數(shù)，35%的企業(yè)報(bào)告稱當(dāng)前在其業(yè)務(wù)中使用AI，另有42%的企業(yè)表示他們正在探索AI。無(wú)獨(dú)有偶，麥肯錫的一項(xiàng)調(diào)查發(fā)現(xiàn)，56%的受訪者表示，他們?nèi)ツ曛辽僭谝豁?xiàng)職能中采用了AI，高于2020年的50%。

不過，對(duì)AI的投資能帶來(lái)直接影響企業(yè)底線的真實(shí)投資回報(bào)率嗎?

根據(jù)Domino Data Lab近期的REVElate調(diào)查，該調(diào)查對(duì)5月份紐約市Rev3會(huì)議的與會(huì)者進(jìn)行了調(diào)查，很多受訪者似乎都這么認(rèn)為。實(shí)際上，接近50%的人預(yù)計(jì)數(shù)據(jù)科學(xué)會(huì)帶來(lái)兩位數(shù)的增長(zhǎng)。近79%的受訪者表示，數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和AI對(duì)其企業(yè)未來(lái)的整體增長(zhǎng)非常關(guān)鍵，36% 的受訪者稱其為重要的因素。

當(dāng)然，實(shí)施AI不是簡(jiǎn)單的事情。其他調(diào)查數(shù)據(jù)顯示了堅(jiān)定信心的另一面。比如，AI工程企業(yè)CognitiveScale近期的調(diào)查數(shù)據(jù)發(fā)現(xiàn)，盡管高管們知道，數(shù)據(jù)質(zhì)量和部署是推動(dòng)數(shù)字化轉(zhuǎn)型的成功應(yīng)用開發(fā)的關(guān)鍵成功因素，但超過76%的高管不確定怎樣在12-18個(gè)月的時(shí)間內(nèi)實(shí)現(xiàn)目標(biāo)。另外，32%的高管表示，AI系統(tǒng)投入生產(chǎn)所花的時(shí)間比預(yù)期要長(zhǎng)。

AI須要負(fù)責(zé)

Cognitive Scale的首席執(zhí)行官鮑勃·皮恰諾告訴媒體，AI帶來(lái)的投資回報(bào)率是可能的，但須要根據(jù)業(yè)務(wù)目標(biāo)對(duì)其進(jìn)行準(zhǔn)確描述和個(gè)性化。

他說:“假如業(yè)務(wù)目標(biāo)是利用歷史數(shù)據(jù)進(jìn)行更長(zhǎng)期的預(yù)測(cè)，并提高預(yù)測(cè)精度，那么AI就可以發(fā)揮作用。”“但AI須要負(fù)責(zé)任地推動(dòng)業(yè)務(wù)效率——ML模型的準(zhǔn)確率達(dá)98%是不夠的。”

相反，投資回報(bào)率也許是，比如，為了提高呼叫中心的效率，AI驅(qū)動(dòng)的功能可確保減少平均呼叫處理時(shí)間。

“這種投資回報(bào)率是他們?cè)谧罡吖芾韺诱務(wù)摰膬?nèi)容，”他解釋道。“他們不會(huì)談?wù)撃Ｐ褪欠駵?zhǔn)確、穩(wěn)健或漂移。”

Cognitive Scale 的聯(lián)合創(chuàng)始人兼首席運(yùn)營(yíng)官 Shay Sabhikhi 補(bǔ)充說，76%的受訪者表示難以擴(kuò)大他們?cè)贏I方面的投入，他對(duì)此并不感到驚訝。“這正是我們從企業(yè)客戶那里聽到的，”他說。他解釋說，其中一個(gè)問題是數(shù)據(jù)科學(xué)團(tuán)隊(duì)和其他不知道怎樣處理他們開發(fā)的模型的組織之間的摩擦。

他說:“這些模型可能有最好的算法和精確召回率，但卻被束之高閣，因?yàn)樗鼈兤鋵?shí)是被扔給了開發(fā)團(tuán)隊(duì)，然后他們不得不匆忙地把應(yīng)用組裝起來(lái)。”

然則，在這一點(diǎn)上，組織須要對(duì)他們?cè)贏I方面的投資負(fù)責(zé)，因?yàn)锳I不再是一系列科學(xué)實(shí)驗(yàn)，Picciano 指出。“我們稱之為從實(shí)驗(yàn)室走向生活，”他說。“我參加了一個(gè)首席數(shù)據(jù)分析官會(huì)議， 他們都在問，我該怎樣擴(kuò)大規(guī)模?怎樣實(shí)現(xiàn)AI產(chǎn)業(yè)化?”

投資回報(bào)率是AI的正確指標(biāo)嗎?

