本文是我们的催化剂咨询计划成员之一的请求。催化剂咨询计划是AI顾问和AI服务提供商仅适用于仅应用业务增长辅导计划。该项目帮助人工智能咨询和服务领导者赢得更多的交易，为客户提供更多的价值。成员可以得到一对一的咨询、小组辅导和专有的Catalyst AI最佳实践框架。了解更多或应用于:www.fgamus.com/catalyst。
上周在我们的Emerj加上最佳实践指南文章中，我们涵盖了将AI服务销售为企业的钥匙- 本周，我们将专注于AI采购和通过企业领导人的角度来通过。
在Emerj，我们的大部分工作都是与企业创新和战略领导一起完成的，他们是专业人士，在业务的不同部分负责广泛的技术采用和部署项目。因为创新和战略头衔通常要求具有前瞻性，所以这些副总裁、董事或创新和战略“负责人”通常是领导团队中最了解人工智能的成员。
在本文中，我们将为企业创新领导者介绍成功部署AI的5个步骤:
注意：我已经为企业公司内的创新和战略领导者创建了这些步骤。首席信息安全官员或工程首领将有不同的强调领域，以及不同的措施。
这篇文章已经假定了答案中的AI买家这里是一个了解AI可以做些什么的人，如何采用和基本的AI使用情况（即行政AI流利，是Emerj的“关键能力”AI成熟度模型的第一个元素)。对于负责AI战略和采购的企业领导者，在遵循本文中的顺序步骤之前，应该掌握AI的概念理解。
我们将探讨阶段，以评估组织AI成熟的能力开始。
评估组织AI成熟度
如果我们严重考虑AI部署，我们正在考虑我们希望我们公司的位置，或者我们如何转变。我们无法严重思考转型，而不是彻底了解我们从哪里开始。
因为“ai成熟”或“ai准备是广泛的话题，不同的专家有不同的定义。
在Emerj，我们在关键能力模型(见右图)中简化了功能性业务领导者的人工智能成熟度元素。这个模型对于机器学习工程师或IT领导是不同的，但对于ceo、创新领导者和大多数非技术副总裁和董事来说，这个模型代表了成功部署人工智能所需的关键改进领域。
技能
技能 - 特别是Executive AI流利 - 是以有效的方式评估AI优先事项和分配资源的重要第一步。技能可以分解为：
- (1.1)理解AI的功能性领导者
- (1.2)数据科学技能与人才
- (1.3)跨职能AI团队
企业显然需要有一个工人筹备的技能和知识，以便在高水平的高级工作，如数据科学家和数据工程师。他们将负责清洁和组织数据以培训AI，并提出一种部署AI的策略来实现企业的利益。
但是，技术团队需要在企业目标的参数范围内工作。他们将成为一个跨职能团队，他们与非技术团队合作（营销，销售，人力资源，运营等）。部署人工智能进入商业模式，带着眼睛。缺乏这一齐心协力是为什么艾得难以成功采用的重要原因。
跨职能团队的最上层应该是对AI能力、基本术语和代表性用例有概念性理解的职能领导。职能领导可以是CMO或电子商务主管，通常是负责整体人工智能战略的非技术高管。如果没有能够(a)识别可行和有用的AI应用，(b)为AI ROI和部署考虑设定现实的期望的领导，数据科学家和跨职能团队就会离开去做注定要失败的项目。
文化
企业和商业文化是一个学术研究，对AI成熟的背景下，我们强调有限数量的所需文化变革：
- （2.1）愿意实验和迭代
- (2.2.)值数据，和
- （2.3）价值交叉功能协作
AI使用案例是新生，AI系统是迭代和验证（与IT系统不同，可以在100％的时间完成作业的系统，AI系统通常会在特定性能范围内执行作业，并且需要持续监控）。这意味着它应该愿意通过在隧道末端在ROI末端进行灯光时收集和评估数据和更新算法参数，不断通过收集和评估数据和更新算法参数来进行AI。
这看起来可能有很多不确定性，但这就是为什么功能领导者需要对人工智能有一个概念性的理解。如果他们更清楚AI项目所需要的时间和资源，他们便会更愿意尝试并迭代去实现ROI。
与AI进行实验是数据的可用性。数据是开发AI成功部署的AI的关键，因此在没有适当的数据的情况下，可以没有AI部署。
