“AI可访问性：现代商业的下一个电子表格革命”

数据科学改善业务成果的关键

在哈佛商业评论的副本中，欧洲战术创新中心( ecsi )创始人兼首席执行官亚历山大·迪奥反驳了拥有越来越多数据科学家的企业可能影响商业的假设。 根据他的咨询，在工作和研究方面，他得出的结论是，雇佣大量的数据科学家不一定会给公司带来更好的结果。

最近，我在fincross international创始人兼副首席执行官亨利·詹姆斯( henry james )的采访中发现了同样的注意结果。 他说，在拥有大量资源投资数据科学的公司看到的是，他们实际上能做得更好。 不是五个人的队伍而是五个人。

将ai扩展到具有领域专业知识的工作人员

di fiore指出，对于一家企业来说，可以获得人工智能工具的民主化和管理者与员工之间的决策能力，从而创造越来越多的实际价值。 他继续注意民主化如何带来更快、更好的分散决策，使企业更灵活，更好地应对市场变化和机遇。 (要了解公司是如何采用人工智能的，请参考今天的ai :谁现在在采用它，以及是怎么做的。 ）

他不在意民主化这个词，喜欢团队运动，但ople首席执行官托德·海伊同意了这一点。 正如他在techopedia的采访中所说明的那样，他设想从稀疏、集中的ai过渡到大众，就像电子表格一样，是应该被所有商人采用的有用工具。

hay说，主题和行业专家最有能力判断可能影响业务的预测。 但是，通过让数据科学家负责设定这些预测模型，他们被排除在过程之外。 这不利于业务。

他承认数据科学家拥有数学和统计学的专业信息来评价模型是否良好，但他们没有能力明确应该让ai处理这些问题。 模型的专业信息和优势相关人员的专业信息之差为70%-80%的样本模型没有被采用过的理由。

知道什么将进入决定

更分歧的是无法理解模型的实务方法。 hay表示，在医疗、保险、金融等监管领域，他们担心不能做到这一点，而是必须向审计师解释决策过程。

ople的机器学习和数据科学高级营销负责人rick saletta在采访中同意，哪个企业现在要求开发透明的ai，也称为可以说明的ai。 正如我们在人工智能中看到的那样，如果不确定人工智能如何得出结论，就无法明确它是否没有偏见。 他补充说，摆脱业务已经不能接受了。 通过说人工智能履行了公平发挥作用的责任。

互联网崛起的教训

面对像黑匣子一样操作的恐惧，人工智能阻碍了公司获得所有可能带来的利益。 据hay称，这是一种必须改变的心情。 他建议人工智能今天就像90年代末的互联网一样。 这意味着人们对如何应用新技术不太清楚，所以会发生像pets和其他火灾一样壮观的失败。 对新技术的恐惧使人们萎缩，他说:“这是新的、可怕的、非常多杂的东西。”

但是，对任何人来说，都有好的机会。 我们现在看到的一切都在网上打开。 因为人们想尝试新事物。 hay说。 ai现在也是这样。 人们会找到他们。 甚至不知道自己应该找什么。 他们不应该怀疑自己的能力。 因为大多数人在企业里掌握的技能比他们想象的要多。 特别是主题专家和知道数据的人。

使技术可以立即访问

我想看看所有的企业现在都是怎么利用人工智能的。 今天，hay主张。 为了实现这个目标，有必要让ai在数据科学专家的范围之外进行访问。 他解释说，世界上有才能的数据科学家的数量远远少于可以盈利的企业的数量。 因此，处理越来越多业务问题的关键不是没有培训就成为andrew ng的人越来越多，而是向人们提供技术。

事实上，这是未来的趋势，据gartner预计，今年自助拆除将会增加。 人工智能的巨大进展和互补技术，如saas (云)分解和bi平台，使非专业人士能够以比以往更简单、更具成本效益的方式进行相对有效的分解，为更好的决策提供新闻。 carlie j .说。 iartine，gartner的研究负责人。

这几个在公司实施，当越来越多的员工克服不想协助他们实现人工智能的利益时，它真的变成了组织内的参与性，而不是视觉上的运动。 这样的变化可以产生很大的影响。 (如果在业务方面很少考虑人工智能，企业可能需要考虑采用ai的五种方法。 ）

通过减少时间和价格来降低风险

人们害怕在六个月内实行假设。 hay解释说，由于这是时间和金钱上的重大投资，最终有可能失败。 但是，如果人工智能不是为这些具有更长期范围的主要moonshot项目存储的，而是为了更快地完成更常见的任务，或者为了每天完成，变得像电子表格一样，则可以访问的廉价

但是，idoine先生警告说，这不仅意味着公司希望员工了解招聘方法并能回应自己的诉求。 她反复认为，大多数自助服务客户要想取得有意义的成果，就需要培训、支持和入职流程。 因此，必须提供如何快速启动和执行的正确指导，以及如何申请新的工具来比较特定的业务问题。 而且是解决业务问题的关键，而不是增加数据科学团队的数量。