生成AI的投资回报率 - 最佳实践和框架

在Emerj.com我们的大多数读者执行的问题提问，可以归结为一个主题：

“哪里是AI在我的部门的投资回报率？”

运用AI是具有挑战性的，错误是昂贵的，看到从AI项目的投资回报率（ROI），回报是值得每一个企业的领导者和顾问所期待的。

投资回报率正在测量错误 - 因为如此 - 大多数公司都自己设置为失败的第一项举措。

大多数AI项目没有实现任何形式的投资回报率 - 它没有什么用数据或数据科学人才

这是真的，一些AI项目失败，因为该公司没有足够的数据，或者因为缺乏正确的数据科学的人才。

但是 - 许多项目失败，因为成功的测量正确建立。

大多数公司着手测量AI投资回报的一种方式：

• 短期财务回报（保存或由钱数）

而如果测量是从一开始就建立好这种方法可以是有益的，但可悲的是不完整的。

人工智能需要的战略优势确切了解的AI功能（数据基础设施，团队和技能）如何才能改善。

不打领带，以长期的优势，在AI的投资回报率又将许多尝试，为我们称之为“玩具应用” - 存在的实验，但添加既没有财务价值，也不显著的学习和技能，谁对他们花钱公司AI的各个实例。

谁是决定AI项目和倡议领导人希望：

• 下沉资金投入开发之前了解的AI项目的投资回报潜力
• 有有形的，可衡量的基准，以保持他们的AI项目负责
• 利用实现长期AI的灵活性和AI优势互补AI应用程序（除了短期的可衡量的结果）

而这正是新生成AI的投资回报率报告提供。

如何非技术性领导可以设置AI倡议成功

大多数领导者不知道如何建立预期，测量和框架AI的投资回报率，因为他们根本还没有尝试的机会。

AI是一个新的行业，而且大多数试点项目刚刚起步 - 有可靠的推出AI所以实际经验是由世界各地的专家的数量有限，举行技能。

我们的生成AI的投资回报率报告吸引了来自与来自不同国家和地区，例如AI专家超过50个采访。这些专家可分为三大类：

• AI领导在顶级科技公司：我们已经在Facebook的理念，Airbnb，谷歌Deepmind，和其他科技公司采访AI的领导和专家。我们不指望大多数企业能够充分转化为高科技独角兽 - 但许多在麒麟公司运用数据科学的最佳实践可以很容易地，一旦这些最佳实践的理解应用到更现实的公司。
• 博士AI顾问与启动和企业经验。大多数AI“顾问”都是业余的，但有的已经在这几十年，并有实践经验（在这是令人难以置信很难得到AI离地面商业环境往往）真实科学的数据转移到商业价值。
• AI领导在年纪大了，成立公司。从零售银行巨头制药公司，从制造企业货运集团 - 我们的采访和研究跨度为行业AI的案例研究和采纳为建立现有业务。

我们的投资回报率研究的目的是确定参与预测和保证AI的投资回报率在短期和长期的框架和步骤。

最终，我们的目标是让领导看到AI项目实际牵引能力，而绝大多数的竞争对手都浪费时间和金钱追逐错误的测量结果，而无需交付AI值接地策略。

如果你有一个短期的金融投资回报率最好的机会由AI项目 - 该报告将是非常有益的。

如果你正在寻找利用AI的长期战略优势 - 利用每一个新的AI主动的势头在市场上获胜 - 那么这个报告将是绝对必要的。

结构化的指南与人工智能提供金融和战略投资回报的商业领袖

投资回报率报告提供了一套框架来设置AI项目注册成功 - 打破AI的投资回报率的复杂的过程分为“战略”和“可衡量”的组件。

我们的读者是企业领导者，创新和战略领导者，谁想要以最小的绒毛最大的商业影响力新锐顾问 - 这是这份报告是如何构成的。

这种紧凑的28页的报告分为四个主要章节：

1. 有效地取景AI的投资回报率- 发现最关键的障碍短期的投资回报率，并决定根据自己的投资回报潜力的项目AI最佳实践。
2. 实现战略ROI- 人工智能项目与核心业务的优先级交付一致的长期结果中的排名。在本章中，你会学到三个战略ROI练习，现在要对齐的AI人工智能优势的举措 - 和未来。
3. 实现可观的投资回报- 使用六类衡量的投资回报为任何AI项目的锚点 - 和设置自己克服许多早期的障碍是AI举措的脸。
4. 使ROI发生 - 成功的关键因素- 团队协作和非技术高管对准步骤，包括步行通过跨AI部署的六个阶段的关键团队协作点。

购买您的副本生成AI的投资回报率 - 最佳实践和框架。