选择第一个具有挑战性和领导力的人工智能项目是正确的,要警惕做出错误的投资。挑战既在于(a)识别正确的项目,也在于(b)对正确的项目进行排序和确定。
领导者可能会发现AI项目可能会失败,因为正确的数据不存在,或者在内部人才不足以处理项目
但是更多的项目在数据或人才甚至因素内甚至是甚至因素而失败。项目往往因技术达到的方式而非误导,并且何时/如何实现投资回报率。
项目通常从一开始就误导。它们在获得不切实际的结果或实现不切实际的能力水平之上。这几乎总是涉及过度强调短期ai结果如果没有考虑长期战略福利,而且没有与现有的战略授权联系。
在本文中,我们突破了Emerj的4S“靶心”模型,用于确定初始AI项目。该框架旨在成为排名项目的标准,有助于消除AI项目失败的许多最关键原因,同时帮助团队发现了一个现实的早期机会AI ROI.。
采摘AI项目 - 使用4S“Bullseye”模型
“靶心”模型依赖于四个独特的评分因子,每一个都用于通知项目的潜在投资回报率,也可以筛选项目失败的潜在原因。
我们将深入讨论四个因素中的每一个,然后将这些部分放在一起,并通过如何使用此框架进行。
策略
-
描述:策略是指项目直接与组织或部门长期战略结果直接(或我们经常被称为的程度“战略锚”)。
- 为什么它很重要:完全断开战略目标的项目将无法获得其所需的执行支持。过于短期的项目,没有任何领带到长期优势通常注定要失败(阅读我们的文章设置AI期望),因此找到具有真正对策略的项目是很重要的,并且可以作为沿着连贯的AI路线图 - 建筑的第一步AI成熟符合长期目标。
- 评分(1-5):
- 1 -与任何战略成果或长期转型愿景没有真正一致的项目。
- 5 -与特定战略结果直接一致的项目——为组织建立长期优势的第一步。
支持
-
描述:支持是指项目获得领导、主题专家和IT支持的程度。
- 为什么它很重要:一个项目如果没有支持就无法启动。通常,具有高战略价值的项目对领导具有更高的战略价值,但是可能会受到中小企业和IT的抵制——他们对工作流程的变化和对工作的威胁感到警惕。一个人的工作AI催化剂是通过交付过程通知并涉及利益相关者,而不仅仅是通过算法和数据提供短期结果。
- 评分(1-5):
- 1 - 一个没有直接支持领导,中小企业或者的项目。
- 5 - 一个从领导力的热情支持的项目,并直接支持中小企业和IT。
注意:评分时支持,考虑项目在我们所确定的三个利益相关者群体中的集体支持。
Leadership is the most important stakeholder group (as sufficient leadership support will often lend itself to support from other groups – and the check-cutting stakeholder’s opinion naturally holds the highest importance), but exactly how much more important it is from the other two groups will vary by project and organization.
简单的
- 描述:简单的指的是在给定数据、基础设施和可用人才的情况下,一个项目可以实现的程度。
- 为什么它很重要:一个非常复杂的项目几乎从来不是AI项目的最佳首选。但我们建议客户选择与大,重要任务有关并对齐的项目(策略),我们也建议他们不要吃整只大象,而是要找到短期的“胜利”,那些明显符合那些更大的战略任务。如果我们需要18个月来清理、协调或收集数据——这并不简单。如果一个项目需要的人才和经验远远超出了我们的内部,这可能不是最好的第一步。
- 评分(1-5):
- 1-根据我们现有的经验和数据,这是一个非常难以实现的项目。
- 5.-根据我们的经验和数据,这是一个相对简单的项目。我们拥有必要的数据资产,我们拥有主题专业知识和内部数据科学人才,这是潜在成功所必需的。
样本
- 描述:样本指项目对其他公司(a)相似的成功先例的程度,以及在类似或相邻行业中的其他公司(a)中的成功。
- 为什么它很重要:这里有一条经验法则:如果最大、最强大、最精通技术的公司无法使用人工智能实现你想要的结果,那么它可能不是你公司最好的第一个项目。AI已经涉及大量的研发和迭代。通过研究真正的“蓝海”新型AI用例,我们冒着更长的迭代周期和要求更多内部专业知识的风险,才有可能获得成功。人工智能领域的新公司不应该专注于通过不切实际的、新颖的项目来打造他们最初的几项“胜利”,而应该专注于相对成熟的项目,这些项目有助于为公司带来有价值的近期成果。如果我们找不到类似公司完成的项目样本,我们就会陷入比我们所能处理的更复杂的境地。
- 评分(1-5):
- 1 - 一个在任何其他公司中绝对没有使用的项目。全面应用AI在业务中的应用。
- 5 - 在我们的行业或相邻行业中,一个或多个公司(在我们的行业或相邻行业中)被执行(相同或近乎相同)的项目。
注意:谨慎态度,用于收集以前的使用前提。供应商和企业的索赔常被夸大。寻找多个供应商声称取得成功的使用情况 - 并寻找供应商声称参考已知的客户(不是“大型美国金融服务公司”但“公民银行”)。对于企业新闻发布,忽略仅陈述意图的公告,并仅仅查看组织内实际推出的索赔以及技术的影响。这个艰难的1-5分不是旨在完成 - 而是一种相对排名的方式。使用您的示例分数并排比较潜在的举措,并尽可能地排列它们。
把这个框架放在行动中
第一的,收集所有通过检查您的工作流程,数据和行业使用案例的现有先例而开发的所有AI项目的想法。有关如何收集AI项目创意的有用方法,请参阅以下资源:
- 文章:选择第一AI项目 - 领导者的3步指南
- 文章:如何发现财富500强企业的人工智能举措
- 面试:评估你的数据来找到AI投资回报的机会-与空客的Adam Bonnifield合作
- 面试:用于发现有价值的AI机会的最佳实践 - adam oliner的松弛
第二个,将各种项目放入4S“Bullseye”模型中,并根据上述1-5个评分标准,尽力而为您的能力。不是这些分数是最好的经验法则。但是,在所有四个标准中应用的经验法则,并在各种各样的四个标准中应用,通常相关的申请将导致项目集群的清晰度,并做或者不值得考虑。
第三,评估排序的AI项目,并确定哪些申请应得最终削减并被视为试验。鉴于您的组织的AI准备就绪以及领导的任务,您应该在您的决策中更加重视您的决策(即简单)。无论如何,展示您的得分进程将有助于领导地位了解您的AI项目建议在正确的成功标准中基于基础。
使用您自己的判断来决定您考虑的最终2-4举措的进一步换行员和成本估算。