AI IQ ： 企业中的 AI 和机器学习

2023年全球研究的结果 目录 挑战1：构建高质量的数据基础9 挑战3：建立信心和理解以克服技能差距13 附录：关于研究15 行政视角。 JimStratton，Workday首席技术官 作为商业领袖，讲故事是我们拥有的最强大的工具。故事团结了一大群人，朝着同一个方向前进，实现共同的目标。故事说明了微小的变化如何最终导致巨大的、期望的结果。但是，只有了解今天的情况，我们才能明智地引导我们的人民走向我们所设想的未来。 这就是为什么我对你现在看到的人工智能研究感到非常兴奋。ChatGPT使每个人都能切实向AI转变-AI和机器学习（ML）不再是未来，它现在就在这里，并且比以往任何时候都更容易看到存在多年的希望和潜力。我们已经在Worday使用ML十年了，但现在，全世界都看到了这些技术的力量，几乎改变了我们所做的一切。 在我与客户和合作伙伴CIO以及业务和技术领导者的对话中，我听到的关于AI和ML的最大挑战是人们不确定从哪里开始，他们希望他们对其他人在哪里找到成功有更好的想法，并在他们的旅程中遇到障碍。这正是这份报告的目的，我希望在阅读它并吸收它提供的见解之后，领导者将能够讲述一个关于人工智能和他们自己组织的目标的更好的故事。 我对其他人的建议总是一样的:在你自己的组织中做讲故事的人。用清晰的眼光看待当前的状态作为你想看到的未来状态的起点。有了明确的目标和护栏，你就可以讲述一个重塑业务的故事。 Introduction 关于研究。 许多商业领袖感到增加人工智能采用率的压力。三件事阻碍了他们的发展。 研究员:VansonBourne 方法论:1,000次定量调查和5次定性访谈人物角色:人力资源、财务和IT领域的高级决策者公司规模:>500名员工地点:美洲(400)|EMEA(450)|APJ(150) 人工智能可能是我们一生中最具变革性的技术。毫不奇怪，人们仍然不确定该怎么做。 在企业层面尤其如此，人工智能和机器学习(ML)——人工智能的一个子集——早已出现，但由于与现有软件堆栈、工作流程、组织文化和预算相关的困难，它们的实际使用带来的好处仍然难以捉摸。 许多决策者在试图设想、证明、部署和利用人工智能和机器学习时缺乏指导和理解。正如本报告所发现的那样，如果他们希望从这些技术中获得最大收益，他们必须克服三个具体挑战： 1确保AI建立在高质量的数据基础上。2建立清晰的用例和快速行动的策略。3克服技能差距。 关键时刻的指南。 Workday与国际研究专家VansonBourne合作，对迄今为止AI的使用情况进行了独立评估。目标是：捕捉围绕这项非凡技术的情绪，并解释人们对许多人见过的最重要的颠覆者的真实行为，思考和感受-然后提供前进的道路。 上述挑战是这项研究的直接结果，您将在下面看到更多见解。但是，尽管存在挑战，但也有理由感到乐观。五分之四的受访者认为AI和ML对于保持其业务竞争力是必要的，三分之二的受访者表示AI和ML已经提高了其组织的生产力和运营效率。 本报告首先详细总结了主要调查结果，并继续对这三个关键挑战进行了深入讨论。 最后，它承认了数据中的另一个关键要点：几乎没有人愿意单独使用AI和ML。幸运的是，他们不必这样做。 一目了然的发现。 这项研究产生了广泛的外卖-其中一些相当令人惊讶。总结： •许多组织已经在使用AI和ML，尽管它们可能无法实现全面实施。•决策者正面临压力-通常来自上面-需要在AI和ML方面做更多的事情。•组织显然打算在未来几年加大对AI和ML的投资。•那些已经部署AI和ML的人已经在许多用例中经历了切实的ROI。•那些利用AI和ML的人对数据质量和隐私有所保留，但没有明确的答案。•许多团队担心确保人员拥有正确的AI相关技能。 事实和数字。 负责任的AI。 看到挑战。 •超过90%(93%)的决策者认为，在做出重大决策时，人类必须协助人工智能或机器学习，而不是让技术单独完成。