人工智能技术正在深入到工作环境中，它不仅取代并加强了日常工作，还增加或以其他方式改变了剩下的工作。
人工智能技术渗透到业务的各个方面，并在推动着企业战略。事实上，据Gartner预测，到2025年，人工智能将成为推动企业基础架构决策的首要技术之一。
然而，即使人们对人工智能越来越感兴趣，关于这项技术仍然存在一些误解。
CIO必须识别并揭穿这些误区，以便在推动人工智能项目的实施时制定合理的策略或增强现有策略。通过了解人工智能的工作原理和局限性，CIO可以更好地利用该技术来交付业务价值。
误区 1：
疫情期间，人工智能是奢侈品
事实：即使在新冠疫情期间，对人工智能的兴趣和投资也在持续增长。据Gartner最近的一项调查发现，自从疫情发生以来，有24％的企业增加了对人工智能的投资，42％的企业保持了不变。
在疫情期间，人工智能不仅帮助医疗保健企业和政府CIO承担了诸如预测病毒传播和优化应急资源之类的任务，对于各种企业加快复工也至关重要。
人工智能一直是成本优化和业务连续性的重要推动者，可在不中断业务的情况下支持收入增长并改善与客户的互动。
尽管人工智能并非灵丹妙药，但企业们不能忽视它对抗击疫情直接和长期影响的潜力。
CIO必须积极推广人工智能，不将其视为一种奢侈品，而应将其作为一项用于在实际情况中使用的强大技术，例如在疫情期间和疫情结束之后，人工智能可以更快地分析更多数据并增强决策能力。
误区 2：
我们不需要人工智能策略
事实：人工智能可以应用于各种各样的业务问题，但是只有在制定了人工智能战略的情况下，才能实现变革性的商业价值。
CIO可以通过将业务优先级与近期机会（尤其是那些利用人工智能的力量来增强人类工作的机会）相结合来实现人工智能价值的最大化。
首先确定最有潜力的人工智能用例，这些用例与战略计划和关键业务功能保持一致，例如实现管理任务自动化以腾出更多时间来进行创新。
定期重新评估企业采用人工智能的方法，并确保有关人工智能实施的决策（或不使用人工智能的决策）得到研究和审议的支持。
误区 3：
人工智能只能取代重复的工作
事实：随着时间的流逝，许多技术一步步影响着人们的工作方式以及获得高薪机会所需的技能。因此，某些职业消失了，而新兴职业不断出现。例如，如今很少见到打字员这个职位，就像十年前很少见到社交媒体营销经理一样。
人工智能技术有望对我们的工作和学习方式产生重大影响。人工智能不仅有潜力使日常或重复的任务变得自动化，还可以通过完成更高价值的任务来帮助改善或改变其他工作。
例如，人工智能可以在几分钟内阅读成千上万份法律合同，并且能比律师速度更快，错误更少地从中提取所有有用的信息。
CIO可以通过确定由人工智能增强或自动化的项目（例如项目管理或客户服务等）来弄清人工智能对现有任务的潜在影响。然后，可以在人工智能的帮助下对员工进行再培训，使他们能够更好更快地完成工作。
与员工和利益相关者进行频繁且透明的沟通是非常重要的，以消除对使用人工智能的担忧，减少负面情绪并帮助团队为即将到来的变革做好准备。
误区 4：
人工智能和机器学习是相同的
事实：人工智能是广泛的计算机工程技术的统称。人工智能领域中一个主要的分支，它被称为机器学习（ML），这是机器无需显式编程即可学习的能力。
机器学习可以被设置为识别数据的模式，它通常擅长于解决一项特定任务。例如，机器学习可用于对电子邮件是否为垃圾邮件进行分类。
同样，机器学习与深度学习也不尽相同。深度学习技术或深度神经网络（DNN）是一种能够实现惊人突破的机器学习。但这并不意味着深度学习是解决人工智能框架下所有问题的最佳技术，也不意味着深度神经网络始终是针对特定难题最成功的人工智能技术。
实际上，使用基于规则的系统或传统的机器学习可以有效解决许多当前的人工智能问题。
最新的尖端人工智能选项并非始终是解决业务问题最有效的解决方案，鼓励数据科学家从整体上看待人工智能技术，并实施与业务模型和目标最匹配的技术。
对于复杂的问题，尤其是那些更需要人类洞察力的问题，最好是将深度学习与其他人工智能技术（例如物理模型或图形）结合起来。
与利益相关者交流时，CIO必须澄清这些通常互换的术语，这一点很重要。将关于人工智能的整体讨论分解为关于诸如机器学习之类的单个技术的对话，以展示每种技术如何解决现实世界中的问题。
误区 5：
人工智能就关于算法和模型
事实：建立和应用机器学习算法来创建预测模型通常是人工智能项目中最容易的部分。更具挑战性的部分包括明确定义人工智能解决的问题，并收集和整理足够的正确数据，而部署则是人工智能项目中最困难的部分。
实际上，到2023年，至少50％的IT领导者将努力将他们的人工智能预测项目从概念验证提升到成熟生产水平。
CIO应通过与主要利益相关者协商来专注于定义人工智能将解决的业务问题。并事先明确企业和管理测试，部署以及其他人工智能运营活动所需的人员，流程和工具。
误区 6：
黑匣子人工智能必须遵守法规
事实：黑匣子人工智能是一种人工智能系统，其中输入和运行过程对用户隐藏。根据客户隐私、安全性、算法透明性和数字道德的法规要求，不同的人工智能应用对可解释性有不同的要求。
能够为内部使用生成见解的人工智能并不需要那么多的可解释性。但是，对于做出关于人员决策（例如关于贷款或信贷资格有关的决策）的人工智能需要具有可解释性。
由于道德和法律上的原因，在具有重大后果（例如启用自动驾驶时）的“闭环”中做出决策的人工智能对解释性有更高的要求。
CIO必须确保人工智能应用程序符合现有的道德和法规。为测试和验证团队提供支持，因为他们收集的数据将确定对所用人工智能应用程序的可解释性的需求。
作者：Saniye Alaybeyi
原文地址：
www.cio.com/article/3611518/6-ai-myths-holding-your-business-back.html
