人工智能教育家 Kavita Ganesan 揭示您企業中的人工智能機會

為人工智能做好準備一開始可能會令人畏懼。 今天的嘉賓分享了一個可重複的框架，可幫助您抓住正確的機會、衡量其成功並為無縫過渡奠定基礎。

在過去的一年裡，生成式人工智能的快速發展，包括ChatGPT的突破性推出，使人工智能成為了所有人關注的焦點。 然而，對於不確定從哪裡開始的企業領導者來說，探索人工智能領域可能會令人生畏。 從選擇人工智能要解決的正確問題，到構建強大的數據基礎設施並為團隊做好應對變革的準備，這種轉變可能會讓人感到不知所措。 這就是 Kavita Ganesan 發揮作用的地方。

Kavita 是一名人工智能顧問、教育家，也是諮詢公司 Opinosis Analytics 的創始人。 擁有博士學位。 Kavita 在自然語言處理 (NLP)、搜索技術和機器學習方面擁有超過 15 年的經驗，與組織合作，幫助他們揭開人工智能的神秘面紗，並將其實施到他們的業務戰略中。 去年春天——奇怪的是，就在所有討論開始的幾個月前——她出版了《人工智能商業案例》 ，這是一本實用指南，幫助企業領導者推出推動成果的人工智能計劃。

Kavita 在其中概述了一個用於識別高影響力人工智能機會的框架，強調了有效評估和框架問題的重要性，以便優先實施與您的業務目標相符的人工智能解決方案，並衡量每個人工智能計劃的影響和成功。

在今天的節目中，我們採訪了 Kavita，討論了企業領導者抓住人工智能變革潛力的策略。

以下是一些關鍵要點：

• 通過優化重複的手動流程並解決通過客戶反饋或其他業務部門發現的低效率問題，開始將人工智能融入您的業務。
• 為了識別高影響力的機會，評估在哪裡部署人工智能有意義，並看看它們是否能轉化為有形的業務收益。
• 在實施之前，您需要框架這些機會，以更好地闡明好處、您要解決的痛點以及哪些指標可以讓您衡量它。
• 下一步是召集專家以確保其可行性。 只有這樣，您才能對所有這些舉措進行排名，並優先考慮最有益的舉措。
• 人工智能計劃的成功取決於三個支柱：模型性能、業務影響和用戶滿意度。

如果您喜歡我們的討論，請查看我們播客的更多劇集。 您可以關注 Apple 播客、Spotify、YouTube 或在您選擇的播放器中獲取 RSS 源。 以下是該集經過輕微編輯的文字記錄。

人工智能錯誤

Liam Geraghty：您好，歡迎來到 Inside Intercom； 我是利亞姆·杰拉蒂。 在今天的節目中， 《AI 商業案例：AI 戰略、最佳實踐和實際應用的領導者指南》一書的作者 Kavita Ganesan 也加入了我的行列。 這正是我們今天要討論的內容。 卡維塔，非常歡迎你來到這個節目。

Kavita Ganesan：利亞姆，謝謝你邀請我。 我真的很高興來到這裡。

Liam：我知道您已經為從中型到財富 500 強的各種組織交付了超過兩打成功的人工智能計劃。 您最初是如何涉足人工智能領域的？

“我成為了一名軟件工程師，但我覺得缺少了一些東西——整個算法開發和解決問題的部分”

Kavita：我接觸人工智能的歷史可以追溯到 2005 年，當時人工智能還不是很流行，行業中也沒有什麼吸引力或需要它。 我對人工智能解決問題的方面很感興趣——儘管技術可能相同，但當應用於不同的問題時，解決問題的方式會帶來不同的挑戰。 這對我很有吸引力，因為我認為我本質上是一個解決問題的人。 因此，我在碩士課程中對人工智能的研究越來越深入。 這就是我接觸整個人工智能領域的地方。

