人工智能教育家 Kavita Ganesan 揭示您企业中的人工智能机会

为人工智能做好准备一开始可能会令人畏惧。 今天的嘉宾分享了一个可重复的框架，可帮助您抓住正确的机会、衡量其成功并为无缝过渡奠定基础。

在过去的一年里，生成式人工智能的快速发展，包括ChatGPT的突破性推出，使人工智能成为了所有人关注的焦点。 然而，对于不确定从哪里开始的企业领导者来说，探索人工智能领域可能会令人生畏。 从选择人工智能要解决的正确问题，到构建强大的数据基础设施并为团队做好应对变革的准备，这种转变可能会让人感到不知所措。 这就是 Kavita Ganesan 发挥作用的地方。

Kavita 是一名人工智能顾问、教育家，也是咨询公司 Opinosis Analytics 的创始人。 拥有博士学位。 Kavita 在自然语言处理 (NLP)、搜索技术和机器学习方面拥有超过 15 年的经验，与组织合作，帮助他们揭开人工智能的神秘面纱，并将其实施到他们的业务战略中。 去年春天——奇怪的是，就在所有讨论开始的几个月前——她出版了《人工智能商业案例》 ，这是一本实用指南，帮助企业领导者推出推动成果的人工智能计划。

Kavita 在其中概述了一个用于识别高影响力人工智能机会的框架，强调了有效评估和框架问题的重要性，以便优先实施与您的业务目标相符的人工智能解决方案，并衡量每个人工智能计划的影响和成功。

在今天的节目中，我们采访了 Kavita，讨论了企业领导者抓住人工智能变革潜力的策略。

以下是一些关键要点：

• 通过优化重复的手动流程并解决通过客户反馈或其他业务部门发现的低效率问题，开始将人工智能融入您的业务。
• 为了识别高影响力的机会，评估在哪里部署人工智能有意义，并看看它们是否能转化为有形的业务收益。
• 在实施之前，您需要框架这些机会，以更好地阐明好处、您要解决的痛点以及哪些指标可以让您衡量它。
• 下一步是召集专家以确保其可行性。 只有这样，您才能对所有这些举措进行排名，并优先考虑最有益的举措。
• 人工智能计划的成功取决于三个支柱：模型性能、业务影响和用户满意度。

如果您喜欢我们的讨论，请查看我们播客的更多剧集。 您可以关注 Apple 播客、Spotify、YouTube 或在您选择的播放器中获取 RSS 源。 以下是该集经过轻微编辑的文字记录。

人工智能错误

Liam Geraghty：您好，欢迎来到 Inside Intercom； 我是利亚姆·杰拉蒂。 在今天的节目中， 《AI 商业案例：AI 战略、最佳实践和实际应用的领导者指南》一书的作者 Kavita Ganesan 也加入了我的行列。 这正是我们今天要讨论的内容。 卡维塔，非常欢迎你来到这个节目。

Kavita Ganesan：利亚姆，谢谢你邀请我。 我真的很高兴来到这里。

Liam：我知道您已经为从中型到财富 500 强的各种组织交付了超过两打成功的人工智能计划。 您最初是如何涉足人工智能领域的？

“我成为了一名软件工程师，但我觉得缺少了一些东西——整个算法开发和解决问题的部分”

Kavita：我接触人工智能的历史可以追溯到 2005 年，当时人工智能还不是很流行，行业中也没有什么吸引力或需要它。 我对人工智能解决问题的方面很感兴趣——尽管技术可能相同，但当应用于不同的问题时，解决问题的方式会带来不同的挑战。 这对我很有吸引力，因为我认为我本质上是一个解决问题的人。 因此，我在硕士课程中对人工智能的研究越来越深入。 这就是我接触整个人工智能领域的地方。

我成为了一名软件工程师，但我觉得缺少了一些东西——整个算法开发和解决问题的部分。 就在那时我决定我需要获得博士学位。 在人工智能领域，因为我想专攻这个领域。 2013 年左右，当我即将毕业时，数据科学作为一个领域开始腾飞。 就在那时，我决定不去学术机构或研究实验室，而是去解决行业问题。 我认为我是一个非常务实、善于应用的人，所以我希望看到这些算法得到很好的利用。 这就是事情真正开始的地方。 我交付了所有这些项目，并致力于解决从医疗保健到其他领域（例如代码）的不同问题。

“生成式人工智能在某种程度上让人工智能为他们带来了影响力”

Liam：一定感觉世界其他地方在过去几个月里刚刚赶上了所有这些人工智能的东西。

卡维塔：是的，对于许多企业来说，人工智能是一个非常新的事物，特别是对于那些没有考虑人工智能的小企业，因为他们觉得这与他们无关。 中型企业考虑人工智能有一段时间了，但不知道如何开始，而生成式人工智能在某种程度上让人工智能为他们带来了影响。