然則，并非所有人都同意投資回報(bào)率是衡量AI是否在組織中驅(qū)動(dòng)價(jià)值的最佳方法。安永(EY)全球首席技術(shù)官尼古拉•莫里尼•比安齊諾(Nicola Morini Bianzino)表示，用“用例”來(lái)衡量AI和企業(yè)，然后通過投資回報(bào)率來(lái)衡量，這是對(duì)待AI的錯(cuò)誤方式。

“對(duì)我來(lái)說，AI是一套技術(shù)，近乎可以在企業(yè)的任何地方部署——不會(huì)將用例與相關(guān)的 投資回報(bào)率 分析隔離開來(lái)，”他說。

相反，他解釋說，組織機(jī)構(gòu)只需要在任何地方使用AI。“這近乎就像云計(jì)算一樣，兩三年前，我與客戶進(jìn)行了許多對(duì)話，他們問，‘投資回報(bào)率是什么?我遷移到云計(jì)算的商業(yè)案例是什么?現(xiàn)在，大流行之后，這種對(duì)話不再發(fā)生了。每個(gè)人都說，‘我須要這么做。’”

另外，Bianzino指出，討論AI和投資回報(bào)率取決于你所說的“使用AI”。

他說:“假設(shè)你試圖應(yīng)用一些自動(dòng)駕駛能力——也就是說，計(jì)算機(jī)視覺是AI的一個(gè)分支。”“這是一個(gè)商業(yè)案例嗎?不，因?yàn)闆]有AI就無(wú)法實(shí)現(xiàn)自動(dòng)駕駛。”安永(EY)這樣的企業(yè)也是如此，它吸收大量數(shù)據(jù)并向客戶提供建議——這離不開AI。他說:“這是你無(wú)法從過程中分離出來(lái)的東西——它是內(nèi)在的。”

另外，根據(jù)定義，AI在第一天就沒有生產(chǎn)力或效率。獲取數(shù)據(jù)、訓(xùn)練模型、發(fā)展模型和擴(kuò)大模型都需要時(shí)間。他說:“并非有一天你可以說，我完成了AI，100%的價(jià)值就在那里——不，這是一種持續(xù)的能力，伴隨時(shí)間的推移會(huì)變得更好。”“就能夠產(chǎn)生的價(jià)值而言，并沒有真正的終點(diǎn)。”

Bianzino說，在某種程度上，AI正在成為商業(yè)成本的一部分。“假如你從事的是一個(gè)涉及數(shù)據(jù)分析的行業(yè)，你不可能不具備AI能力，”他解釋說。“你能把這些模型的商業(yè)案例分離出來(lái)嗎?這很難，我認(rèn)為沒有必要。對(duì)我來(lái)說，這近乎是運(yùn)營(yíng)企業(yè)的基礎(chǔ)設(shè)施成本。”

AI的投資回報(bào)率難以衡量

企業(yè) MLops 提供商 Domino Data Lab 的數(shù)據(jù)科學(xué)戰(zhàn)略和宣傳負(fù)責(zé)人 Kjell Carlsson 說，歸根結(jié)底，企業(yè)想要的是衡量投資回報(bào)率的商業(yè)影響——它的貢獻(xiàn)有多大。但有一個(gè)問題是，這可能與開發(fā)模型所做的工作完全脫節(jié)。

他說:“因此，假如你創(chuàng)造一個(gè)模式，將點(diǎn)擊率提高一個(gè)百分點(diǎn)，你就等于為企業(yè)增加了數(shù)百萬(wàn)美元的利潤(rùn)。”“但你也可以創(chuàng)建一個(gè)良好的預(yù)測(cè)性維修模型，幫助在需要維修的機(jī)器發(fā)生之前提前發(fā)出警告。”在這種情況下，金錢價(jià)值對(duì)組織的影響可能完全不同，“即使其中一個(gè)可能最終成為一個(gè)更困難的問題，”他補(bǔ)充說。

總的來(lái)說，組織確實(shí)需要一個(gè)“平衡計(jì)分卡”來(lái)跟蹤AI的生產(chǎn)。他說: “因?yàn)榧偃缒銢]有將任何東西投入生產(chǎn)，那么這可能表明你遇到了問題，”他說。“另一方面，假如你在生產(chǎn)中投入過多，這也可能表明存在問題。”

比如，數(shù)據(jù)科學(xué)團(tuán)隊(duì)部署的模型越多，他們需要管理和維護(hù)的模型就越多。“所以你在去年部署了這么多模型，所以你其實(shí)無(wú)法承擔(dān)這些其他高價(jià)值的模型，”他解釋道。

但衡量AI投資回報(bào)率的另一個(gè)問題是，對(duì)于很多數(shù)據(jù)科學(xué)項(xiàng)目來(lái)說，結(jié)果并非一個(gè)投入生產(chǎn)的模型。“假如你想對(duì)去年的交易進(jìn)行定量的盈虧分析，你可能需要對(duì)此進(jìn)行嚴(yán)格的統(tǒng)計(jì)調(diào)查，”他說。“但沒有一個(gè)模型可以投入生產(chǎn)，你是在利用AI來(lái)獲得你在這個(gè)過程中獲得的見解。”

須要跟蹤數(shù)據(jù)科學(xué)活動(dòng)

盡管如此，假如不跟蹤數(shù)據(jù)科學(xué)活動(dòng)，組織就無(wú)法衡量AI的作用。“當(dāng)前的一個(gè)問題是，真正收集和分析的數(shù)據(jù)科學(xué)活動(dòng)很少，”Carlsson說。“假如你問人們，他們會(huì)說他們真的不知道模型的性能怎樣，或者他們有多少項(xiàng)目，或者你的數(shù)據(jù)科學(xué)家在上周完成了多少CodeCommits。”

