三大難題 人才首當(dāng)其沖

人工智能為各行各業(yè)注入新鮮血液，轉(zhuǎn)型AI已成為許多創(chuàng)新科技公司不可或缺的發(fā)展戰(zhàn)略。與此同時，許多傳統(tǒng)企業(yè)也在謀求改革，積極引入AI, 來加快企業(yè)智能升級步伐，助推企業(yè)快速發(fā)展。但傳統(tǒng)企業(yè)要想真正地?fù)肀I技術(shù)，還面臨著如下門檻。

首先，需要傳統(tǒng)企業(yè)對自身AI適用性有所判斷。AI具有廣泛的適用性，目前已經(jīng)落地上百個行業(yè)。但具體到某個特定的企業(yè)上，AI是否適用卻不能一概而論。目前大部分公司都缺少這種判斷能力，盲目的追捧新技術(shù)往往會適得其反。

其次，是人工智能技術(shù)本身的復(fù)雜性。AI的綜合性非常強，涉及計算機科學(xué)、數(shù)字、心理學(xué)、仿生學(xué)多學(xué)科，細(xì)分領(lǐng)域也非常廣泛，包括模式識別、機器學(xué)習(xí)、數(shù)據(jù)挖掘和智能算法等多個分支。加之AI技術(shù)仍處于爆發(fā)期，新技術(shù)層出不窮。對傳統(tǒng)企業(yè)來說，僅憑自身掌握和跟蹤這些技術(shù)都是巨大的挑戰(zhàn)。于是，尋找一個靠譜的AI服務(wù)廠商就成了解決問題的關(guān)鍵。

最后，AI在企業(yè)的配套資源，尤其是人力資源上要求較高。AI全周期應(yīng)用鏈涉及多個環(huán)節(jié)，而且還要結(jié)合實際的業(yè)務(wù)場景，這樣既懂技術(shù)又懂業(yè)務(wù)的人才并不易得。這也是為什么眾多企業(yè)競相重金爭奪AI人才的原因。除了招攬AI人才外，如何讓軟硬件基礎(chǔ)設(shè)施適配AI，也是傳統(tǒng)企業(yè)資金投入的一個方面。

綜上所述，傳統(tǒng)企業(yè)要想實現(xiàn)人工智能的轉(zhuǎn)型，基本的思路是：首先判斷企業(yè)哪部分業(yè)務(wù)適用AI，然后找到一位靠譜的AI服務(wù)廠商，最后為真正應(yīng)用AI做好數(shù)據(jù)與人才支持。下面我們來詳細(xì)討論一下。

判斷適用性 不止于眼前的業(yè)務(wù)

說到企業(yè)適用AI，前提條件是充分理解自身的商業(yè)模式和當(dāng)下需要用AI解決的問題所在。比如近年來比較火的咨詢類機器人，各類企業(yè)都希望能夠引入來減少公司大堂人員的壓力。但是，大型機構(gòu)和小型機構(gòu)的需求點是不同的。大型機構(gòu)比如金融的業(yè)務(wù)繁多、與用戶的交互點頻繁，需要梳理出來才能夠讓這類機器人上崗。而小型機構(gòu)更注重形象宣傳和業(yè)務(wù)介紹，也需要理清與用戶的接觸點，才能更好的發(fā)揮這類機器人的作用。

除此之外還需要企業(yè)具有前瞻性。對于不同的行業(yè)，技術(shù)需求水平是不一樣的，一段時間后的技術(shù)需求水平更是相差甚遠(yuǎn)。所以企業(yè)要具備對整個行業(yè)和所需AI技術(shù)的預(yù)判力。，清楚一定時間后的行業(yè)水平、行業(yè)基準(zhǔn)線能達(dá)到的程度。這樣才能確定現(xiàn)在對于AI的投入與日后的產(chǎn)出相比，最終能否為企業(yè)帶來價值。

選擇合作伙伴 能力和生態(tài)都不能少

剛才我們說到了，對于傳統(tǒng)企業(yè)來說，從零開始研發(fā)AI工具和應(yīng)用極不現(xiàn)實。那么，如何找到一個靠譜的AI服務(wù)廠商呢?一般情況下最好選擇一家業(yè)內(nèi)規(guī)模較大的主流公司，技術(shù)實力、產(chǎn)品落地能力、整體生態(tài)等都是考核的維度。

百度智能云人工智能平臺提供了語音技術(shù)、視覺技術(shù)、人臉識別能力、深度學(xué)習(xí)平臺和自然語言NLP等一系列人工智能產(chǎn)品及解決方案，能夠幫助各行各業(yè)的客戶打造智能化業(yè)務(wù)系統(tǒng)。與市場上一些小廠商的產(chǎn)品相比，該平臺具有更強的技術(shù)能力和產(chǎn)品落地能力，且這種能力是可持續(xù)發(fā)展的。

除此之外，百度智能云自身的生態(tài)也能為客戶帶來更多附加值。這決定著企業(yè)未來AI的生態(tài)有多大，日后的AI工具、產(chǎn)品和服務(wù)能力能否持續(xù)。

當(dāng)然，AI服務(wù)廠商的技術(shù)開放性、安全性、合規(guī)性等也在考量的范圍內(nèi)，在此就不一一贅述。

數(shù)據(jù)才是重中之重

人工智能的“三駕馬車”：數(shù)據(jù)、算法和算力是AI得以應(yīng)用的基礎(chǔ)。對傳統(tǒng)企業(yè)來說，在找到靠譜的服務(wù)廠商后，數(shù)據(jù)的準(zhǔn)備是最基礎(chǔ)而關(guān)鍵的一環(huán)。企業(yè)必須確保人工智能所需的數(shù)據(jù)已經(jīng)準(zhǔn)備就緒。這需要一個能夠從多個來源采集和分析數(shù)據(jù)的數(shù)據(jù)中心。

但首先，數(shù)據(jù)要足夠垂直細(xì)分并具備較高的質(zhì)量。這就要求企業(yè)必須明確理解自己所做的事情，以及制定決策時使用哪些數(shù)據(jù)。

人才是長期規(guī)劃

企業(yè)需要人工智能戰(zhàn)略專家、技術(shù)研發(fā)人員、實際操作人員等多種類型的人才。這些人才既需要了解人工智能技術(shù)，又要熟悉企業(yè)業(yè)務(wù)流程。但目前的情況是：我國人工智能人才缺口超過500萬人(教育部測算)，供需嚴(yán)重失衡。這種環(huán)境下，企業(yè)更需要積極招攬人才。除直接招聘外，企業(yè)也可以與機構(gòu)、實驗室和智庫等展開合作。在企業(yè)內(nèi)部，定期的人工智能課程培訓(xùn)與各崗位間的分享也可以有效提升人才素質(zhì)。

當(dāng)然，企業(yè)應(yīng)用AI需要考慮的很多，比如應(yīng)用AI的節(jié)奏和業(yè)務(wù)的適配性、評估AI帶來的效益等?？傊?，傳統(tǒng)企業(yè)的人工智能轉(zhuǎn)型并不是一蹴而就的，理論仍需與實際相結(jié)合，在具體工作中的探索與嘗試尤為重要。切記不要盲從和過分迷信新技術(shù)，找到合適自己AI切入點與路徑才是正確的發(fā)展方向。