我成為了一名軟件工程師，但我覺得缺少了一些東西——整個算法開發和解決問題的部分。 就在那時我決定我需要獲得博士學位。 在人工智能領域，因為我想專攻這個領域。 2013 年左右，當我即將畢業時，數據科學作為一個領域開始騰飛。 就在那時，我決定不去學術機構或研究實驗室，而是去解決行業問題。 我認為我是一個非常務實、善於應用的人，所以我希望看到這些算法得到很好的利用。 這就是事情真正開始的地方。 我交付了所有這些項目，並致力於解決從醫療保健到其他領域（例如代碼）的不同問題。

“生成式人工智能在某種程度上讓人工智能為他們帶來了影響力”

Liam：一定感覺世界其他地方在過去幾個月裡剛剛趕上了所有這些人工智能的東西。

卡維塔：是的，對於許多企業來說，人工智能是一個非常新的事物，特別是對於那些沒有考慮人工智能的小企業，因為他們覺得這與他們無關。 中型企業考慮人工智能有一段時間了，但不知道如何開始，而生成式人工智能在某種程度上讓人工智能為他們帶來了影響。

從哪兒開始？

Liam：讓我們深入研究一下您的書《人工智能的商業案例》 。 您立即承認領導者對人工智能的擔憂和擔憂。 我們剛剛發布了《2023 年客戶服務人工智能現狀》報告，調查了 1,000 名支持專業人員，發現 69% 的領導者計劃在來年加大對人工智能的投資。 但到目前為止，只有 38% 的領導人已經這樣做了。 對於早期採用者來說，這一定是一個巨大的機會，可以利用人工智能帶來的所有好處獲得真正的競爭優勢，對嗎？

卡維塔：是的，完全正確。 當應用於正確的問題時，您很快就會看到顯著的好處。 我認為公司現在面臨的挑戰是在業務中找到正確的問題，並以一種能夠為他們帶來價值的方式應用人工智能——不是六七個月，而是三個月。

“這是關於了解人工智能的構成空間、可以在哪裡應用人工智能、可以將其應用到什麼類型的問題以及生成式人工智能在哪裡增加價值”

利亞姆：關於如何構建人工智能思維，讓他們不再想像機器人佔領世界，而是像你所說的那樣，將人工智能視為一種實用的商業工具，你會對人們說些什麼？

卡維塔：我認為第一步是了解這個野獸是什麼。 現在，人們認為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難題的一小部分。 人工智能還有很多東西。 有傳統的機器學習、NLP、計算機視覺。 這是關於了解人工智能的組成部分、可以在哪裡應用人工智能、可以將其應用於什麼類型的問題以及生成式人工智能可以在哪裡增加價值。 解決房間裡的大象問題將有助於設定背景或激發您在業務中應用人工智能的想法。 我想說教育是第一步，是的。

Liam：如果我們說我們已經克服了困難，並且已經登上了人工智能列車，那麼您如何確定人工智能可以在您的公司中用於改進現有業務流程？ 您能分享一些例子嗎？

“尋找低效的現有流程是一個很好的起點”

卡維塔：當然。 許多公司通過從手動解決的重複性問題開始發現價值。 在客戶服務中，發送支持請求是一項重複性任務，客服人員需要花費大量時間來閱讀請求，確定將請求轉發給哪個團隊，並將初步數據發送給團隊，以便他們可以對問題進行分類。 找到那些重複且需要人類思維的手動流程（這是關鍵點）是人工智能解決方案能夠在短期內真正產生影響的地方，因為這些問題很容易理解，並且可能有可以用來解決問題的指標。衡量它相對於手動方法的表現。 尋找低效的現有流程是一個很好的起點。

利亞姆：你總是可以列出這個清單，但你也可以與你的團隊交談，看看他們有哪些阻礙因素可以改善他們的日常工作。

卡維塔：是的，只是與不同的業務部門交談，了解他們的挑戰，並了解他們得到的客戶反饋。 即使通過分析客戶反饋，您也會發現效率低下和挑戰。 這些都是人工智能可以提供幫助的領域。 假設客戶無法獲得所需的幫助，因為您的支持解決方案無效。 這會給你一種感覺，“嘿，也許我們應該有一個更好的搜索功能來解決客戶的問題，這樣他們就不必通過我們的票務系統了。”

