七位業內人士暢談如何衡量AI帶來的業務影響力

AI正在发展转型，无论是作为一种技术本身还是关于这种技术的使用方式。越来越多的企业把AI试水项目带出实验室，进行大规模的部署，其中一些企业获得了显著的好处。不管围绕AI有怎样的不确定性，忽视AI的潜力，都会让那些仍在以旧方式运营业务的企业面临潜在风险。

不过对于很多企业组织来说，从AI中获取价值可能是一件令人难以捉摸的事情。他们的模型可能没有经过调优的，他们的训练数据集可能还不够大，客户可能会心存疑虑，除此之外还有关于偏见、道德和透明度方面的担忧。在还没有准备就绪之前就把AI运用于生产环节，或者是还没有对其进行适当审查之前就把AI战略扩展到下一个阶段，对企业来说可能都要付出很高的代价，或者更糟糕的是，导致业务朝着不利的方向发展。

那么你如何得知一个AI项目是否会改变或者颠覆你的企业呢？如果没有硬性的ROI数字，企业就必须通过某种确定的方式实现创新，下面就让我们来看看这些IT领导者和业内人士是如何衡量AI价值的吧：

成熟技术与突破性技术

衡量任何计划或者技术的商业价值，并不总是一种线性计算的过程，AI当然也不例外，尤其是考虑到成熟度和业务潜力的时候。经过验证和预测性的变量（例如数据挖掘、在成本和培训时间方面的节省、投资、促进新用途的能力）会对决策产生影响，尤其是在可接受的ROI方面，但不管怎样，对技术有一定程度信任，这一点是至关重要的，无论是新技术还是成熟的技术。

例如在美国国家航空航天局（NASA）的喷气推进实验室，衡量AI项目的投资回报率，其中一个关键因素是技术的成熟度。

该实验室首席技术和创新官Chris Mattmann表示，一些AI技术的用途已经非常成熟，以自动化业务流程为例。

他说：“每家公司都有一些枯燥的东西，我们也有。我们对这些流程实施了自动化，例如票务处理、搜索、数据挖掘、使用AI查看合同和分包合同。”

该实验室使用了很多商用技术做到这一点，包括DataRobot和Google Cloud。Mattmann说，为了确定一项特定的技术是否值得投资，他们会考虑该技术是否会节省成本、时间和资源。“如果技术已经成熟了，就会体现出来的。”

对于那些还处于中等成熟度的技术来说，实验室会着眼于该技术是否具有开启新用途的能力，以及成本是多少。Mattmann说：“例如，我们要去火星的话，会有一个用于深空电信的细管道，”现在，他们有足够的带宽每天从火星向地球发送大约200张照片。

“我们发送到火星上的探测车，内部有一种约豌豆大小的大脑，运行的是iPhone 1处理器。我们只把那些抗辐射的东西放在太空中，这样就可以承受深空环境。我们深知，性能良好的芯片往往是那些较旧的芯片，因此我们不会在探测车上使用高级人工智能或者是机器学习。”

不过，最初作为一种技术演示而不是探测任务核心的NASA Ingenuity火星直升机，搭载了高通的Snapdragon处理器——一种AI芯片。“这证明，我们有可能使用更新的芯片来做更多AI方面的事情。”

这种AI将实现很多目前无法实现的新用例，例如Ingenuity火星直升机无需每天发回200张图像，而是可以使用AI对这些图像进行分析，向地球发送一百万条文字说明，例如，在特定方向上有一个干涸的湖床等等。“与今天的图像相比，我们可以通过文本获得更多信息。”

最后，对于最前沿的实验性AI技术来说，衡量成功的标准就是这些技术能否用于新的科学用途，以及能否用于撰写和发表新论文。

他说：“训练和建立模型都是有成本的。”

谷歌和微软等企业可以随时访问海量的训练数据，但是在NASA的喷气推进实验室，数据集是很难获取的，需要博士级专家进行分析和标记。

「在NASA，我們訓練一個新的AI模型的成本，是商業行業的10到20倍，」Mattmann說。

在這裡，新技術的出現可以讓NASA在減少人工標記工作量的情況下打造AI模型，例如，可以利用生成式網路創建合成訓練數據，他說。雖然是Deep Fakes，但卻是用於科學用途的。

AI衡量及其影響範圍

如果沒有直接的方法來衡量AI專案的業務影響時，企業會改為從相關關鍵績效指標也就是KPI中挖掘資料。這些代理變數通常是和業務目標相關的，可能包括客戶滿意度、上市時間、員工留任率等。

美國醫療服務提供者Atlantic Health System就是一個很好的例子。該公司高級副總裁、資訊長Sunil Dadlani說，患者是每個決定的核心。在許多方面，他們是透過觀察患者護理的改進來衡量AI的投資回報情況的。他說，這些以病人為中心的指標包括縮短住院時間、縮短治療時間、加快保險資格驗證、以及加快事先保險授權等等。

另一個項目涉及使用AI的項目，就是幫助放射科醫生檢查掃描情況，在這種情況下，衡量的KPI就是放射科醫生收到潛在異常警報的頻率。 Dadlani表示：“截至2022年4月，我們有99%的放射科醫生報告說，使用AI分析了12000多項研究，觸發了近600個警報。因此，醫生可以盡快解決潛在的嚴重問題。”

