AI 的投资回报率仍然难以捉摸

公众号/AI前线

作者 | Thomas Davenport

译者 | Sambodhi

策划 & 编辑 | 刘燕

虽然我们无法预测人工智能会在未来 10~20 年取得何种惊人的进步，但可以肯定的是，该技术将为人类带来巨大的福利。然而，对人工智能的投资回报率，很多组织仍然不是很清楚。许多人都天真地以为，人工智能就像其他任何软件解决方案一样：从理论上讲，回报应该是立竿见影的。但实际上并非如此。

本文最初发表于 Medium 博客，InfoQ 中文站翻译并分享。

对人工智能项目来说，要想超越“有则更好”，就必须更好地展示自己的商业价值，但如何才能更好地展示自己的商业价值呢？

2020 年夏天，我和我的同事 Laks Srinivasan 在 RoAI Institute 召开了一次首席数据和分析官（chief data and analytics officers，CDAO）的虚拟会议，讨论如何最好地实现人工智能的回报问题。我们想了解这些高管在多大程度上认同我们的观点，即人工智能面临着一个重要的经济回报问题，以及如果有的话，他们的公司正在做什么来解决这个问题。代表的行业包括汽车制造、消费品、医疗保健、保险、物流、营销服务和专业服务。

定义问题

也许我们在选择经常与我们意见一致的参与者感到内疚，但参与者确实与我们的观点一致，即认为人工智能项目面临着关键的投资回报率问题。时任 Ford（福特公司）洞察和分析主管、现任 McDonald（麦当劳）首席数据分析官的 Craig Brabec 评论道：“让我们面对现实吧，我们都从围绕人工智能的炒作中受益。但现在我们必须兑现承诺。”

他认为，鉴于人工智能的炒作程度，企业利益相关者可能会对人工智能的影响抱有过高的期望。此外，外界对人工智能发展速度的预期也很少降低。由于依赖于大量数据、流程和系统集成以及支持性文化，人工智能带来的好处并不像许多人预期的那样迅速累积。Northwestern Medicine（西北大学医学院）高级副总裁兼首席医疗官 James Adams 博士评论说：“当谈到医疗保健领域的人工智能时，策略很简单——每个人都希望它完美、免费，而且现在就能实现。”

一位与会者提到，各组织往往在人工智能工具、技术和模型上花费太多时间和重点，而在人工智能项目的可衡量、增量价值上花费的时间却不够。因此，项目团队无法找到足够的资金，无法取得成效。

几位高管一致认为，有关人工智能项目价值的轶事只能持续这么长时间。其中一位高管评论道：“如果这只是一次性的轶事，那么它作为一种胜利，很快就会消失。”还有一个问题是“人工智能无处不在”。一位数据和分析主管评论说，“一旦人工智能项目成熟并得到充分理解，它就不再被公认为是人工智能了。”当然，这就使得属性值很难持续。这位高管建议，或许可以相对保守地定义企业的人工智能，并指出长期以来的人工智能能力。

在参加这场讨论的人中，没有人没有评论说“人工智能的回报”对他们来说不是问题。其中一位说：“我们将人工智能描述为从数据到洞察力再到结果的过程”，如果没有结果，人工智能就无关紧要了。这一评论得到了广泛的赞同。当然，围绕人工智能的回报率的一些问题，任何技术，或者至少任何新技术都会面临。但也有一些问题是人工智能所特有的，因为它的洞察力和决策导向，或者是因为围绕这项技术的极端炒作和恐惧。

Philip Morris International（菲利普·莫里斯国际公司）负责企业分析与数据和首席数据官的副总裁、曾任 UPS 高级分析集团数据科学、机器学习和人工智能的前高级总监 Mo Chaara 评论道：“如果我们向人工智能敞开大门，我们将在多大程度上超越人工和人工驱动的流程？我们准备好了吗？”

