當(dāng)談?wù)揂I投資回報(bào)率時(shí)，我們?cè)谡勑┦裁矗?/h1>

機(jī)器之能

+ 關(guān)注

2022-06-21 17:18

543次閱讀

報(bào)道 | 吳昕

與以往任何時(shí)候相比，現(xiàn)在各企業(yè)都對(duì)人工智能和機(jī)器學(xué)習(xí)的潛力充滿信心并加以投入。

根據(jù) 2022 年 IBM 全球人工智能采用指數(shù)（IBM Global AI Adoption Index 2022），35% 的公司報(bào)告稱目前在其業(yè)務(wù)中使用人工智能，另有 42% 的公司表示他們正在探索人工智能。

與此同時(shí)，麥肯錫的一項(xiàng)調(diào)查（The state of AI in 2021）發(fā)現(xiàn)，56% 的受訪者表示，他們?cè)?2021 年至少在一項(xiàng)職能中采用了人工智能，高于 2020 年的 50%。

但對(duì)人工智能的投資能否帶來直接影響公司底線的真正投資回報(bào)率？

根據(jù)企業(yè)MLOps解決方案提供商 Domino Data Lab 最近的 REVElate 調(diào)查，該調(diào)查對(duì) 5 月份紐約市 Rev 3 會(huì)議的與會(huì)者進(jìn)行了調(diào)查，許多受訪者似乎都這么認(rèn)為。事實(shí)上，近一半的人預(yù)計(jì)，數(shù)據(jù)科學(xué)會(huì)帶來兩位數(shù)的增長(zhǎng)。五分之四的受訪者 (79%) 表示，數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和人工智能對(duì)其公司未來的整體增長(zhǎng)至關(guān)重要，36% 的受訪者稱其為最關(guān)鍵的因素。

當(dāng)然，實(shí)施人工智能并非易事。其他調(diào)查數(shù)據(jù)顯示了硬幣的另一面。例如，人工智能工程公司 CognitiveScale 最近的調(diào)查數(shù)據(jù)發(fā)現(xiàn)，盡管高管們知道，數(shù)據(jù)質(zhì)量和部署是成功開發(fā)應(yīng)用程序以推動(dòng)數(shù)字化轉(zhuǎn)型的關(guān)鍵因素，但超過76%的高管不確定如何在12-18個(gè)月內(nèi)實(shí)現(xiàn)目標(biāo)。此外，32%的高管表示，引入人工智能系統(tǒng)所花的時(shí)間比預(yù)期的要長(zhǎng)。

CognitiveScale 最近的調(diào)查數(shù)據(jù)發(fā)現(xiàn)，76% 受訪者表示在擴(kuò)展他們的人工智能工作方面遇到困難。

CognitiveScale最近的調(diào)查數(shù)據(jù)發(fā)現(xiàn)，32%的高管表示，引入人工智能系統(tǒng)所花的時(shí)間比預(yù)期的要長(zhǎng)。而只有 19% 的人表示花費(fèi)的時(shí)間比預(yù)期的要短。

值得注意的是，75% 的 AI 高管表示，信任和透明度對(duì)整體 AI 應(yīng)用程序開發(fā)很重要，因?yàn)樗麄兲幱谑鼙O(jiān)管的行業(yè)，63% 的人表示可重復(fù)性是 AI 開發(fā)過程中的關(guān)鍵因素。

「人工智能的潛力是巨大的，雖然人工智能的采用開始加速，但理解人工智能的實(shí)施仍然是組織正在理解的事情。」 CognitiveScale 首席執(zhí)行官 Bob Picciano 表示：「我們的 AI 工程調(diào)查表明，數(shù)據(jù)質(zhì)量是影響組織內(nèi)成功采用 AI 的最大因素。關(guān)鍵任務(wù)信息、可重復(fù)性需求以及信任和治理對(duì)于人工智能的成功也至關(guān)重要。」