从哪儿开始？

Liam：让我们深入研究一下您的书《人工智能的商业案例》 。 您立即承认领导者对人工智能的担忧和担忧。 我们刚刚发布了《2023 年客户服务人工智能现状》报告，调查了 1,000 名支持专业人员，发现 69% 的领导者计划在来年加大对人工智能的投资。 但到目前为止，只有 38% 的领导人已经这样做了。 对于早期采用者来说，这一定是一个巨大的机会，可以利用人工智能带来的所有好处获得真正的竞争优势，对吧？

卡维塔：是的，完全正确。 当应用于正确的问题时，您很快就会看到显着的好处。 我认为公司现在面临的挑战是在业务中找到正确的问题，并以一种能够为他们带来价值的方式应用人工智能——不是六七个月，而是三个月。

“这是关于了解人工智能的构成空间、可以在哪里应用人工智能、可以将其应用到什么类型的问题以及生成式人工智能在哪里增加价值”

利亚姆：关于如何构建人工智能思维，让他们不再想象机器人占领世界，而是像你所说的那样，将人工智能视为一种实用的商业工具，你会对人们说些什么？

卡维塔：我认为第一步是了解这个野兽是什么。 现在，人们认为人工智能是生成式人工智能，但生成式人工智能只是人工智能难题的一小部分。 人工智能还有很多东西。 有传统的机器学习、NLP、计算机视觉。 这是关于了解人工智能的组成部分、可以在哪里应用人工智能、可以将其应用于什么类型的问题以及生成式人工智能可以在哪里增加价值。 解决房间里的大象问题将有助于设定背景或激发您在业务中应用人工智能的想法。 我想说教育是第一步，是的。

Liam：如果我们说我们已经克服了困难，并且已经登上了人工智能列车，那么您如何确定人工智能可以在您的公司中用于改进现有业务流程？ 您能分享一些例子吗？

“寻找低效的现有流程是一个很好的起点”

卡维塔：当然。 许多公司通过从手动解决的重复性问题开始发现价值。 在客户服务中，发送支持请求是一项重复性任务，客服人员需要花费大量时间来阅读请求，确定将请求转发给哪个团队，并将初步数据发送给团队，以便他们可以对问题进行分类。 找到那些重复且需要人类思维的手动流程（这是关键点）是人工智能解决方案能够在短期内真正产生影响的地方，因为这些问题很容易理解，并且可能有可以用来解决问题的指标。衡量它相对于手动方法的表现。 寻找低效的现有流程是一个很好的起点。

利亚姆：你总是可以列出这个清单，但你也可以与你的团队交谈，看看他们有哪些阻碍因素可以改善他们的日常工作。

卡维塔：是的，只是与不同的业务部门交谈，了解他们的挑战，并了解他们得到的客户反馈。 即使通过分析客户反馈，您也会发现效率低下和挑战。 这些都是人工智能可以提供帮助的领域。 假设客户无法获得所需的帮助，因为您的支持解决方案无效。 这会给你一种感觉，“嘿，也许我们应该有一个更好的搜索功能来解决客户的问题，这样他们就不必通过我们的票务系统了。”

发现正确的商业机会

Liam：对于那些想要为人工智能做好准备、成为一家人工智能就绪的公司并将这些知识付诸实践的人，你有什么建议？

“每个机会的框架都会浮出水面，哪些是最有益的，哪些是可以暂时搁置的边际收益”

Kavita：为人工智能做好准备分为两个部分。 一是了解您的机会在公司内的哪个位置。 如果您是一家中型企业，则需要与不同的业务职能部门交谈，了解他们的挑战，并识别和制定这些机会。 是在销售中吗？ 是在人力资源部吗？ 这将使您了解哪个领域可以成为您的竞争优势。 第二部分是人工智能所需的基础部分，它正在使您的数据基础设施成型。 也许您没有积极收集数据，因此需要开始，或者您正在收集数据，但您的数据存储位于孤岛中，员工无法以整体方式访问它。 找出这些差距并将其与机遇相结合将为您提供将人工智能引入公司的长期方法。

Liam：似乎自从 ChatGPT 出现以来，每个产品或企业都在它们的名字后面加上了 AI 的名字。 在这一切的海洋中，领导者如何找到这些人工智能机会？ 如何剔除那些无用的？

卡维塔：是的，当你找到这些机会并构建它们时，就会发生这种情况 - 你基本上是在阐明机会的好处以及你将使用哪些指标来衡量你当前如何解决问题。 对每个机会的框架将揭示哪些是最有益的，哪些是可以暂时搁置的边际收益。 这个衔接部分非常关键，它是我的“高影响力人工智能发现框架”（在书中讨论）的第二步。 首先，你有一个想法，或者有一个潜在的人工智能机会。 第二步是框架。

“在这种特定情况下，引入人工智能或任何软件自动化会带来切实的好处吗？ 这也有商业意义吗？”

Liam：您能多谈谈这个框架吗？

Kavita：这个框架是一个可重复的过程，用于识别高影响力的人工智能机会，它有四个关键步骤。 首先是首先思考这是否是一个有前途的人工智能机会。 人工智能机会通常可以解决复杂的决策问题，这使得人工智能有意义。 但它还必须具有商业意义，才能让您走得更远。 这时候你就会看到工作量。 在这种特定情况下，引入人工智能或任何软件自动化会带来切实的好处吗？ 这也具有商业意义吗？ 然后，它有基本的构建模块吗？ 假设您一直手动执行此过程。 如果它满足这三件事，那就是一个潜在的人工智能机会，但这本身并不意味着你应该开始实施。