为了实现人工智能准备，企业应该适当考虑以可用的格式维护、存储和访问数据。应该有用于分类、维护和使用现有数据资产以及获取新数据资产的协议。评估数据的价值需要经过深思熟虑的努力，包括数据将如何被使用，以及这将如何影响存储和访问的方式。
然而，应该指出的是，如果没有全面有效的合作，实验和数据管理就不可能发生。每个团队都有自己的目标，但这应该促使他们朝着一个共同的目标前进。有效的合作还将确定存在差距的领域，例如需要更多的人员和其他资源。AI部署的成功主要取决于组织中不同团队合作实现共同目标的能力(或能力)。
资源
除了人力资源，企业部署AI还需要两种核心资源:
- （3.1）数据访问
- (3.2)内部人工智能剧本和指南
他们需要知道他们拥有的数据以及它们需要访问AI部署的数据。例如，金融公司将需要关于组合和金融市场的履行数据，欺诈检测和监管合规性的数据，以及进入它们的方法。
当数据访问不是问题时，企业应该这样做评估用于利用它以产生所需结果的数据质量。这通常意味着尝试使用小项目中的数据来弄清楚它对它们有价值的方面以及识别正确的格式和架构，以使数据可访问和可用于给定项目。最后部分是重要的，因为错误的数据结构使数据无用。
部署AI所需的另一种资源是内部的AI剧本和指南，但它们经常被忽视。如果有维护现有AI项目的最佳实践框架或指南(到目前为止)，企业就可以成功部署AI。指南或剧本将包括关于所需团队、数据访问和需要发生的集成类型的信息。剧本可能包括:
- 将主题专家拉入跨职能AI团队的协议。
- 用于数据访问、协调或安全性的检查列表(可以为不同的单独数据类型或竖井创建各种这些列表)。
- 用于不同种类的机器学习项目的测量指标，配对哪种工作流程，它们最适合测量。
- 估计可能需要致力于具体倡议或项目的数据科学团队成员数量的拇指规则。
- 等等……
企业创新领导者需要通过保留他们通过AI部署的阶段来保留他们的学习来创建这些指南或剧本。但是，重要的是要注意，这些指南将不得不发展，因为它可能需要数年来找到运行AI项目的最佳方式。这些比赛簿经常属于AI“卓越中心”的尺寸，但可以通过创新或数字转型领导者处理。
保留了学习是成功的AI采用者做得好的事情，以及大多数企业忽视的东西，因为他们争取近期结果而不关注建立能力和成熟。
2 -将AI潜力与近期和长期目标相结合
经验丰富的AI供应商通常会将其产品的潜力定位为一个即时问题的解决方案，而不会深入研究AI的复杂性，以免在最初接触时吓跑他们。然而，正如我们已经讨论过的，企业创新领导者应该对人工智能有足够的理解，以便将其采用与近期和长期的商业目标以及人工智能准备情况相一致，因此避免人工智能在现实世界中的应用应该不再是必要的。
根据不同部门的成熟程度选择AI的适当行政流利是至关重要的，这将不仅涵盖3到5年的目标和目前的推动和倡议，而且导致竞争优势的战略差异化。它将指出使用案例机会和业务领域，即AI可以适应不同的工作流程。如果本身与业务目标与业务目标保持一致，那么可以成为任何行业的游戏。
实际上，企业创新领导者的作用是开发一种数字或AI转型视觉。它正在形成和模制方向的愿景生成ROI.。它可以通过开发框架的典型清单“北极星“商业目标与每个行业部门联系在一起，人工智能项目和行业的起始列表显示，从试验到生产的成功概率更高。
然而，一般而言，对齐AI并不是一项容易的任务，正如历史上，大多数AI项目都没有实现任何类型的投资回报率 - 而且它与数据或数据科学人才有关。在许多情况下，这是因为成功的测量 - 并且确实是AI转换视觉 - 被错误地建立。
防止这种情况发生，避免人工智能项目失败的责任就落在了企业创新领导者的身上。现实地确定企业将如何使用人工智能是其部署成功的关键。
3 - 符合公司需求和成熟的匹配AI
作为企业创新领导者 - 如果您知道贵公司在AI成熟方面取得的位置，并且您对组织的近期和长期技术优先事项牢固了解，您可以开始开发（a）的潜在AI项目鉴于您的资源和人才限制，（B）还可以获得最适合您公司的目标和优先事项。
确定全方位的AI机会