發現正確的商業機會

Liam：對於那些想要為人工智能做好準備、成為一家人工智能就緒的公司並將這些知識付諸實踐的人，你有什麼建議？

“每個機會的框架都會浮出水面，哪些是最有益的，哪些是可以暫時擱置的邊際收益”

Kavita：為人工智能做好準備分為兩個部分。 一是了解您的機會在公司內的哪個位置。 如果您是一家中型企業，則需要與不同的業務職能部門交談，了解他們的挑戰，並識別和製定這些機會。 是在銷售中嗎？ 是在人力資源部嗎？ 這將使您了解哪個領域可以成為您的競爭優勢。 第二部分是人工智能所需的基礎部分，它正在使您的數據基礎設施成型。 也許您沒有積極收集數據，因此需要開始，或者您正在收集數據，但您的數據存儲位於孤島中，員工無法以整體方式訪問它。 找出這些差距並將其與機遇相結合將為您提供將人工智能引入公司的長期方法。

Liam：似乎自從 ChatGPT 出現以來，每個產品或企業都在它們的名字後面加上了 AI 的名字。 在這一切的海洋中，領導者如何找到這些人工智能機會？ 如何剔除那些無用的？

卡維塔：是的，當你找到這些機會並構建它們時，就會發生這種情況 - 你基本上是在闡明機會的好處以及你將使用哪些指標來衡量你當前如何解決問題。 對每個機會的框架將揭示哪些是最有益的，哪些是可以暫時擱置的邊際收益。 這個銜接部分非常關鍵，它是我的“高影響力人工智能發現框架”（在書中討論）的第二步。 首先，你有一個想法，或者有一個潛在的人工智能機會。 第二步是框架。

“在這種特定情況下，引入人工智能或任何軟件自動化會帶來切實的好處嗎？ 這也有商業意義嗎？”

Liam：您能多談談這個框架嗎？

Kavita：這個框架是一個可重複的過程，用於識別高影響力的人工智能機會，它有四個關鍵步驟。 首先是首先思考這是否是一個有前途的人工智能機會。 人工智能機會通常可以解決複雜的決策問題，這使得人工智能有意義。 但它還必須具有商業意義，才能讓您走得更遠。 這時候你就會看到工作量。 在這種特定情況下，引入人工智能或任何軟件自動化會帶來切實的好處嗎？ 這也具有商業意義嗎？ 然後，它有基本的構建模塊嗎？ 假設您一直手動執行此過程。 如果它滿足這三件事，那就是一個潛在的人工智能機會，但這本身並不意味著你應該開始實施。

這就是第二步的用處，即你要構建這些機會。 本質上，您為機會添加了更多細節。 闡明好處、您要解決的痛點以及您將使用哪些指標來衡量它。 這就是您如何知道您正在實現業務成功和數據可用性。 但同樣，這並不意味著您可以直接實施。 您仍然需要確保它是可行的。 這就是您的專家發揮作用的地方——第三步。 你會把它帶給你的專家並說：“嘿，我有這個機會。 你怎麼認為？ 能實施嗎？” 在那裡他們會發現所有的危險信號，比如“你有數據，但數量還不夠”，或者“這太未來主義了，現在無法實施。” 他們會在那裡剎車並為您提供更多信息。 掌握所有這些信息後，您可以對這些計劃進行排名並選擇最重要的計劃，這是第四步 - 排名和優先級。 這是一個非常可重複的過程，我希望這成為本書的重要組成部分，因為我認為人們目前沒有辦法系統地完成它。

“模型本身並不是終點。 模型是解決業務問題的一種手段。 這就是商業成功的源泉”