这就是第二步的用处，即你要构建这些机会。 本质上，您为机会添加了更多细节。 阐明好处、您要解决的痛点以及您将使用哪些指标来衡量它。 这就是您如何知道您正在实现业务成功和数据可用性。 但同样，这并不意味着您可以直接实施。 您仍然需要确保它是可行的。 这就是您的专家发挥作用的地方——第三步。 你会把它带给你的专家并说：“嘿，我有这个机会。 你怎么认为？ 能实施吗？” 在那里他们会发现所有的危险信号，比如“你有数据，但数量还不够”，或者“这太未来主义了，现在无法实施。” 他们会在那里刹车并为您提供更多信息。 掌握所有这些信息后，您可以对这些计划进行排名并选择最重要的计划，这是第四步 - 排名和优先级。 这是一个非常可重复的过程，我希望这成为本书的重要组成部分，因为我认为人们目前没有办法系统地完成它。

“模型本身并不是终点。 模型是解决业务问题的一种手段。 这就是商业成功的源泉”

Liam：你在那里提到过，但我很想谈谈当领导者解决了这些问题并实施了他们的人工智能战略时会发生什么。 您建议采用什么方法来评估他们的人工智能计划是否成功？

Kavita：目前，对于大多数公司来说，成功是模糊的，因为领导者期望财务投资回报率，而人工智能专家只想看到高精度模型。 在我的书中，我谈到了成功的三大支柱。 一是模式成功。 该模型必须具有最低可接受的性能。 否则，并不能真正解决问题。 如果它有 50% 的准确度，那么它只是随机的。 您希望确保它正在完成任务并表现得相当好。 但模型本身并不是终点。 模型是解决业务问题的一种手段。 这就是商业成功的用武之地。这与您的痛点直接相关。 您希望改进什么？ 它是否试图分析支持票？ 它是否试图改善员工的工作与生活平衡？ 有一些间接的方法可以衡量所有这些。 这就是您需要跟踪的业务成功。

但仅靠模式成功和业务成功是不够的，因为最终受到影响的是用户。 您还想与人工智能解决方案的用户交谈。 它可以是您的供应商或员工——任何消耗人工智能输出的人。 您想询问他们对解决方案的准确性、易用性以及模型或工作流程中可能出现问题的任何事物的看法，因为这可以突出采用问题。 如果他们不喜欢这个解决方案，他们可能会回到旧的做事方式。 他们可能不想使用您的人工智能解决方案，尽管它很准确并且取得了业务成功。

人类在循环中

Liam：您对考虑实施人工智能的客户支持领导者有什么想说的，他们有点紧张、担心或担心？ 你会说什么来帮助他们克服这个问题？

卡维塔：我在领导者中看到的一个主题是人工智能系统将接管许多工作，甚至是他们自己的工作。 可悲的是，这是事实，但我认为人工智能系统更有可能增强工作流程而不仅仅是取代工作，因为我们仍然需要人类介入的质量保证层。人工智能系统可以帮助解决客户支持问题，但如果它无法解决问题怎么办？一个问题？ 人类需要在那里。 人工智能系统如何学习？ 他们从数据中学习。 谁生成这些数据？ 人类。 我们是这个人工智能系统的重要组成部分，因此我们非常了解质量保证、数据生成和解决更困难的问题。

这是一方面。 另一个是对每个问题正确设定期望并思考风险。 如果我让人工智能成为这种情况下的唯一决策者，会有什么风险？ 了解风险将有助于解决在这种情况下采用人工智能的一些阻力。 也许在这种情况下，风险太大，所以你想让人类参与其中来审查人工智能所做的事情。

Liam：我认为我们已经看到了这一点，但随着人们可能担心会失去工作，人工智能实际上正在创造新的工作和角色——监控人工智能的人，或者在我们的例子中，聊天机器人设计师。 这并不全是厄运和阴郁。

卡维塔：是的。 我认为角色可能会从从事低级工作转变为从事高级工作。 您将更像是一名质量检查经理。 所以是的，角色最终会改变。

Liam： Kavita，关于人工智能和商业合作，您希望人们了解的一件事是什么？

Kavita：人工智能和商业，好问题。 在研究领域，您经常会看到一种人工智能解决方案可以解决问题。 但在商业中，一种人工智能解决方案可能还不够。 您将需要一个混合解决方案。 它可以是人工智能系统、针对边缘情况的基于规则的系统，也可能是人类的组合。 因此，商业解决方案通常不如研究系统优雅且复杂。

利亚姆：最后，人们可以去哪里了解您和您的工作？

Kavita：第一个访问的地方是我的网站 kavita-ganesan.com。 您可以在那里了解我的书。 它还会将您带到我的咨询页面和我制作的其他一些播客。

利亚姆：完美。 卡维塔，非常感谢你今天加入我的行列。

卡维塔：利亚姆，谢谢你邀请我。