所有可用的AI用例都可以从各种来源获得。大多数企业领导人都把最大竞争对手的新闻稿作为一组具有代表性的可行人工智能项目——但事实远非如此。
企业夸大和推广能让他们在客户和投资者面前好看的人工智能计划，掩盖和淡化不利于客户和投资者的人工智能计划。
emerjAI机会景观研究地图跨部门的AI的完整能力 - 空间 - 但没有市场研究预算的公司可能会收集来自各种来源的AI使用情况，包括：
- 在您行业中AI供应商网站上市的AI使用情况
- 与同类角色和行业的对话（特别是具有经验采购和部署AI解决方案的同行）
- 寻找那些从你所在行业的最大企业那里获得大量投资的人工智能供应商的用例(例如，零售银行家可以看看富国银行或花旗银行的投资活动)
- 在其他来源…
如果您只是简单地避免使用竞争对手的新闻稿作为您的基线，并从其他来源提取以充实与您的业务流程和业务目标相匹配的用例图景，那么您将走在大多数企业领导人的前面，他们只看到了更加短视的用例范围。
通过ROI潜力，易于部署等得分AI机会。
必须进行评分和排序的AI机会列表，以确定可能是最好的。在EMERJ，我们使用我们自己的专有分数（包括“ROI潜力”，“易于部署”，更多），但企业领导人可以选择使用他们自己的评分标准，这可能包括：
- 与公司现有的数字化转型愿景保持一致
- “适合”与现有的AI人才，数据基础设施或其他AI成熟要素的级别
- 粗略估计成本或部署时间
- 等等……
排序和评分AI机会使企业创新领导人只能为其领导团队带来最好的AI项目 - 以及所选项目背后的强烈原因。我们建议，创新领导人明确了解其购买利益攸关方的优先事项（无论谁负责削减支票），并直接对潜在AI项目的评分和分拣过程中这些要素。
我们的三种ROI类型是另一个用于比较和区分AI项目优先级的推荐层次，我们将在下一节中介绍:
4 -为人工智能创造商业案例
一旦企业创新领导者知道哪些AI项目适合公司的目标，预算和AI成熟度，他们必须传达这些提议的AI倡议的价值。
绝大多数的时间,这些购买利益相关者(通常是高管)少得多上下文AI是如何工作的和什么是人工智能的能力,所以沟通是至关重要的,以不仅出售AI的短期结果,但设置期望什么,真正把行动变成公司的价值。
传达AI的ROI
无数百万美元在AI项目中浪费，因为项目选择差 - 但由于立即近期AI ROI，可能会浪费相同的金额。它对于创新领导者（或企业内的AI冠军或催化剂）至关重要，强调战略和能力ROI。
- 可衡量的投资回报率- 金融投资回报率，如提高效率，改进的收入 - 或代理指标，如特定工作流程中的减少时间，改善客户服务分数（通过调查通过调查自我报告）等。
- 战略投资回报率- 使公司更接近他们的战略目标的因素 - 例如他们的3-5年的目标，他们的关键推力或举措，他们现有的数字转型视觉等。您的AI项目将如何切实将您的组织更接近其长期战略目标？
- 能力ROI-发展的因素关键功能(见上图)，让一家公司更接近人工智能的成熟。衡量AI能力是一篇文章的主题，稍后将讨论，但是记录前后发展的各种AI成熟度因素对于向领导层传达能力ROI是很重要的。
If capability ROI (i.e. the development of AI maturity factors, Critical Capabilities) isn’t addressed, then the challenges that arise in AI deployment (issues accessing the data, issues getting cross-functional teams to collaborate, issues encouraging a culture of iteration) will seem to be frustrations and hurdles, rather than as opportunities to improve the company’s skills and culture to enable future transformation.
