Arijit Sengupta解釋了AI如何變化以及為何單個AI模型不再是智能業(yè)務(wù)

Arijit Sengupta：AI需要在業(yè)務(wù)用戶做出決策時提供針對特定上下文的建議。我們已經(jīng)從向后看的傳統(tǒng)分析和商業(yè)智能轉(zhuǎn)變?yōu)榫哂星罢靶缘募夹g(shù)。這是一個根本性的轉(zhuǎn)變。

您最激動并認為最有潛力的一項新興技術(shù)是什么?這項技術(shù)有什么特別之處?

特定于上下文的AI具有最大的潛力，可以使業(yè)務(wù)更好。第一代AI完全脫離了業(yè)務(wù)環(huán)境。它沒有考慮到企業(yè)獨特的成本效益權(quán)衡和容量限制。傳統(tǒng)的AI假定所有成本和收益都是相等的，但是在業(yè)務(wù)中，正確預測的收益幾乎永遠不會等于錯誤預測的成本。

例如，如果贏得交易的好處是不必要進行交易的成本的100倍，該怎么辦?您可能愿意贏得單筆勝利并輸?shù)?9筆交易。基于模型指標，僅能在100次嘗試中贏得1次勝利的AI會非常不準確，盡管這會增加您的凈收入。那就是您想要從AI獲得的東西。

第二代AI專注于公司的特定業(yè)務(wù)現(xiàn)實。正如Forrester和其他分析師所指出的那樣，專注于數(shù)據(jù)科學指標(例如模型準確性)的AI通常不會帶來業(yè)務(wù)影響。

企業(yè)今天面臨的最大挑戰(zhàn)是什么?大多數(shù)企業(yè)如何響應(yīng)(并且有效)?

解決人工智能的最后一英里問題是當今公司面臨的最大的業(yè)務(wù)挑戰(zhàn)。目前，大多數(shù)業(yè)務(wù)經(jīng)理還沒有辦法了解預測模型將如何影響其業(yè)務(wù)。這與發(fā)現(xiàn)人工智能學到的東西根本不同。

僅僅因為我告訴您汽車的工作原理并不意味著您知道如何駕駛汽車。實際上，為了開車，您通常不需要了解有關(guān)汽車工作原理的所有細節(jié)。在第一代AI中，我們著迷于詳細解釋汽車的工作原理。那就是所謂的“可解釋的AI”。

我們現(xiàn)在要轉(zhuǎn)向的是企業(yè)了解汽車如何影響其生活的能力。企業(yè)需要了解AI在不同業(yè)務(wù)場景下如何影響其業(yè)務(wù)成果。沒有這些知識，您就無法采用AI，因為您是在要求企業(yè)主玩俄羅斯輪盤賭。您沒有向他們提供他們需要了解給定AI模型如何影響其KPI的信息。您只是給他們一些模型，并告訴他們希望最好。

數(shù)據(jù)或分析中是否有一項新技術(shù)正在帶來比大多數(shù)人意識到的更多的挑戰(zhàn)?企業(yè)應(yīng)如何調(diào)整其方法?

實際上，基于模型準確性的傳統(tǒng)AI可能會對企業(yè)造成極大的危害。經(jīng)過訓練以優(yōu)化模型準確性的AI通常非常保守，這會使企業(yè)陷入死循環(huán)。保守的模型會告訴您要追隨越來越少的客戶，因此您可以放心地完成幾乎每筆交易，但是很多次這意味著您最終會留下很多錢，并逐漸破壞了您的業(yè)務(wù)。以犧牲業(yè)務(wù)影響為代價來最大化準確性的AI比沒有用的情況更糟-它破壞了價值。

您的組織在今天花費最多時間/資源的是什么計劃?換句話說，您的企業(yè)專注于哪些內(nèi)部項目，以便您的公司(而非客戶)從自己的數(shù)據(jù)或業(yè)務(wù)分析中受益?

我們是一家處于初期階段的初創(chuàng)企業(yè)，其數(shù)據(jù)量相對較小，但我們相信能夠迅速開始使用AI，而不是等待獲取大量數(shù)據(jù)。我們首先開始使用AI來預測哪些客戶可能從首次聯(lián)系到首次會議，以及哪些客戶可能單擊電子郵件。

隨著時間的流逝，我們收集了更多的數(shù)據(jù)，并且能夠優(yōu)化我們在不同渠道上的營銷支出，并準確確定要關(guān)注的客戶。如果我們一直等到擁有大量數(shù)據(jù)才能開始使用，那么我們將無法取得足夠的進展。通過快速入門AI，我們能夠更快地改善AI流程。

您如何看待2020年及以后的分析和數(shù)據(jù)管理方向?我們還沒有聽說過什么呢?

每個人都聽說過很多有關(guān)AI的信息，但是我們所聽到的AI并不是能夠帶來業(yè)務(wù)影響的AI。我們所聽到的AI是從業(yè)務(wù)現(xiàn)實中抽象出來的實驗室AI。

人們開始意識到的眼界是，要獲得業(yè)務(wù)影響，您必須擁有一種截然不同的AI。創(chuàng)建單個AI模型沒有任何意義，因為業(yè)務(wù)現(xiàn)實不斷變化。您需要做的是創(chuàng)建適合不同業(yè)務(wù)現(xiàn)實的AI模型組合。如果您追求客戶的成本增加了10%，或者平均交易規(guī)模增加了20%，則您需要一個不同的模型。如果創(chuàng)建AI模型組合，您的業(yè)務(wù)將具有更大的變化適應(yīng)能力-而您唯一可以依靠的就是變化。