【新米行业研究报告-数策全行业调研报告】 专注于洞察全行业发展研究,关注我,带您前瞻各大行业未来趋势! 下文为报告部分内容,完整报告请关注并私信添加客服下载 投资于文化与领导力 文化往往是成功的关键,员工对人工智能机会愈发持乐观态度; 企业文化和领导力对于人工智能的成功部署与应用至关重要。 变革者最能体现人工智能就绪文化的特征,例如: 1、展现高度的跨组织协作 2、员工对人工智能的发展潜力持乐观态度 3、积极培养和留用人工智能专业人才 各个成熟度阶段的受访者均表示,敏捷性和变革意愿以及人工智能应用愿景相关的执行领导力是培养人工智能就绪文化的最重要因素 (分别有42%和40%的受访者认为这两项因素极为重要)。 这正强调了完备的变革管理作为成功的人工智能转型基本要素的重要性。与低成果企业相比,高成果企业投资于变革管理的可能性高出55%以上。 尽管对变革管理投资不足的情况时有发生,但员工对人工智能可为其提供的职业可能性表现出乐观的情绪; 82%的受访者表示,员工认为使用人工智能技术将提高工作表现和满意度。 然而,各企业在利用员工日益增长的乐观情绪方面仍存在差距; 这种日渐增长的员工乐观情绪可能源于近年来的思维转变。许多企业已经开始意识到使用人工智能来辅助而非替代人力所带来的好处。"事实上仅有少数受访企业 (30%) 强烈希望让更多工作实现自动化。 许多企业正采取措施支持人机协同战略: 43%的受访者表示,其企业已任命专门领导人负责帮助员工更好地与智能机器协作。此外,44%表示其企业已使用人工智能来协助最高管理层做决策。 尽管如此,数据也表明,各企业在实现人机混合劳动力所需的进一步措施方面存在显著差异。 在所有受访者中,仅有21%表示其企业积极培训员工使用人工智能的最佳时机,25%声称向非技术/非专业人员提供用户友好型人工智能系统;30%表示让员工参与人工智能设计; 36%表示针对人机混合劳动力重新设计组织实践。同样地,少数高成果企业 (32%) 据称采取了必要的重要措施,通过实施对人工智能试点的创新奖励或激励措施,促使员工更多地使用人工智能系统。 企业利用人工智能创造更大价值的一个绝佳机会就是重新设计工作。 改进人机协作 如何实现人机通力协作? 一个最大挑战可能就是最具成效的人才模型相关的领先实践尚不成熟。 这并非意味着一切都是未知数。通过让业务专家和一线员工参与算法设计,增进对算法的信任,从而帮助与智能机器建立积极工作关系。 例如,全球零售商H&M大胆让员工参与相关算法开发流程这样既能转变企业文化又能改善整个企业对人工智能的应用在早期的人工智能试点项目中,H&M让销售人员参与测试和开发季末销售定价算法。 此外,公司还在整个过程中对算法和人工计算的结果进行质量测试。最后发现,人机结合工作流程能够比两者单独执行产生更好的结果。 "不仅如此让员工参与进来也有助于转变企业关于转型技术的文化和态度。 转变运营模式 如果您不改变工作方式,就无法充分利用人工智能的价值; 人工智能已经成为企业的制胜关键。因此,许多企业正围绕其重新设计运营模式一一这是确保人工智能应用以及高质量和合乎道德使用的关键一步。 尽管如此,大多数企业要在这方面达到成熟还有很长的路要走,而且自上次调研以来并未取得重大进展。 虽然有证据表明,创建清晰流程并重新定义角色的确有助于实现高质量的人工智能使用,但据最近两次&人工智能应用现状分析(State of A)调研的受访者称,市场上采用此类做法的企业并未增加。 在这两次调研中,仅有三分之一的受访者表示他们的公司始终遵循机器学习运营 (MLOps),重新设计工作流程并记录人工智能模型生命周期。 这种进展不利的情况不容忽视,因为在最近这两次调研中,受访者已将运营领先实践列为与结果最密切相关的行为之一。 换句话说,企业如果想要改善结果,必须重点关注改变工作方式,并持续不断地评估和处理人工智能模型。" 尽管在持续采用运营领先实践方面未取得进展,但今年调研的些证据似乎再次证实,高成果企业明显比低成果企业更有可能来用更多的运营领先实践,包括: 1、跟踪已部署的模型与应用程序的投资 回报率(86%VS71%) 2、针对人工智能模型所使用数据的治理与质量制定书面化的流程 (77%VS62%) 3、遵循书面化的MLOps 程序 (76%VS63%) 4、遵循书面化的人工智能模型生命周期发布策略 (84%VS66%) 5、利用统一平台进行人工智能模型与应用程序开发 (81%VS66%) 6、在模型投入生产之前,使用人工智能质量与风险管理流程和框架评估人工智能模型偏差以及其他风险 (78%VS63%) 这些调研结果表明,采取并维持此等和其他类似措施可以产生要好的人工智能成果。 