其中一個(gè)原因是數(shù)據(jù)科學(xué)家需要使用非常不相關(guān)的工具。“這就是為什么Git作為存儲(chǔ)庫(kù)愈來(lái)愈受歡迎的原因之一，它是組織中數(shù)據(jù)科學(xué)家的唯一真實(shí)來(lái)源，”他解釋說。像Domino Data Lab這樣的MLops工具提供了支持這些不同工具的平臺(tái)。他說:“各組織能夠在多大程度上創(chuàng)建這些更加集中化的平臺(tái)……這很重要。

AI的結(jié)果是人們最關(guān)心的

Wallaroo首席執(zhí)行官兼創(chuàng)始人Vid Jain曾在美林從事近十年的高頻交易業(yè)務(wù)，他表示，在美林，他的職責(zé)是大規(guī)模部署機(jī)器學(xué)習(xí)，并以積極的投資回報(bào)率實(shí)現(xiàn)這一目標(biāo)。

真正的挑戰(zhàn)并非發(fā)展數(shù)據(jù)科學(xué)、清理數(shù)據(jù)或構(gòu)建交易存儲(chǔ)庫(kù)(現(xiàn)在稱為數(shù)據(jù)湖)。他說，到當(dāng)前為止，最大的挑戰(zhàn)是采用這些模型，將它們運(yùn)作起來(lái)，并交付業(yè)務(wù)價(jià)值。

他說:“實(shí)現(xiàn)投資回報(bào)率是非常困難的——90%的AI項(xiàng)目都沒有產(chǎn)生投資回報(bào)率，或者它們產(chǎn)生的投資回報(bào)率不足以讓投資物有所值。”“但這是每個(gè)人的首要想法。答案不是一回事。”

他解釋說，一個(gè)根本問題是，很多人認(rèn)為，對(duì)機(jī)器學(xué)習(xí)進(jìn)行操作與對(duì)一種標(biāo)準(zhǔn)應(yīng)用進(jìn)行操作沒有太大區(qū)別。他補(bǔ)充說，這兩者有很大區(qū)別，因?yàn)锳I不是靜態(tài)的。

他說:“這近乎就像照料一個(gè)農(nóng)場(chǎng)，因?yàn)閿?shù)據(jù)是活的，數(shù)據(jù)會(huì)變化，而你還沒有完成。”“這不像你建立了一個(gè)推薦算法，然后人們的購(gòu)買行為就會(huì)被及時(shí)凍結(jié)。人們改變了他們的購(gòu)買方式。突然間，你的競(jìng)爭(zhēng)對(duì)手進(jìn)行了促銷活動(dòng)。消費(fèi)者停止向你購(gòu)買東西。他們轉(zhuǎn)向了競(jìng)爭(zhēng)對(duì)手。你須要經(jīng)常去維護(hù)它。”

最終，每個(gè)組織都需要決定怎樣將自己的文化與實(shí)現(xiàn)AI的最終目標(biāo)相結(jié)合。他說:“然后你真的須要授權(quán)給人們來(lái)推動(dòng)這種轉(zhuǎn)變，然后讓那些對(duì)你現(xiàn)有業(yè)務(wù)線非常關(guān)鍵的人感到他們將從AI中獲得一些價(jià)值。”

他補(bǔ)充說，大多數(shù)企業(yè)還處于起步階段。“我認(rèn)為大多數(shù)企業(yè)還沒有做到這一點(diǎn)，但在過去6到9個(gè)月里，我肯定看到了一種轉(zhuǎn)變，人們開始認(rèn)真對(duì)待業(yè)務(wù)結(jié)果和業(yè)務(wù)價(jià)值。”

AI的投資回報(bào)率仍然難以捉摸

不過，對(duì)于很多組織來(lái)說，怎樣衡量AI的投資回報(bào)率仍然是一個(gè)難以捉摸的問題。“對(duì)一些企業(yè)來(lái)說，有一些基本的問題，譬如他們甚至無(wú)法將他們的模型投入生產(chǎn)，或者他們可以，但他們是盲目的，或者他們成功了，但現(xiàn)在他們想要擴(kuò)大規(guī)模，” Jain 說。“但就投資回報(bào)率而言，機(jī)器學(xué)習(xí)往往沒有相關(guān)的損益。”

他解釋說，AI計(jì)劃通常是卓越中心的一部分，投資回報(bào)率由業(yè)務(wù)部門掌握，而在其他情況下，它很難衡量。

“問題是，AI是業(yè)務(wù)的一部分嗎?還是一種效用?假如你是數(shù)字原生代，AI也許是業(yè)務(wù)運(yùn)行燃料的一部分，”他說。“但在一個(gè)擁有傳統(tǒng)業(yè)務(wù)或正在轉(zhuǎn)型的大型組織中，怎樣衡量投資回報(bào)率是他們須要解決的一個(gè)基本問題。”