人工智能将改变所有行业，并在未来几十年创造数万亿美元的经济价值。
但是，80-90％的初始企业AI项目失败。
为什么？
通常，首先选择了错误的AI项目。
但适当的AI项目选择不是单一技能 - 这是行政AI流利的一个生长 - 领导的一般能力，了解AI所做的，它如何工作，以及它应该有贡献的长期愿景（阅读我们完整的Emerj Plus指南执行官AI流利）。
AI冠军或C级高管不会简单地学习选择项目。他们必须了解用例，至少有三级了解人工智能是如何工作的。
他们还必须有一个制定项目选择决策的框架，这也是本文的重点。
通过与全球公司的AI领导者的访谈，以及与我们的企业创新领导者的AI项目选择经验实践市场研究服务-很明显，在项目选择上没有单一的剧本。然而，我们已经提炼出了AI项目选择的三个不同阶段或步骤，它们几乎总是在项目选择完成时出现(例如，“我应该从哪里开始AI?”)。
关注这些建议会让领导者受益，尤其是关于后几步的建议，因为对于那些寻找“容易摘到的果子”的商业领袖、顾问和人工智能服务领导者来说，这可能会有点意外。
无论你是一个内部的AI拥护者还是一个AI供应商，这些来之不易的经验都应该有助于简化你的项目选择过程，并实现真正的ROI。
第1步：对准关键优先级和AI机会
在调整人工智能的优先事项和机遇时，领导层需要了解人工智能本身，以及他们自己的业务优先事项。
我们将向这两个组件讨论这两个组件，重要的是要注意，跨越这些域名的讨论几乎不可避免地涉及多个利益相关者，如内部数据科学领导，商业领导和各种主题专家。他们往往是澄清AI潜力和业务优先级的正确方法至关重要。我们经常带来方便这些谈话，以便将它们排成一行并朝着正确的方向转向它们。
AI理解和可能性
领导力需要：
- 了解AI的工作原理
- 了解AI的用例范围
- 开发AI转型视觉
了解AI的工作原理
职能型领导不需要学习如何编码，但他们应该理解什么使他们公司的数据有价值，为什么它的格式很重要。他们应该理解算法如何利用数据，以及他们可能期望从这些算法得到什么样的结果。
他们不需要知道如何在Python中代码，但他们确实需要知道Python是一种编码语言。他们需要知道Python可以做一些事情，例如，C ++不能做到。他们应该了解自然语言处理是什么，也许是机器学习和深度学习之间的差异。如果他们甚至不知道这些基本面，他们将非常努力地挑选一个第一AI项目。
了解AI的用例范围
职能领导还需要了解他们所在行业中具有代表性的AI用例。例如，如果是电子商务，他们应该知道亚马逊(Amazon)或Wayfair正在用人工智能做什么。当我们和本洛里卡，博士博士，奥里利媒体的首席数据科学家，他表示，总体而言，一个强大的案例研究将使商业领导者或决策者查看项目的详细终结进程。
基本上，您正在从其他人面前学习。在您的行业中寻找尽可能多的相关用例，以便您的行业中的特定AI技术将为您提供您在进入之前进入的东西，以及您可能的成功水平。
开发AI转型视觉
根据销售队伍，数字转型是“使用数字技术创建新的或修改现有的业务流程，文化和客户体验的过程，以满足不断变化的业务和市场要求。”
当谈到使用AI影响此创建或修改虽然它可以在数字化进程仍然涉及纸张和减少客户服务代理人的数字化搜索客户信息的时间来产生一些令人印象深刻的结果，但领导人可能太兴奋，而不是知道它所带来的基本面的基础。
常见的是，领导人将AI视为目标，而不是工具。周围的目前的焦点和兴奋可以强迫领导者在它周围开发数字变换策略，而不是在支持角色中施放它来实现公司的大图片目标。领导者，了解AI如何运作和使用案例范围的行业将能够开发一个可以在真实情景中工作的AI转换视觉。
当这三件事都做好之后，下一步就是评估该公司是否真的应该推进人工智能项目。只有理解了这三点，公司的领导层或最终批准这个项目的一方才能成为这个人工智能项目的执行冠军。否则，我们可以实际地期望看不到短期投资回报率，更不用说长期投资回报率了。
当领导力对部署AI的挑战有限时，我们几乎总是选择注定失败的AI项目，并且几乎总是与AI项目过早挫败。我们不能夸大这三点的重要性，因为真的没有替代具有牢固了解这些观点的领导力。为他们，AI服务领导人绝对需要以一种帮助领导明确了解这些要点的方式来传达业务案例。