•只有29%的人“非常有信心”AI和ML目前在伦理上应用于企业；52％的人“非常有信心”它将在五年内道德地应用。•39％的人在实施AI和ML时将潜在偏见列为其组织的三大风险。 •四分之三的决策者认为，有“许多障碍”阻碍了他们的组织全面实施AI和ML。•77％的人担心他们组织的数据既不及时也不可靠，无法与AI和ML一起使用。•72％的人表示他们的组织缺乏全面实施AI和ML的技能。 承认压力和风险。 •80%的决策者认为需要人工智能来保持他们的业务竞争力。•76％的人表示他们对AI和ML应用程序的了解需要改进。•77%的人表示，如果可以降低风险，他们公司对人工智能和机器学习的吸收将会增加。•实施AI和ML的最大组织风险：1.数据安全和隐私2.对问责制的关注3.无法衡量ROI4.决策错误 期待明天的劳动力。 •45％的决策者表示，AI和ML将通过增加工作量和创造新的职业道路来使员工受益。•43%的人警告说，人工智能和机器学习将取代一些任务，导致一些工人失业。•12％的人更怀疑，称AI和ML将完全取代人类，并对工人产生负面影响。 找出用例。 几乎相同比例的受访者表示，他们已经实施了人工智能和机器学习来协助以下与财务相关的任务，但采购和采购除外，目前使用水平更高： •改进预测•自动化非战略任务•方案规划•风险和欺诈检测 •通信和数据可视化•采购•采购 在讨论人力资源相关任务的人力资源专业人员中，一致性也很明显： •招聘和申请人跟踪•业务分析•技能评估工具•技能管理•学习管理 •人才管理•工资单•时间和缺勤管理 感到乐观。 很大比例的受访者表示，他们现有的AI和ML部署改善了关键业务指标： AI的ROI。 在衡量AI和ML部署的ROI的公司中，结果是有利的。 差-低于预期ROI良好-达到或接近预期 ROI优秀-超出预期ROI 已经收获了好处。 所有受访者（n=1,000）：您认为投资AI和ML的主要业务收益是什么？（回答组合排名第一，第二和第三）。 更好的决策和下一个最佳行动(NBA)业务洞察 公司正在路上。 所有受访者：最密切地描述了您的组织在实施AI和ML方面所处的阶段？ 挑战1：确保AI建立在高质量的数据基础上。 你已经可以猜测，糟糕的数据甚至可以使最复杂的AI和ML工具出错。 如果您最近注意到可公开访问的AI工具的范围，您可能已经注意到它们的输出仅与输入到其中的信息一样好。例如，AI生成的内容依赖于离散的数据样本-今天，这通常是互联网的一部分-它的处理。 您已经可以猜测，糟糕的数据甚至可以使最复杂的AI和ML工具出错。与在高质量的较小数据集上构建的模型相比，具有不同质量程度的非结构化数据提供的价值和准确性较低。当然，理想的是高质量和高质量。 因此，商业领袖有疑问。其中包括： •我们是否拥有适合AI和ML的数据量？•数据的质量是否合适？•数据的结构是否易于使用？•我们可以保持安全并保持隐私吗？ 数据上的数据。 受访者担心他们组织的数据既不及时，也不够可靠，无法与AI和ML一起使用。 在AIIQ受访者中，77%的受访者担心他们组织的数据不够及时，也不够可靠，无法与AI和ML一起使用。同样，数据量或质量不足是他们的AI和ML部署低于预期的主要原因(29%)。 而且，在这些回答中，还有另一个令人着迷的见解：只有4％的样本表示他们的部署没有达到预期。我们发现有趣的是，当涉及到纯ROI时（见上图），AI和ML实现的表现非常好，但是当涉及到期望时（更主观），这是另一回事。 IBMConsulting全球人才数据技术负责人KimMorick这样看待数据问题：“每个AI解决方案都从数据中学习，而且你只能看到你有权访问的数据。” 这是一个组织的首要任务。在他们意识到人工智能和机器学习，领导者必须确保他们的数据-以及他们验证、访问和移动数据的能力-将迎接挑战。 这是组织的第一项任务。在他们意识到AI和ML的好处之前，领导者必须确保他们的数据-以及他们验证、访问和移动它的能力-将迎接挑战。