根據(jù)最近發(fā)布的一份報(bào)告，F(xiàn)orrester 的 Now Tech：AI/ML 平臺(tái)，2022 年第一季度報(bào)告（ Now Tech: AI/ML Platforms, Q1 2022 report）「AI 的商業(yè)案例很明確，但企業(yè)在實(shí)施和證明結(jié)果方面遇到了困難。人工智能要想產(chǎn)生變革性的影響，就需要工業(yè)化。這意味著擱置一次性解決方案并建立經(jīng)過驗(yàn)證的 AI 工程實(shí)踐——標(biāo)準(zhǔn)化的積木、工具和流程，從而更容易更快地以可擴(kuò)展的方式推動(dòng)價(jià)值。」

Bob Picciano 告訴 VentureBeat，人工智能的投資回報(bào)率是可能的，但必須根據(jù)業(yè)務(wù)目標(biāo)準(zhǔn)確描述和擬人化。

「如果業(yè)務(wù)目標(biāo)是通過歷史數(shù)據(jù)獲得更長(zhǎng)期的預(yù)測(cè)和更高的預(yù)測(cè)準(zhǔn)確性，那么，這就是人工智能可以發(fā)揮作用的地方，」他說。「但 AI 必須負(fù)責(zé)提高業(yè)務(wù)效率——說 ML 模型準(zhǔn)確率為 98% 是不夠的。」

相反，ROI可以是，例如，為了提高呼叫中心的效率，人工智能驅(qū)動(dòng)的能力可以確保減少平均呼叫處理時(shí)間。

他解釋說，「這種投資回報(bào)率是高管們談?wù)摰臇|西。」「他們不談?wù)撃Ｐ褪欠駵?zhǔn)確、穩(wěn)健或漂移。」

76% 的受訪者表示，在擴(kuò)展他們的人工智能工作方面遇到困難，對(duì)此，Cognitive Scale 的聯(lián)合創(chuàng)始人兼首席運(yùn)營官 Shay Sabhikhi 并不感到驚訝。「這正是我們從企業(yè)客戶那里聽到的，」他說，其中一個(gè)問題在于數(shù)據(jù)科學(xué)團(tuán)隊(duì)與組織其他部門之間的摩擦，他們不知道如何處理他們開發(fā)的模型。

「這些模型可能有最好的算法和精度召回，但它們被束之高閣，因?yàn)樗鼈儗?shí)際上被扔給了開發(fā)團(tuán)隊(duì)，然后他們不得不匆忙地試圖組裝這些應(yīng)用程序。」他說。

然而，在這一點(diǎn)上，企業(yè)必須對(duì)他們?cè)谌斯ぶ悄芊矫娴耐顿Y負(fù)責(zé)，因?yàn)槿斯ぶ悄懿辉偈且幌盗锌茖W(xué)實(shí)驗(yàn)，Picciano 指出。「我們稱之為從實(shí)驗(yàn)室走向現(xiàn)實(shí)，」他說。「我參加了一個(gè)首席數(shù)據(jù)分析官會(huì)議，他們都說，我該如何擴(kuò)展？我如何將人工智能產(chǎn)業(yè)化？」

然而，并非所有人都同意投資回報(bào)率甚至是衡量人工智能是否在組織中推動(dòng)價(jià)值的最佳方式。

根據(jù)安永全球首席技術(shù)官 Nicola Morini Bianzino 的說法，從「用例」角度考慮人工智能和企業(yè)，然后通過 ROI 加以衡量，這種對(duì)待人工智能的方法是錯(cuò)誤的。

「對(duì)我來說，人工智能是一套技術(shù)，幾乎可以在企業(yè)的任何地方部署——用例與相關(guān)的 ROI 分析不能區(qū)隔開，」他說。

相反，他解釋說，企業(yè)需要在任何地方使用人工智能。「這幾乎就像云一樣，兩三年前，我與客戶進(jìn)行了很多對(duì)話，他們喜歡問投資回報(bào)率是多少？我遷移到云的商業(yè)案例是什么？現(xiàn)在，大流行后，客戶不再這么問。每個(gè)人都只是說，『我必須這樣做。』」