理想情况下，只有我们使用AI项目向前迈进了这三个因素。
业务优先级
下一个重要的事情，领导应该了解的是内部业务优先级，并考虑任何可能发生的变化，由于外部因素。例如，自COVID-19以来，你们的业务战略和3-5年目标可能发生了很大变化。一些企业现在才刚刚开始澄清他们实际的前瞻性战略是什么，而另一些企业可能还没有对他们目前的战略感到安全。
商业策略
关于企业战略对实现业务优先事项的事项有很大的困惑。许多人认为，业务战略是一项总体计划，将通知商业生物的其他要素，事实上，当这些其他要素到位时，即使，使命和目标，愿景和激励，以及价值主张以及价值主张。
根据这次哈佛商业评论文章，一个好的业务战略“……提供一个清晰的路线图，由一组指导原则或规则组成，定义了业务人员为了达到预期的目标应该采取(和不采取)的行动，以及他们应该优先考虑(和不优先考虑)的事情。”
业务战略是如何在总体上调整资源以实现理想的结果。当谈到AI在业务战略中，目标是使用AI作为一种最大限度地减少风险的工具，并最大化与特派团和目标，视觉和激励的对齐方式，以及企业的价值主张。
在某些情况下，人工智能可能不是在不确定时期前进的最佳方式。对人工智能及其在当前环境下的可能性有必要了解的领导层将意识到，在有合理信心制定前瞻性的商业战略和长期目标之前，暂缓部署人工智能是有意义的。否则，人工智能的长期战略投资可能会被重新洗牌，相对进展可能会在大变革时期失去作为优先重点的地位。
长期目标
开发AI业务战略的一个关键部分是确定和巩固长期有形结果和可衡量的目标，例如发射特定产品，潜在的重塑，盈利，市场份额，特定产品的预计收入等。
这也涉及与战略和三到五年目标对齐的关键举措。值得注意的是，它通常最容易释放与本公司内存的现有关键推进有关的项目的人工智能预算。
例如，如果公司已经投资大量资金，努力和资源来改革其客户服务经验，那么在该空间中寻找AI机会就会有意义，因为资源和努力已经在那里致力于那里。
因此，重要的是要知道，在未来一年和两年的时间里，这些即将到来的关键目标将是什么。在公司的关键领域之外投资通常不是一个好主意。
也就是说，在某些情况下，对于人工智能成熟度更高的企业来说——也就是说，他们对人工智能的部署有很好的理解，有强大的人工智能转型愿景，并对这一愿景有信心——投资于不同的人工智能方向可能是有意义的。然而，对于选择第一个人工智能项目的企业来说，通常不是这样的。
当希望完成3-5年与AI的目标时，执行领导层在模塑转型愿景方面发挥作用并深入了解人工智能对公司未来的作用。
注意:在我们的Emerj Plus文章中了解更多关于交付AI ROI和构建AI的战略价值:如何在人工智能项目中取得成功——以战略引领。“
第2步：确定AI ROI机会
选择第一AI项目的第二个关键优先级是确定可行潜在项目的ROI机会。这涉及探索可能的用例的地图，可以以两种不同的方式完成
您自己的行业内的已知用例
探索自己所在行业的用例需要考察创业生态系统中的各种公司，并根据它们的可信度和能力对它们进行分类。它确实需要经验和一个市场研究方法对供应商状况进行有效评估。
但是，在三级层面，公司通常可以为自己做这件事。值得注意的是，在观察自己的行业时，您应该特别注意该行业的领先公司。
在银行业务，在保险范围内，在砖块和砂浆零售内，全球前20名往往是具有最具人造情报投资的公司。学习这些顶级公司的用例理论上可以为您提供可能值得考虑的初始AI举措的想法和方向。
邻近行业的已知用例
它通常值得看毗邻的行业。例如，银行可以在网上汲取电子商务人工智能用例建议或者它可以在提章化处理时从保险AI应用中学到。限制您在自己的行业内的范围可以在解锁技术的完整能力和值得潜在采用的全部思想方面持有贵公司。
了解一项技术据称可以做什么，可以让主管领导和评估前景的主题专家了解。他们可以对部署不同AI应用类别的相对挑战和相对困难有一个明确的理解。
值得注意的是，并非所有的AI用例都是相同的。有些公司在人才或数据量方面的数据基础设施要求与其他公司截然不同。在您收集不同用例时理解这一点对于确定它们的优先级和决定研究什么是至关重要的。
第3步：确定ROI和能力的关键AI举措和结果
选择第一个人工智能项目的下一步和最后一步是确定关键的计划和ROI的结果，以及潜在人工智能项目机会的能力。