60%的受访者《其中包括来自低成果企业的55%以上的受访者)认为人工智能解决方案在战略上对企业成"非常重要",鉴于此,持续采用运营领先实践就尤为重要。 管理人工智能风险 除了这些领先实践之外,我们的调研还强调了采取特定的风险缓解措施如何有助于取得更优成果。人工智能相关的风险是企业面临的严峻问题。 我们通过调研发现,人工智能决策缺乏可解释性和透明性数据隐私或同意管理不善、以及对人工智能系统的安全担忧等等都是影响企业的伦理道德风险。 高可信人工智能"( Trustworthy Al )的实现最终取决于确保实施严格的流程以及合理的制约与平衡。为此,若企业采用符合高可信人工智能原则的道德人工智能框架,他们通常能够实现更优成果。 在调研的所有归因中,高成果企业的受访者倾向于认为拥有更多这样的运营流程有助于增强对企业人工智能解决方案符合道德与质量标准的信心。 总的来说,受访企业严重依赖培训,将其作为缓解人工智能风险的关键。他们最常用的两大风险缓释策略分别为:培训人工智能开发人员识别和解决人工智能道德问题 (35%) 以及培训/支持员工与人工智能建立积极有效的关系 (34%) 。但培训在现实中是否真的如此重要? 从受访者对本次其他调研问题的回答中可以看到,人工智能相关培训还没有认到成功转型和风险缓解所需的普及程度。 管理这些风险会对企业的人工智能工作产生重大影响。事实上,50%的受访者提出人工智能相关风险管理是扩大人工智能项目规模的最大障碍之一尽管如此,也仅有33%的受访者将人工智能风险管理纳入企业整体的风险管理范畴。 然而,33%的高成果企业和29%的低成果企业聘请外部供应商独市审核其人工智能系统。 协调技术和人才 人工智能时代下技术引进与人才招募齐头并进 人工智能让所有企业都意识到需要同时规划技术与人才投资两者结合方能创造人机协作劳动力这一重要资源。 在各个成熟阶段,整合构建、扩展和创新企业人工智能所需的技术与人才是一项不断变化的挑战。技术型人工智能人才的短缺早已众所周知。 幸运的是,在过去的几年里,许多成功的人工智能模型和培训集已经进入商业软件和开源产品,可以都帮助启动工作,减轻人才短缺的影响。 然而,企业利用人工智能打造差异化工具和应用程序的能力仍然很大程度上取决于它能够引人内部的人才。 在企业发展过程中,似乎存在一种模式:对于才开启人工智能旅程的企业而言,他们可能需要通过外部招聘来构筑人工智能人才基础,然后这些人才帮助培训现有的内部人员,助力构建更具差异化的技术,以及评估和成功实施生态系统解决方案和联盟,并开展合作。 即使是最先进的企业仍处于人工智能转型的早期阶段,因此大多数受访企业表示仍优先考虑从外部招募新的人工智能人才,而不是对现有员工进行再培训。 在人工智能方面经验尚浅的公司往往更多地依赖外部合作伙伴,并且随着时间推移他们的需求更加明确,逐渐转向收购拥有技术型人才的小型公司。 与此相一致的是,绝大多数受访者将人工智能作为可购买的产品或服务 (65%) ,而不是尝试在内部构建自己的人工智能解决方案(35%),特别是在这一旅程开始时就依赖现成的解决方案。 此外共同开发人工智能解决方案仍然是常见做法,企业与供应商合作创建定制化的系统和流程。由于人工智能仍然是一项新兴技术,许多供应商继续提供套件式的平台,而不是完全成熟的解决方案。 早期进入者发现,实施现成的解决方案在五年前足以使自己脱颖而出,但市场的日益成熟正在刺激一些企业制定和培训更加个性化的内部解决方案,以实现更大的差异化。 调研数据证实了这一点:拥有多年人工智能实施经验的企业往往更有可能尝试创建专属的人工智能解决方案,而拥有较少经验的组织则倾向于依赖成套解决方案; 这种技术与人才的融合引发了许多 问题,尤其是关于这些更垂直的能力和解决方案如何在企业中发挥作用。 过去两年的调研数据表明受访企业尚未就哪种模型能够取得更强有力的成果达成共识。但这是企业在扩大其人工智能实施规模时需要考虑的一人重要问题。 END 人工智能资料包-1281份,关注并私信添加客服即可下载 该份资料包共1281份 如果您觉得这些资料对您有帮助,希望获取完整的电子版内容参考学习 您可以关注+评论+转发 然后私信我"报告" 免责声明:以上报告均系本报告通过公开、合法渠道获得,报告版权归原撰写/发布机构所有,如有侵权,请联系作者删除,本报告为推荐阅读,仅供参考学习,不构成投资建议,如对报告内容存疑,请与撰写/发布机构联系。