在美國第五大會計師事務所RSM，AI投資遵循兩條緊密相連的路徑：一條是幫助員工更好工作的生產力和分析工具，另一條是客戶方面使用的同類工具，該公司管理顧問、業務和技術轉型團隊的合夥人Richard Davis表示。

例如，RSM在與客戶合作的時候，可能會被要求從多個系統（包括會計、銷售和行銷、人力資源、物流）中提取數據，並將所有內容整合到一個面板中。 Davis說，AI可以幫助他們加快這個過程，然後，AI可以用於工作流程通過這些系統的情況，以及可能存在哪些挑戰和障礙。

那麼企業如何得知他們的AI是否朝著正確方向發展呢？

Davis說：「首先，我們可以非常清楚地衡量工具的使用情況，」他沒有提供RSM在AI專案投資或投資回報率方面的細節，但他說，「隨著時間的推移，我們希望看到的是更有效地交付參與」。

他說，參與度的提升會改善生產力。 「因此，如果過去需要我們一周才能完成某件事，那麼現在我們的目標可能是將其縮短到一天。」

#專注於商業利益

#衡量AI的成功與否，可能是很主觀的。麻省理工學院的AI研究科學家、零售業資料科學家Eugenio Zuccarelli說，評估一個AI專案就像開發AI本身一樣，都是一門藝術。

Zuccarelli說，儘管如此，能夠解釋AI對業務的影響力，這一點仍然是很重要的。 「KPI不應該圍繞模型本身設定，而應該圍繞著業務和人員指標，這應該是專案的最終目標。」否則，很容易選擇一個看似成功、但實際上並不能轉化為對企業產生有效影響的技術指標。

Zuccarelli也曾在BMW和Telstra擔任資料科學的職位，他警告稱，不要孤立地衡量AI專案的進展。例如，如果一個AI專案的目標是改進由於其他原因已經在改進的東西，那麼需要一個控制組來確定實際上有多少改進是由AI引發的。

具有多年金融服務行業經驗的Vladislav Shapiro表示，AI項目其他有價值的KPI可能是，例如，減少錯誤警報或自動刪除過多特權。他同時也是Costidity的創辦人，一個專門從事IT安全、身分治理和管理的顧問集團。

最近他負責了一項由AI能驅動的安全部署，結果讓誤報率降低了三倍，許多以前需要手動的流程都實現了自動化。

他說：「當你向C級主管展示這些數字的時候，他們就會明白，上述所有措施都降低了資料外洩的風險，加強了問責制和治理。」

逐步衡量成功與否

全球專業服務公司Genpact的首席數位策略長Sanjay Srivastava表示，自動化實現的成本節約，是展示AI專案經濟效益一個最簡單、也是最清晰的方式。但同時，AI也可以促進新的收入來源，甚至是徹底改變企業的商業模式。

例如，某家飛機引擎製造商發現，他們透過使用AI可以更好地預測故障和改善物流，從而開始提供引擎服務。 「對於最終消費者來說，購買飛行里程要比購買引擎本身更好，這是一種新的商業模式，因為AI的賦能而改變了企業的運作方式。」

而且，業務影響力也很明顯。

因此，為了證明那段時間投資AI是合情合理的，這家製造商需要製定一個長期的目標，然後把這個目標轉化為可以透過其他方式衡量的若干個短期專案。

他說：“與其說'十年後，我們將改變行業'，不如說，'第一年，我們開始考慮需要庫存哪些零件，'你還沒有能力去顛覆這個行業，你只是說，'我們需要恰當數量的零件'，這是一個為期一年的項目，目標是優化你的倉庫系統，減少你在庫存方面的投資。」

除了供應鏈優化之外，其他短期進度衡量指標也包括顧客滿意度。

「例如，如果飛機在孟買停留了五天等待某個零件，客戶就會感覺得到。」

#與戰略願景保持一致

然後就是面對現實，一些AI項目在短期內可能會影響利潤，但從長遠來看，仍然是重要的且具有變革意義的。例如，一家企業部署了客戶服務聊天機器人，可以消除許多枯燥的任務。 Gartner分析師Whit Andrews表示：「但是聊天機器人也可能是有壞處的，因為有些銷售人員很擅長於追加銷售並希望與人互動，所以企業組織可能不希望都是機器人。」

他說，歸根結底是看你想要成為一個什麼樣的企業。 「某些時候，你必須問自己你是否是這種企業：如果交付搞砸了，客戶會打電話詢問貨物在哪裡，然後你和客戶互動，嘗試讓他們改為每月收貨一次。」

如果這個企業組織想透過展示可衡量的ROI來推動轉型，並且擁有一個以客戶為中心的願景，那麼可能會跳過利潤上的短期回報，而轉向其他可能更有意義的指標上。

「一個完全自動化的組織可能會更成功，因為他們的市場份額逐漸增加，但是你可以開發你的數據，這樣你就可以在恰當的時間觸達恰當的人群。如果有什麼是你可以指出並說的，從邏輯上看，這會讓我們的客戶更快樂，我們的員工更成功，那麼就放開去做吧。」

以上是七位業內人士暢談如何衡量AI帶來的業務影響力的詳細內容。更多資訊請關注PHP中文網其他相關文章！