虽然一个良好的跨职能AI团队将选择潜在的AI项目组合（使用逐步的过程，因为我们在此概述的情况下） - 通常最好保守有关这些项目中有多少项目可以追求。对于大多数公司来说，一次选择四个或五个AI项目可能会使团队失败。主要目标是以了解这些机会，根据他们的对齐来确定这些机会，以确定战略目标，人才和资源要求，以及与AI转换视觉的一致性。
对准建立战略目标
通常，随着我们进入I阶段项目，我们希望找到一个非常有力地对准的战略举措和领导的关键能力。
与当前战略相一致可以获得大量的支持，因为它对高管领导的潜在财务和战略价值，这就是为什么我们需要专注于评估一两个项目。对学习的关注会让我们认识到，虽然短期的投资回报率(ROI)可能是具有挑战性的，但我们可以灵活地适应不断发展的人工智能技术，并在未来几年里让自己处于一个更好的位置。
与领导力的关键能力对齐是AI预约的先决条件。您希望了解本特定项目的财务结果，例如效率，收入和风险降低该项目的有形产出和投影ROI。
人才和资源要求
您希望经济理解，并获得未来更好地采用AI的关键能力的方向。您应该特别关注回答以下问题，这在我们的情况下详细讨论关于关键能力的文章:
- 我们需要开发什么才能或技能？
- 我们需要开发什么数据理解？
- 我们需要大修哪些数据基础设施？
人才或技能，你需要发展到这个项目的结束将取决于人工智能倡议的目标。例如，如果一个电子商务公司在欺诈和国际采购方面存在很多问题，并且正在寻求解决这些问题，他们就会希望对支付欺诈数据有更深入的了解。这将表明，需要发展数据科学家的技能，并聘请主题专家来识别和分析手头的欺诈数据，并从中获得可行的见解。
理解数据是一件很难的事情，所以把注意力集中在当前想要解决的问题上是很重要的。在零售业，问题可能与物流有关，所以你可以从对物流数据的更深入的理解中受益。对物流数据更好的访问、清晰度和透明度可以帮助您在如何处理这些数据方面做出更明智的决定。
对于数据基础架构，对其的大修可以取决于公司的当前要求。例如，如果大型银行想要将客户服务数据从聊天移动到聊天，从电话呼叫和从发散筒仓的电子邮件中的成绩单到一个地方。将客户数据对准单个平台的数据基础架构允许我们一次绘制多种客户触点。在这种情况下，成功升级核心数据基础架构将是项目的实际胜利。
人工智能绝对会彻底改变各种行业，但需要谨慎接近。
我将根据这第三阶段简洁地框架的重要性：
人工智能项目应该在发展过程中创造价值——但它们最终应该服务于促进人工智能成熟的目的，并推动公司朝着人工智能转型的愿景发展。
在没有这种关注的情况下，在长期内完成的项目将陷入近期价值的即插即用承诺的陷阱。AI挑战，AI涉及不确定性，除非被视为学习和批判性能力的投资（即AI成熟的要素），持续的投资和实际转型极不可能。是的，我们尽可能需要近期赢 - 但我们无法依靠每个AI实验来获胜。然而，每次实验都可以是一个教训 - 以及建立能够在长期运行方面取得成功的技能，资源和文化的运动 - 并让我们在我们的竞争中提前提升。
外卖顾问：对人工智能服务和咨询行业的领导者来说，风险和回报并存，假装在企业中采用人工智能很容易，几乎没有什么好处。拥有最好的长期合作关系的顾问和服务提供商，将是那些既能阐述人工智能的挑战和需求，又能对其实际的战略和财务投资回报有全面的个人视角的公司。人工智能部署的实际过程极具挑战性，但对于成功的公司来说，这将是极具回报的。
企业创新领导者的启示:同样，内部创新战略领导者和任何试图销售AI的任何人都应该将其框架作为即插即用技术。那种框架束缚势必是反射，并通过部署中途取消项目，因为领导将感到惊讶，这个项目需要超过一个平均项目将允许的。
与AI转换视觉对齐
AI对转型企业的潜力巨大，但它有自己的动态来自其他变革因素。重要的是，执行领导层对AI的教学价值分享了了解AI的教学价值，并在挑选第一AI项目时部署的现实考虑因素。
如果在项目开始时没有从该冠军那里开始，我们不太可能会看到这么多作为近期投资回报率。如果您可以做得好，那么您可以定位贵公司，不仅可以获得AI的经济利益，而且更灵活地采用和部署这些技术进入未来，并在谈到AI转型时提前拉动包装。
注意：具有兴趣模塑其自己的AI转换愿景的读者可能会受益于我们的完整报告生成AI ROI - 最佳实践和框架。
