人工智能在商业领域的演变：我们已经走了多远

今天早上打开我的电子邮件时，我收到了一条关于我发送的旧消息的警报。警报说：“10 天前发送；你要跟进吗？”确实，我确实需要提醒我的同事做出回应。这段经历让我反思了我们已经走了多远，以及人工智能 (AI) 在商业领域的前景。

大约 40 年前，我对这个领域着迷，当时我还是伯克利分校的本科生，师从 Alice Agogino 教授。 Agogino教授在黑板上画了这个简单的图表。

当时，人工智能系统被称为专家系统。它们使更多人能够以专家级别完成大多数任务。他们提高了用户的潜力并改变了整个业务的性能曲线。借助这些系统，专家可以专注于只有他们才能解决的最具挑战性的任务。

多年来，这个令人信服的想法——技术可以大规模扩展我们的性能——一直伴随着我。它塑造了我的热情，我自己的职业生涯也遵循了 AI 本身的轨迹。

但在此过程中，也遇到了一些挑战。我们系统中的模型往往滞后于业务的变化；昨天的问题虽然会以最优的方式解决，但渐渐地就会变得陈旧。他们需要专门的团队进行使用和维护。

我们今天在哪里

今天的人工智能系统在三个方面与早期的专家系统和传统的业务解决方案有着根本的不同：

我们如何使用它们： 传统的业务解决方案往往是分散的。一组系统告诉您您的业务目前如何运行（传统商业智能），另一个帮助您决定如何经营您的业务，另一个允许您记录您所做的 经营您的业务（企业资源规划）。

用户必须遵循繁琐且不连贯的路径，从描述性和诊断性分析到使用数字孪生模型的预测性分析和优化。然后，一旦做出决定，他们必须转身并在他们的 ERP 中记录该决定。

相比之下，当我们使用人工智能时，我们直接从建议开始，并可以探索预测性、诊断性和描述性见解作为解释。 AI 提供了采取行动的分步指南，即使我们可能做出与建议不同的决定。

重点转移： 传统的专家系统过于关注自动化。今天的人工智能系统可以帮助我们导航和协调业务流程。在我看来，最好将 AI 视为增强智能而不是人工智能。今天，我们将人工智能视为可以训练并适应我们需求的东西。

学习和适应 ：传统的业务系统是静态的，随着时间的推移往往会变得陈旧。他们需要增强和修订以纳入业务中的反馈或变化。相比之下，人工智能系统是动态的。他们学习并适应不断变化的业务需求。您使用它们的次数越多，随着时间的推移，它们就会变得越聪明、越有效。

传统BI	AI
要求用户遵循乏味且经常断开的路径，从描述性和诊断性分析开始，探索替代方案、预测结果、做出选择，并最终采取行动来运营业务。	为用户提供推荐的操作以及探索预测性、诊断性和描述性见解作为解释的能力。 AI 已经完成了通常分析步骤中的所有繁重工作。
仅限于描述性仪表板、报告和警报。	融入用户执行日常任务的方式；你甚至可能没有意识到它的存在。
随着受众的发展，往往会变得越来越普遍，以针对更广泛的受众。	学会变得个性化，并越来越针对个人用户的行为和偏好，即使用户的跨度随着时间的推移而增长。
专注于分析数据。	专注于决策。
是静态的，随着时间的推移会变得陈旧。他们需要进行改进和修订，以跟上不断变化的业务需求和偏好。	是动态的，旨在学习和适应变化。您使用的越多，随着时间的推移，它就会变得越聪明、越有效。

未来是什么

AI 能力虽然强大，但确实带来了一些挑战。

首先，从人工智能中获得最大价值需要勤奋的变革管理，无论是行为还是对技术的态度。如果人们将技术视为威胁或扩大绩效目标的手段，他们就会努力破坏其成功。此外，如果采用人工智能意味着失去对客户和供应商的控制或个人接触，或者阻碍跨职能思维，那么它就会失败。

另一方面，如果人们将 AI 视为一套新工具，可以让他们的生活更轻松、更聪明、跨组织协作并取得更多成就，他们就会努力使其成功。

第二个问题是关于人工智能的伦理。我们需要让人工智能更加透明和合乎道德。机器学习模型学习他们所学和接触的东西。如果数据有偏差，人工智能也会有偏差。此外，没有人喜欢遵循黑匣子的建议。 AI 模型必须解释他们的建议、做出了哪些假设、感知到了哪些模式以及透明地探索了哪些选项。

最后，我们必须问自己，我们正在努力用 AI 解决的问题是否是首先要解决的问题。我们应该努力利用人工智能来扩大人类的影响范围并改善生活，而不是控制它们。

简而言之，迄今为止，人工智能的变革是革命性的。我们越是接受、利用和改进这项技术，我们的业务就会越进步。

Adeel Najmi 是 LevaData 的首席产品官。

工业技术