此外，Bianzino 指出，討論人工智能和 ROI 取決于你所說的「使用 AI」是什么意思。

「假設(shè)你正在嘗試應(yīng)用一些自動(dòng)駕駛功能——即計(jì)算機(jī)視覺作為人工智能的一個(gè)分支，」他說。「這是一個(gè)商業(yè)案例嗎？不，因?yàn)闆]有人工智能就無法實(shí)現(xiàn)自動(dòng)駕駛。」

對(duì)于像安永這樣的公司來說也是如此，它吸收大量數(shù)據(jù)并向客戶提供建議——沒有人工智能就無法做到。「你無法從流程中分離出這個(gè)東西——它是內(nèi)置的，」他說。

此外，根據(jù)定義，人工智能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、改進(jìn)模型和擴(kuò)展模型需要時(shí)間。「這不像有一天你可以說，我已經(jīng)完成了人工智能，并且 100% 的價(jià)值就在那里——不，這是一種持續(xù)的能力，隨著時(shí)間的推移會(huì)變得更好，」他說。「就可以產(chǎn)生的價(jià)值而言，實(shí)際上并沒有盡頭。」

Bianzino 說，在某種程度上，人工智能正在成為經(jīng)營成本的一部分。「如果你從事涉及數(shù)據(jù)分析的業(yè)務(wù)，你就不能沒有人工智能的能力，」他解釋說。「你能分離出這些模型的商業(yè)案例嗎？這非常困難，我認(rèn)為也沒有必要。對(duì)我來說，這幾乎就像是運(yùn)營業(yè)務(wù)所需的基礎(chǔ)設(shè)施成本。」

歸根結(jié)底，組織想要的是衡量 ROI 對(duì)業(yè)務(wù)的影響——它對(duì)底線的貢獻(xiàn)有多大。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。但問題是，這可能與開發(fā)模型的工作量完全脫節(jié)。

「因此，如果你創(chuàng)造一個(gè)能提高點(diǎn)擊轉(zhuǎn)化率一個(gè)百分點(diǎn)的模型，就等于為企業(yè)增加了數(shù)百萬美元的利潤(rùn)。」他說，「但它也可以創(chuàng)造一個(gè)很好的預(yù)測(cè)性維修模型。」在這種情況下，對(duì)組織經(jīng)濟(jì)收益影響可能完全不同。「盡管其中一個(gè)可能最終成為一個(gè)更困難的問題，」他補(bǔ)充說。

總體而言，組織確實(shí)需要一個(gè)「平衡計(jì)分卡」來跟蹤人工智能的生產(chǎn)。「因?yàn)槿绻銢]有將任何東西投入生產(chǎn)，這可能表明你遇到了問題，」他說。「另一方面，如果你在生產(chǎn)中投入過多，也可能存在問題。」

例如，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。「你在去年部署了這么多模型，所以你實(shí)際上也再也承受不了其他高價(jià)值模型，」他解釋說。

衡量 AI 投資回報(bào)率的另一個(gè)問題是，對(duì)于許多數(shù)據(jù)科學(xué)項(xiàng)目來說，其結(jié)果并不是一個(gè)投入生產(chǎn)的模型。「如果想對(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。「但沒有一種模型可以投入生產(chǎn)的同時(shí)，還能利用人工智能獲取這一過程當(dāng)中的洞察力。」

盡管如此，如果不跟蹤數(shù)據(jù)科學(xué)活動(dòng)，組織就無法衡量人工智能的作用。「現(xiàn)在的一個(gè)問題是，真正收集和分析的數(shù)據(jù)科學(xué)活動(dòng)很少，」Kjell Carlsson 說。「如果你問人們，他們會(huì)說他們真的不知道模型表現(xiàn)如何，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代碼托管（ CodeCommits）。」

原因之一是數(shù)據(jù)科學(xué)家需要使用非常不連貫的工具。「這就是 Git 作為存儲(chǔ)庫越來越受歡迎的原因之一，它是組織中數(shù)據(jù)科學(xué)家的單一事實(shí)來源，」他解釋道。諸如 Domino Data Lab 之類的 MLops 工具提供了支持這些不同工具的平臺(tái)。「組織可以在多大程度上創(chuàng)建這些更集中的平臺(tái)……很重要，」他說。

