本文來自微信公眾號“IDC咨詢”。
電商擁有海量的SKU及購買信息，若要實時追蹤業(yè)務(wù)，光憑人力是遠遠不夠的，還會使企業(yè)面對無法計算的成本壓力。當(dāng)然，類似的業(yè)務(wù)困境還有很多。對CIO而言，使企業(yè)駕馭AI，將大大緩解企業(yè)的管理壓力。放眼未來，AI無疑是一比劃算的投資。
IDC與Georgia-Pacific（GP）副總裁兼企業(yè)轉(zhuǎn)型負責(zé)人Mike Carroll進行訪談，共同探討如何利用AI業(yè)務(wù)助手提高業(yè)務(wù)績效的相關(guān)話題，并分享了人工智能技術(shù)提高業(yè)務(wù)績效的最佳實踐。該文摘自《IDC PeerScape：未來IT實踐：利用AI業(yè)務(wù)助手提高業(yè)務(wù)績效》。
AI提高業(yè)務(wù)績效3個實踐
1
規(guī)劃業(yè)務(wù)設(shè)計，業(yè)務(wù)問題導(dǎo)向
挑戰(zhàn)：
如何選擇合適的技術(shù)？
如何得到高層信任？
如何使AI與業(yè)務(wù)相融合？
實踐反饋：
與業(yè)務(wù)融合的挑戰(zhàn)：挑戰(zhàn)不僅僅是如何構(gòu)建技術(shù)解決方案，更重要的是，還要把每個必要的概念和方法整合在一起，以“閱讀和理解”并捕捉某個業(yè)務(wù)領(lǐng)域涉及的所有知識。大的挑戰(zhàn)是如何訓(xùn)練引擎詢問并回答預(yù)先設(shè)計好的關(guān)鍵問題，提高它在業(yè)務(wù)領(lǐng)域內(nèi)的表現(xiàn)。
AI探索的過程：在2019年，我們組建了小而精的引擎專家團隊。團隊成立后，他們花了不到一年的時間，組建了人工智能業(yè)務(wù)助手，訓(xùn)練該人工智能業(yè)務(wù)助手引擎閱讀并理解大量的文檔信息，以及其他有關(guān)GP業(yè)務(wù)領(lǐng)域動態(tài)的知識。然后，該助手圍繞優(yōu)先級、成本和效益給出了解決方案建議，用于解決或避免這些障礙。這正是企業(yè)想要的：訓(xùn)練人工智能模型像個助手一樣理解并運營業(yè)務(wù)。
2
統(tǒng)籌相關(guān)團隊，打好開發(fā)基礎(chǔ)
挑戰(zhàn)：
如何可以簡化未來開發(fā)的工作量？
如何使AI更智能？
怎樣看待AI的長期效應(yīng)？
實踐反饋：
開發(fā)的理念：團隊必須后退一步，細細思考如何通過制定更宏大的目標(biāo)來解決這個具體問題。最終的引擎最好是：一套集合了各種概念和手段，關(guān)注如何解決問題的策略，而不只是一個純粹的技術(shù)解決方案。”
模型如何訓(xùn)練：結(jié)構(gòu)化因果模型（SCM）實際上是一種便于訓(xùn)練引擎的概念集合方法，可以積累有關(guān)某個業(yè)務(wù)領(lǐng)域的知識，并可以普遍解決任何問題。該引擎的“知識”圍繞業(yè)務(wù)維度結(jié)構(gòu)框架進行組織，框架在邏輯上與基于原始語言的輸入相關(guān)聯(lián)，模型因此可以得到訓(xùn)練，并且可以在以后持續(xù)進行監(jiān)督和無監(jiān)督學(xué)習(xí)。
訓(xùn)練過程及成果：建立初始模型后，第一輪訓(xùn)練花了我們幾個月的時間；現(xiàn)在我們只需要幾周。這就像學(xué)習(xí)打棒球：擊球次數(shù)越多，就越能通過學(xué)習(xí)如何揮拍提高打球技術(shù)。引擎也是如此：它學(xué)得越多，就越聰明。憑借兩年的歷史數(shù)據(jù)，該引擎還建立了業(yè)務(wù)的數(shù)字化孿生，用于持續(xù)探索提高性能的方法。對于每個需要解決的問題，該引擎在應(yīng)用傳統(tǒng)數(shù)據(jù)科學(xué)和人工智能方法之前，實際上就已經(jīng)知道了問題的原因。
3
持續(xù)改進助手，創(chuàng)造業(yè)務(wù)價值
挑戰(zhàn)：
AI業(yè)務(wù)助手如何創(chuàng)造業(yè)務(wù)價值？
如何做好知識積累？
如何減少“干擾”和偏差創(chuàng)造價值？
實踐反饋：
AI專家團隊實踐：GP項目中涉及的重要專家角色：人工智能引擎專家、引擎訓(xùn)練專家、業(yè)務(wù)交互專家、科學(xué)顧問和行業(yè)思想領(lǐng)袖。
如何運用集體知識：基于語言的認知模型的好處是，所需的輸入信息可
以是文檔、SME或其他格式——只需將這些信息作為集體知識庫按關(guān)鍵業(yè)務(wù)維度（如運營、制造工藝、產(chǎn)品、分銷和客戶體驗）捕獲即可。這個知識庫變成業(yè)務(wù)智能模型和數(shù)字化孿生，即信息資產(chǎn)后，它可以持續(xù)改進和調(diào)優(yōu)，成為企業(yè)的一種競爭優(yōu)勢。
如何拓展現(xiàn)有技術(shù)，持續(xù)改進模型：為實現(xiàn)模型的邏輯和自動化，GP團隊必須利用各種技術(shù)、概念和工具將所有的部分組合在一起。其中一個關(guān)鍵是Richard在《認知優(yōu)勢》一書中所描述的結(jié)構(gòu)化因果模型（SCM）。主要工具是Judea Pearl的do-calculus，它是一種將系統(tǒng)中的原因和結(jié)果提取出來構(gòu)建結(jié)構(gòu)化因果模型的方法。人工智能在使用諸如do-calculus等方法自動發(fā)現(xiàn)因果關(guān)系方面發(fā)揮了舉足輕重的作用。
最后
AI技術(shù)憑借自身的優(yōu)勢，不但可使業(yè)務(wù)變得無處不在，還會顯著提高業(yè)務(wù)績效。AI有短期的變現(xiàn)能力，更有長期驅(qū)動業(yè)務(wù)的潛力。
分析師觀點
IDC中國高級研究經(jīng)理李鑫表示：
基于以上實踐，我有以下進一步思考：
1.“熟練作業(yè)”到“業(yè)務(wù)設(shè)計”：作業(yè)熟練度有上限，而業(yè)務(wù)設(shè)計沒有上限。AI要履行使命需要深度與業(yè)務(wù)融合，“智能化”就是將戰(zhàn)略性業(yè)務(wù)當(dāng)做“產(chǎn)品”與AI做設(shè)計，這不但可提升業(yè)務(wù)部門的參與感，還會降低CIO導(dǎo)入技術(shù)的難度。
2.“勞動密集”到“知識密集”：智能是數(shù)字業(yè)務(wù)“皇冠上的明珠”，需要CIO制定數(shù)字智能戰(zhàn)略并得到高層的長期支持；勞動力的堆砌終將被AI知識專家組取代，智能源于知識的積累，而駕馭知識的能力將會是未來企業(yè)間的差距。