能力ROI可能是一个触感的话题，因为它意味着挑战和变化，但如果一个项目需要开发AI成熟度（以及大多数AI举措，到一个学位或其他），负责任的企业创新领导者应该解决这一要求，以免由于购买利益相关者视图为“挫折”，他们的项目被削减或取消。
向利益相关者展示业务案例
将一个商业案例放在一起说服利益相关者完成他们的钱，需要大量的研究和数据收集以及不断与功能商业领导者和主题专家界面进行令人信服的案例。如果您与企业咨询而不是在内部资源中咨询，这尤其重要。
许多与我们合作的公司都表示，他们需要我们提供的市场调查和数据，以便向内部领导说明情况，让他们签署项目。图表、报价和主要市场研究的见解为利益相关者提供了AI ROI的有力论据，这显然是你想要的。
我们讨论了一个成功的AI商业案件的三个要素在以前的Emerj Plus文章中。
建立利益相关者买入
作为企业创新领导者，您需要利用您对检查刀具，功能商业领导者和主题专家的访问，以与他们交往并获得支持。未能构建利益相关方购买您的项目将使您获得有效AI部署所需的支持和资源非常困难。
您需要在船上提供最高管理，以获得财务和资源支持，但您还需要从功能性商业领导者和主题专家获得承诺，以便发现机会适用于AI部署。您制作的研究将为您提供强有力的参考，以便为AI倡议的必要性组成一个争论，而不仅仅是好的东西。
如果我们想带来一个项目并最终出现一个项目，他们需要让他们全部注册。您希望在您打算应用AI的地区举办盟友，以帮助将事物携带前进，理想情况下有一定程度的行政AI流利。
5 - 指导实用AI部署
作为企业创新领导者或人工智能顾问，你需要成为教育的催化剂，设定传递企业价值的期望，并指导实际的人工智能部署。这是人工智能部署的一个重要部分，因为不是所有的人工智能项目都将有利于企业。
设定关于提供价值的期望
正如我们在前一节中讨论的，为AI项目制作业务案例的一个关键因素是演示ROI。然而，关于正确的方式有许多误解预测投资回报并且可以且无法使用特定项目完成。
实际上，与AI项目的提供价值归结为企业，成本和集成问题的相关性和有用性。但是，您首先必须确定您是否可以确定AI将为您提供所需和/或想要的结果。
所有这些在很多情况下都很难确定，因为人工智能的发展日新月异。所有关于人工智能能力和可取性的炒作都让我们难以触及实质问题。
事实是采用人工智能对所有企业都没有意义。太多公司已经沉入了大量资金进入AI项目，并且未能获得他们需要的结果。您和您的团队必须更聪明，更能力了解一个好和愚蠢的AI项目之间的区别，因此您可以设置现实的期望并避免失败。
通过AI项目构建AI成熟度
第一次启动一个人工智能项目将会有很多成长的烦恼，即使你完全遵循这个指南。人工智能在很大程度上是一个未知元素，在使用它之前不可能解决所有的问题。
然而，你可以使用小型AI项目作为一种构建AI成熟度的方式，并逐步发展成更大的项目。你可以将其当成是一种清除漏洞并寻找有效部署AI方法的beta测试。最终，你将提高你的AI流利度，并能够在近期和长期内对AI ROI和采用做出相当准确的预测。
通过迭代扩展AI计划
一旦您建立了现实的期望，建立了AI成熟度，并且具有执行许可才能利用初始试点项目的AI应用程序，下一步是通过迭代扩展这些举措。这将涉及通过扩大特定项目的未来AI能力来进入三级项目，假设一切顺利。您可以通过提供工作声明和指导基于变化的AI目标和学习所需的活动和可交付成果列表来销售此想法，以展示它如何与典型的AI项目进行计数器。
通过迭代进行扩展的价值在于，你和你的团队将随着你所投资的AI技术的能力而成长。你是在用一种聪明的方式挑战极限，因为你已经知道它在一定程度上是有效的。如果你只是简单地扩展它的功能，或者随着你对这项技术了解的更多而稍微调整它，你所承担的风险就会更小。这不仅可以帮助你成功部署AI，还可以进一步开发它，让你的企业获得竞争优势。