Wallaroo 首席執(zhí)行官兼創(chuàng)始人 Vid Jain 在美林證券從事高頻交易業(yè)務(wù)近十年，他說，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)率進(jìn)行部署。

挑戰(zhàn)實(shí)際上并不在于開發(fā)數(shù)據(jù)科學(xué)、清理數(shù)據(jù)或構(gòu)建貿(mào)易存儲(chǔ)庫，現(xiàn)在稱為數(shù)據(jù)湖。他說，到目前為止，最大的挑戰(zhàn)是采用這些模型并將它們付諸實(shí)施并提供商業(yè)價(jià)值。

「事實(shí)證明，實(shí)現(xiàn) ROI 非常困難——這些人工智能計(jì)劃中有 90% 沒有產(chǎn)生它們的 ROI，或者它們沒有產(chǎn)生足夠的 ROI 來讓投資變得值得，」他說。「但這對(duì)每個(gè)人來說都是頭等大事。答案不是一回事。」

他解釋說，一個(gè)基本問題是，許多人認(rèn)為實(shí)施機(jī)器學(xué)習(xí)與實(shí)施標(biāo)準(zhǔn)類型的應(yīng)用程序沒有太大區(qū)別，但他補(bǔ)充說，其實(shí)存在很大差異，因?yàn)槿斯ぶ悄懿皇庆o態(tài)的。

「這幾乎就像照顧一個(gè)農(nóng)場(chǎng)，因?yàn)閿?shù)據(jù)是活的，數(shù)據(jù)是變化的，遠(yuǎn)談不上到此為止，」他說。「這并不是說，你建立了一個(gè)推薦算法，人們的購買行為也就停滯在了這個(gè)時(shí)點(diǎn)。人們的購物行為是會(huì)變的，你的競(jìng)對(duì)會(huì)突然促銷，人們會(huì)轉(zhuǎn)向你的競(jìng)對(duì)，而不是一直在你這里買東西。你必須經(jīng)常照顧你的算法模型。」

最終，每個(gè)組織都需要決定如何將他們的文化與圍繞實(shí)施人工智能的最終目標(biāo)保持一致。「然后你真的必須授權(quán)人們推動(dòng)這種轉(zhuǎn)變，讓對(duì)你現(xiàn)有業(yè)務(wù)線至關(guān)重要的人覺得他們將從人工智能中獲得一些價(jià)值，」他說。

他補(bǔ)充說，大多數(shù)公司仍處于這一過程的早期階段。「我認(rèn)為，大多數(shù)公司還沒有做到這一點(diǎn)，但在過去的六到九個(gè)月里，我確實(shí)看到，人們已經(jīng)開始認(rèn)真對(duì)待業(yè)務(wù)成果和業(yè)務(wù)價(jià)值。」

但是對(duì)于許多企業(yè)來說，如何衡量人工智能的投資回報(bào)率的問題仍然難以捉摸。「對(duì)于一些企業(yè)來說，面臨一些基本問題，比如他們甚至無法將他們的模型投入生產(chǎn)，或者他們可以但盲目地測(cè)試，或者他們成功但現(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)通常談不上損益。」

他解釋說，這是因?yàn)槿斯ぶ悄苡?jì)劃通常是卓越中心的一部分，而投資回報(bào)率由業(yè)務(wù)部門掌管，而在其他情況下，很難衡量。

「問題是，人工智能是業(yè)務(wù)的一部分嗎？或者它是一個(gè)實(shí)用程序？如果你是數(shù)字原生代，人工智能可能是業(yè)務(wù)運(yùn)行的燃料的一部分，」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，如何衡量投資回報(bào)率是他們必須解決的一個(gè)基本問題。」

參考鏈接
https://venturebeat.com/2022/06/17/the-truth-about-ai-and-roi-can-artificial-intelligence-really-deliver/
https://www.digitaljournal.com/pr/more-than-76-of-executives-face-challenges-with-scaling-implementation-of-ai-applications-cognitivescale-survey-finds

本文來自微信公眾號(hào) “機(jī)器之能”（ID：almosthuman2017），36氪經(jīng)授權(quán)發(fā)布。