Liam：你在那裡提到過，但我很想談談當領導者解決了這些問題並實施了他們的人工智能戰略時會發生什麼。 您建議採用什麼方法來評估他們的人工智能計劃是否成功？

Kavita：目前，對於大多數公司來說，成功是模糊的，因為領導者期望財務投資回報率，而人工智能專家只想看到高精度模型。 在我的書中，我談到了成功的三大支柱。 一是模式成功。 該模型必須具有最低可接受的性能。 否則，並不能真正解決問題。 如果它有 50% 的準確度，那麼它只是隨機的。 您希望確保它正在完成任務並表現得相當好。 但模型本身並不是終點。 模型是解決業務問題的一種手段。 這就是商業成功的用武之地。這與您的痛點直接相關。 您希望改進什麼？ 它是否試圖分析支持票？ 它是否試圖改善員工的工作與生活平衡？ 有一些間接的方法可以衡量所有這些。 這就是您需要跟踪的業務成功。

但僅靠模式成功和業務成功是不夠的，因為最終受到影響的是用戶。 您還想與人工智能解決方案的用戶交談。 它可以是您的供應商或員工——任何消耗人工智能輸出的人。 您想詢問他們對解決方案的準確性、易用性以及模型或工作流程中可能出現問題的任何事物的看法，因為這可以突出採用問題。 如果他們不喜歡這個解決方案，他們可能會回到舊的做事方式。 他們可能不想使用您的人工智能解決方案，儘管它很準確並且取得了業務成功。

人類在循環中

Liam：您對考慮實施人工智能的客戶支持領導者有什麼想說的，他們有點緊張、擔心或擔心？ 你會說什麼來幫助他們克服這個問題？

卡維塔：我在領導者中看到的一個主題是人工智能係統將接管許多工作，甚至是他們自己的工作。 可悲的是，這是事實，但我認為人工智能係統更有可能增強工作流程而不僅僅是取代工作，因為我們仍然需要人類介入的質量保證層。人工智能係統可以幫助解決客戶支持問題，但如果它無法解決問題怎麼辦？一個問題？ 人類需要在那裡。 人工智能係統如何學習？ 他們從數據中學習。 誰生成這些數據？ 人類。 我們是這個人工智能係統的重要組成部分，因此我們非常了解質量保證、數據生成和解決更困難的問題。

這是一方面。 另一個是對每個問題正確設定期望並思考風險。 如果我讓人工智能成為這種情況下的唯一決策者，會有什麼風險？ 了解風險將有助於解決在這種情況下採用人工智能的一些阻力。 也許在這種情況下，風險太大，所以你想讓人類參與其中來審查人工智能所做的事情。

Liam：我認為我們已經看到了這一點，但隨著人們可能擔心會失去工作，人工智能實際上正在創造新的工作和角色——監控人工智能的人，或者在我們的例子中，聊天機器人設計師。 這並不全是厄運和陰鬱。

卡維塔：是的。 我認為角色可能會從從事低級工作轉變為從事高級工作。 您將更像是一名質量檢查經理。 所以是的，角色最終會改變。

Liam： Kavita，關於人工智能和商業合作，您希望人們了解的一件事是什麼？

Kavita：人工智能和商業，好問題。 在研究領域，您經常會看到一種人工智能解決方案可以解決問題。 但在商業中，一種人工智能解決方案可能還不夠。 您將需要一個混合解決方案。 它可以是人工智能係統、針對邊緣情況的基於規則的系統，也可能是人類的組合。 因此，商業解決方案通常不如研究系統優雅且複雜。

利亞姆：最後，人們可以去哪裡了解您和您的工作？

Kavita：第一個訪問的地方是我的網站 kavita-ganesan.com。 您可以在那裡了解我的書。 它還會將您帶到我的諮詢頁面和我製作的其他一些播客。

利亞姆：完美。 卡維塔，非常感謝你今天加入我的行列。

卡維塔：利亞姆，謝謝你邀請我。