他们还需要考虑利用现有解决方案，利用现有来源的数据，以及他们的软件架构是否能够成功地适应这些问题。 你的数据基础有多好。。。真的吗？ 对于许多人来说，摇摇欲坠的数据基础阻碍了他们的前进。当数据存在于各种孤岛中，每个孤岛都有不同的结构时，这些孤岛就无法相互交谈，人工智能没有单一的真理来源可以学习，导致可疑的结果，降低用户的信心，以及失败的人工智能和机器学习实现。 随着AI和ML不断从所有可用数据中学习，任何新数据在创建后立即提供给AI也很重要。这有助于解释为什么如此多的受访者担心其数据的及时性-他们知道这是与AI和ML特别相关的漏洞。 “人们意识到这里有这么多的好处。如果他们能弄清楚如何安全地做到这一点，并以良好的管理方式做到这一点解决数据隐私和安全问题，他们可以推动他们所在行业的颠覆。“ 生成AI的一个关键机会是解锁您业务的非结构化数据。普华永道美国数据，分析和AI合作伙伴BretGreenstein清楚地总结了这一点：“人们意识到这里有这么多好处。如果他们能够弄清楚如何安全地做到这一点，并以管理良好的方式解决数据隐私和安全问题，那么他们就可以推动行业的颠覆。” BretGreenstein 数据、分析和AI合作伙伴，普华永道美国 挑战2：建立清晰的用例和快速行动的策略。 几乎每个人都感受到快速使用AI的压力，而这种压力主要来自高层。然而，有趣的是，压力的动机各不相同。 如果你没有人工智能战略，人们会觉得这不是未来的公司。我想说，没有一家上市公司不准备每个季度都被问到它的人工智能战略是什么，即使这不是它的核心业务。" •IT领导者感受到了更具竞争力的压力。•对于HR领导者来说，压力在于改善员工体验。•财务决策者表示，他们被要求解决技能差距。 这表明，除了速度之外，用例的一致性也是一个关键的挑战。无论用例如何，几乎所有受访者都看到了采用AI和ML的好处，这些好处通常属于一致的好处类别： SpirosMargaris全球顶级影响力AI和Fintech •竞争力•收入•客户和员工体验•风险、欺诈和合规性•更有效地工作•改进决策 这些都是未来讨论中常见的话题。作为SpirosMargaris，MargarisVentures的创始人，也是AI和金融科技领域的全球影响者， 他说，“如果你没有人工智能战略，人们会觉得这不是一家未来的公司。我会说，没有一家上市公司没有做好准备，每个季度都会被问到它的人工智能战略是什么，即使它不是它的核心业务。” 然而，有迹象表明，一些决策者还没有掌握人工智能和机器学习如何映射到特定用例，并将与他们的人才共存。这就把我们带到了这个讨论的战略部分——关注如何最好地增强而不是取代人才，并让合适的利益相关者保持在循环中。 人类留在循环中。 受访者对人工智能和机器学习与人类人才的关系表示了共同的关注。如上所述，决策者绝大多数认为，在做出重大决策时，人类必须协助人工智能或机器学习。因此，当组织驾驭不断变化的工作世界时，人工智能和机器学习的关键机会之一是智能地增强金融、人力资源和IT领域的人类体验。 这通常是通过智能自动化来实现的，智能自动化提供支持信息和建议，同时让人类控制所有决策。通过这种方式，人工智能和机器学习是加速器：人类可以自由地做出更快，更好的决策，并专注于发展组织所需的战略对话。 AI和ML是加速器：人类可以自由地做出更快，更好的决策，并专注于发展组织所需的战略对话。 确保负责任、透明的AI。 一个相关的挑战是建立和执行能够可靠地管理AI和ML创新的标准。在实施AI和ML时，大量受访者(39%)将潜在偏见置于其组织的三大风险之中，我们知道大多数领导者都在考虑这一因素。 只有29%的受访者“非常有信心”AI和ML目前在伦理上应用于企业，但52%的受访者“非常有信心”AI和ML将在5年内在伦理上应用。 人工智能和机器学习应该支持几个关键的道德原则，包括专门构建人工智能和机器学习