根据 Eli Lilly（美国礼来制药公司）首席数据和分析官 Vipin Gopal 表示，在人工智能领域中，另一个主要的挑战是，“分母中包含了什么？测量方法学没有跟上人工智能的发展。”自动化项目变得很流行，是因为它们更容易测量；在创新方面的投资存在一个障碍，但从长远来看，创造价值的潜力巨大。Northwestern Medicine 的 Adams 博士说：“虽然人工智能创造的最终价值很高，但财务回报的即时性却是一个障碍，因为 40% 的医院运营利润率只有 1%。”

评估与提高回报

在这场讨论中，参与者采取了各种方法来评估和提供公司的人工智能回报率。要使人工智能的回报最大化，需要整个组织对人工智能有广泛的认识，因此，对数据和人工智能素养的投资非常重要。

另一个关键重点是根据现有项目的价值程度和方向（概括为项目“保留、失败或翻倍”）来确定其优先级。一位高管提到，涉及运营改进的人工智能项目更容易衡量，但保留一些更具前瞻性和复杂性的项目也很重要。另一位表示同意：“我们试图强调价值创造以及成本节约，尽管后者更容易衡量。”同样，一家公司的一个关键问题是：“我们如何利用这项技术实现跨越式发展？”该组织试图建立业务 / 技术实验，以便于将新用例与当前状态进行简单的比较。

在讨论实现回报的方法时，还涉及到人工智能的文化和再造业务流程的问题。在讨论中，有一家公司的代表有很强的“设计思维”文化，这在人工智能项目也很有帮助。设计思维练习被用来确保以正确的方式解决业务或客户问题，并考虑多种替代方案。几位与会者还提到了以数据为导向的文化；Eli Lilly 的 Gopal 说，“数据、新流程和再培训的文化是使人工智能成功的软要求”。另一位说，“我们认为，培训、文化变革和反向指导对于支持人工智能的扫盲、采用和使用非常重要。”

当然，人工智能的采用和使用是该技术获得经济回报的先决条件。

在技术方面，还讨论了数据和系统工程等基础能力对于实现人工智能收益的重要性。

角色与职责

显然，在许多这样的组织中，首席财务官和财务职能部门在实现人工智能回报方面发挥着关键作用。正如 Craig Brabec 所说，“财务是唯一的记分员”，一家公司正在与财务组织合作，制定衡量标准和方法，以评估人工智能项目的价值；另一家公司与首席财务官就所有重大举措进行非正式协商。另一家公司代表提到有必要教育首席财务官和财务人员如何以多种方式衡量回报。这位高管指出，“由首席财务官认证的业务成果所产生的财务价值对于我们的业务采用人工智能至关重要。”

但除了首席财务官和财务职能部门外，几家公司还强调了其他高级管理人员可以发挥的重要作用。“在我工作过的几家公司中，我都看到了这一点。”一位评论道。“合适的赞助商和正确的关注度会让一切都变得不同。”另一位数据和分析领导者评论说，新的人工智能计划的“吸引力”可以来自于领先的企业主吹嘘他们自己在人工智能方面的成功：“企业领导者可以让他们的成果像病毒一样传播开来。”

除了传播对人工智能潜力的热情外，几位高管还提到了缓解恐惧的重要性。Chaara 指出：“人们担心人工智能会对工作和工人造成什么样的影响。”有人认为，这些担忧只能通过首席执行官和公司高管的共同努力以及内部沟通活动来解决。

很明显，人工智能在当今世界的广泛而突出的知名度，给希望获得技术回报的组织带来了机遇和问题。

重要的是要控住期望值，监控并宣传成功和实际结果，尽量减少对事业或技能要求发生重大变化的担心。

参与讨论的公司都意识到了这些问题，并正在努力解决这些问题。

作者介绍：
Thomas Davenport，Babson College（巴布森学院）信息技术和管理学院的特聘教授，MIT（麻省理工学院）数字经济计划的数字研究员，Deloitte（德勤会计事务所）分析和认知业务的高级顾问。

原文链接：

https://medium.com/mit-initiative-on-the-digital-economy/roi-for-business-ai-remains-elusive-93997cdaee47