人工智能很熱門，但也讓人望而生畏。它的最新進展有不同名稱，例如認知運算、機器學習、深度學習，聽起來既復雜又昂貴。事實也的確如此，盡管這些進展為市場帶來很大的可能性。對許多企業(yè)來說，發(fā)展人工智能所需投注的經(jīng)費與資源，是極高的阻礙。至于其他方面的理由，就連蘋果公司這樣的巨擘也面臨許多挑戰(zhàn)。
好消息是，對絕大多數(shù)的中型企業(yè)來說，在它們設法擴張數(shù)位疆界之際，已經(jīng)可望取得人工智能帶來的早期好處。其實，用低于許多企業(yè)原本設想的技術要求、時間與金錢，就能運用人工智能的一些基本要素，來創(chuàng)造優(yōu)異的成果。此外，跨出這第一步的企業(yè)，才能獲得助力得以參與人工智能的未來，因為唯有跨出這一步，才會產(chǎn)生后續(xù)的所有發(fā)展。
首先要了解自己所處的位置。高階的人工智能，是像認知運算之類的系統(tǒng)，能讓無人車和其他機器發(fā)展出從真實環(huán)境中學習的能力；學習的方式是吸收了解各種細微的差別、記住結果，并且根據(jù)錯誤來調(diào)整。（近期發(fā)生一起有關特斯拉汽車公司〔Tesla］「汽車自動駕駛」的意外，引發(fā)人們質(zhì)疑人工智能目前能做到的范圍）。
較便宜的人工智能系統(tǒng)，是以知識為基礎的方法，把資料與語言組織成具高度可塑性與非常有幫助的資料組（block of information）。這些「精簡版人工智能」系統(tǒng)不會學習新的把戲，除非它們的人類控制人員使用新的指令碼來「教導」它們。但它們確實能變得非常聰明，以極為快速的方式把資訊分類，以及傳播資訊。以下提供一些指引，協(xié)助你運用精簡版人工智能系統(tǒng)。
找到適當?shù)牡攸c使用它。即使是在當前的新資訊時代，不見得所有事情都必須用到讓人眼花撩亂的人工智能。但企業(yè)與政府機構已開始找到許多地方，可運用以知識為基礎的工具，來創(chuàng)造很大的成效。這些地方包括改善資料探勘作業(yè)、協(xié)助訓練，以及讓結構性、重復性的任務與流程變得非常有效率，且成本大幅降低。當然，它們也發(fā)現(xiàn)這些工具在處理線上顧客方面，變得愈來愈有用。
例如，全州保險（Allstate Insurance）旗下的全州商業(yè)保險（Allstate Business Insurance）使用這類工具，開發(fā)出名為艾比（ABIe）的虛擬助理，負責回答公司里12,000名保險經(jīng)紀人的問題。這有點像只用一點點的錢，來聘雇蘋果公司的智能型個人助理系統(tǒng)Siri。該事業(yè)部的總裁麥可．巴頓（Mike Barton）如此解釋：「我們把艾比當成先鋒，可用很少的經(jīng)費來進軍認知運算領域?！?/p>
幾年前，該公司把提供給小型企業(yè)的商業(yè)保險產(chǎn)品線升級，結果造成經(jīng)紀人打來的電話塞爆客服中心，詢問新的保單怎么運作、如何設定銷售報價單。光是擴編客服中心的成本就令人卻步。
「艾比」是「全州商業(yè)保險專家」的英文字首簡稱，這套系統(tǒng)由我們公司協(xié)助開發(fā)。由艾比的虛擬化身所驅動的介面，采用嚴謹?shù)姆椒▉硖幚砉井a(chǎn)品的核心詞匯與術語，對保單問題提供正確的答案，同時簡化報價流程。2013年艾比每個月僅處理數(shù)千個問題，到現(xiàn)在則是處理十萬個來自企業(yè)所有員工的問題，而不只是處理保險經(jīng)紀人提出的問題。新版的艾比很快就會直接處理顧客提出的問題。最好的一點，是艾比在第一年就已經(jīng)賺回開發(fā)成本，所以后續(xù)省下的費用幾乎都貢獻給獲利。
準備執(zhí)行。精簡版人工智能的復雜度與價格都遠低于高階版本，但這不代表它是現(xiàn)成立即可用的。它沒有辦法一體適用，也沒有什么可以隨插即用的神奇解決辦法。
例如，艾比的設計、打造與執(zhí)行就耗費將近一年。全州商業(yè)保險公司指派一個由經(jīng)理人與主題專家組成的團隊，來負責這個專案，找出艾比回答所有這些問題所需要的字匯、術語與資料的「分類」。艾比從資料庫中取出答案，與公司產(chǎn)品和流程相關的所有知識，都整理組織在這個資料庫里。套用人工智能的說法，這代表公司的所有數(shù)字、圖表、字匯、術語，都必須經(jīng)過切割、組成小區(qū)塊、加標簽、進行人力資源最佳化，才能作為艾比提供答案的基本要素。簡單來說，想要采用這種做法的企業(yè)，必須卷起袖子，做些老式的基本功課。但這么做是值得的，好處是：如果正確的資料能和正確的字匯與術語搭配，企業(yè)的資訊能力將會大幅提升。
別期待事事完美。然而，由于系統(tǒng)復雜，因此難免會有錯誤，且必須在過程當中進行修正。你應準備好應付這些情況。以艾比來說，專案團隊最初提供的一些答案太過完整詳細，基本上就好像是告訴提問的人如何打造時鐘，但其實對方只是想要知道現(xiàn)在的正確時間。經(jīng)過嘗試與錯誤，包括使用過艾比的人提供的詳盡報告，最后終于能提出非常具體與可行的答案，并設置好治理體系、評量指標與變革管理流程，以進行可控制、井然有序的更新。
別讓你的人工智能過度精簡。使用人工智能與線上顧客互動時，切記，零散的做法無法發(fā)揮功效。大部分的組織設置部門層級的解決方案，以及各自獨立的工具，且欠缺足夠的經(jīng)費。執(zhí)行的結果通常很不一致，而且毫無章法，不得不進行耗時又昂貴的修補工作。
例如，某企業(yè)內(nèi)的一個部門，可能從交易的角度來看顧客，而另一個部門卻把重點擺在推廣。這兩個部門資料模型的差異，會拖慢、甚至拖垮這整個程式的運作。
無論是以知識為基礎的低階人工智能，或是之后跨入更廣泛、昂貴的應用，若要讓投入人工智能的經(jīng)費有合理回報，就必須具備三個要素。這當中涉及仔細的分析與準備，且必須考量到每一個部門，但聚焦在企業(yè)整體。它必須有正式且略微不同的治理架構。此外，必須有企業(yè)最高層級的主管來支持這個行動。
這些基本要素若沒有準備就緒，就無法達到精簡版人工智能可增加的力量，也沒有準備好面對人工智能允諾帶來的革命性改變。