一家大型咨詢公司去年展開的調查中，三分之二的首席執行官表示他們將比以前更多地使用AI來創建新的勞動力模式。甚至更多的人計劃將運營、客戶互動、商業模式和收入流數字化。

　　這種巨大的加速和轉變可能會給企業帶來很大的風險，使企業更容易遭受損失(在某些情況下甚至是關鍵的基礎設施)，因為將其關鍵決策移交給AI。

　　基于對AI的大肆宣傳，讓人們誤以為似乎可以通過篩選大量數據的復雜算法來改善一切。從簡化客戶服務到發明新的香水甚至是指導足球隊，AI看起來就像是競爭優勢不可阻擋的供應商，實際上公司高管要做的就是放開它，然后一邊吃午飯(由AI機器人廚師烹制)，一邊看著公司利潤攀升。

　　可悲的是，我們在執行過程中看到的是一個完全不同的世界——從管理不當的期望到極其昂貴的失敗和錯誤。現實中，AI有時并不是通往公司光明未來的閃亮之光，而是在錯誤的道路上引領盲人，直到有人跌下懸崖。

　　在AI世界中負責炒作的大多數人從未編寫過任何代碼，更不用說將AI部署到實際生產中了。甚至沒有幾個開發人員能夠給您一些現實的應用案例。作為一個在經常使用AI建立平臺和工作的技術專家，我親眼目睹了當一些世界上最大的公司應用AI時出現了什么問題，以下是一些使用AI的最糟糕方法：

　　1 根據錯誤的數據做出決策

　　AI擅長在龐大的數據集中查找模式，并能有效地根據這些模式預測結果，并查找不相關的alpha(數據集中的隱藏模式)。但是，如果將錯誤的數據(或異常信息)提取到數據集中，則會出現大問題。

　　例如， 我們曾與一家專注于TMT行業(技術、媒體、電信)的客戶合作。創始人來自一家大型金融公司，并帶來了一些曾為REITS和能源部門的交易系統工作的程序員。他們的目標是建立一個分析引擎。問題是，他們的開發人員復制并合并了為房地產投資信托基金和能源交易建立的兩個引擎，并試圖將與TMT行業更相關的技術指標納入這一混合系統。

　　我們花了一些時間才意識到，盡管創始人認為他們的團隊已經建立了一個專門為TMT設計的全新引擎，但它實際上是拼湊而成的。雖然這三個行業都有類似的技術指標，但AI是敏感而細致的工作，每個引擎都應該被定制。確保您的AI是基于正確的數據提出建議的。

　　2 未能正確訓練您的AI

　　您可以向AI引擎提供所有正確的數據，并讓它得到正確的答案，但是在未經測試之前，您不知道它會做什么。急于賦予它更多的責任，就像把一個小孩送入現實世界一樣——對兩者來說都不會帶來好的結果。

　　一家企業對AI進行量化交易很感興趣。他們雇用了一個外部團隊來構建AI引擎的概念驗證模型。要構建一個好的AI引擎，您將需要一個大型的同類歷史數據集。通常，數據集中的數據點越多，引擎檢測未來結果的能力就越好;這些數據點將幫助設計良好的引擎發現數據的非線性相關性，以幫助進行預測。

　　我們建議該客戶給AI引擎更多的時間來處理他們的數據集，以使其更加均質并且不遵循主流定價信號。遺憾的是，他們沒有這樣做，并且對特定的數據集進行了精細的調整，以至于它不能與新的、未見過的數據一起工作。換句話說，它對實時市場數據毫無用處。

　　3 忽略決策的人為責任

　　無論您對AI進行什么編程，它都不會共享您的人類目標或承擔其后果。因此，我們已經看到了AI的早期示例，這些AI將早期的GPS用戶引導到河流中，或者刪除了關鍵信息以“最小化”數據集中的差異。要記住，軟件實際上并不做決定，它只是識別模式，也不會對決定負責。人類才是最終對決定負責的。

　　4 高估數據價值

　　某些數據根本無法用于構建任何有用的信息。例如，一個使用AI方面失敗的案例是一個醫療診斷平臺的整合，它有自己的數據湖和廣泛的數據集。擁有該平臺的公司收購了另一個平臺，帶來了一系列孤立的數據集。高管們想從這些雜亂無章的數據集中獲得一些洞察力，并需要在潛在客戶的入職方面得到幫助。問題是，這些數據集描述的是不同的醫療問題/檔案，試圖找到真正有價值的共同標準是不可能的。盡管擁有所有的匯編信息，但與新平臺的數據整合就像擁有沒有實際聯系的樂高碎片。僅僅因為它們在很多方面都很相似，并不意味著你可以用它們來建造一座城堡。

　　一家房地產開發商希望我們為建筑決策的洞察力設計AI模型，其概念是，如果我們能從房地產列表中攝取足夠的數據，就可以進行分析，為他們的新開發項目的布局提供決策依據。客戶希望通過AI獲得的洞察力能夠告訴他們，根據建筑物的位置，什么是最理想的布局。

　　在攝取了不同州的房地產列表數據，進行了數據集分析，并與主題專家互動后，很明顯，由于房地產市場是高度本地化的，一個放之四海而皆準的算法是不行的。曼哈頓東部中城的房地產與西部中城略有不同，布魯克林與皇后區也不同，更不用說紐約州的整個數據集了。眾多的數據集獨立起來太小，無法建立一個有意義的分類算法，這個項目也就沒有通過。

　　在這些情況下，這些公司通過前期調研減少了損失，但許多其他公司只是繼續向AI投錢，更深入地研究與目標無關的細節。在構建AI引擎之前，請確保您的目標具有可行性。

　　深入了解AI的現實意義

　　AI可能是這個加速的數字商業世界的未來，但就目前而言，仍然有太多的炒作。企業應該考慮AI，但要有深入的見解和對AI真正作用的正確理解。決策者需要了解AI的現實意義，以及它帶來的潛力和其背后的挑戰。考慮到可用數據、時間表、成本和期望，制定任何潛在AI項目的明確策略。通常，成功的AI項目提供的是長期的結果，而不是短暫的收益。

　　AI的核心只是推理。它可以幫助分析大量細節，但是別忘了，只有人類才能理解全局。我們了解，作為人類，我們的決策會產生后果(商業、法律和道德)，并且給AI虛假的人類特征掩蓋了事實，即它不會像我們所做的那樣思考。人類可能比AI犯更多的“錯誤”，但我們也有更多的能力去識別它們。因此，當您在考慮如何部署AI時，請確保您自己的“情報”仍處于優先地位。