AI News

如何避开 AI 的“绝望之谷

SiliconANGLE更新于 11月16日 19:15

How to avoid AI's 'valley of despair' - SiliconANGLE

AI 导读

SnapLogic CTO Jeremiah Stone 认为,企业只加速单个任务、不重构周边流程,就会陷入 AI 的“绝望之谷”。Forrester 调查显示,仅 15% 的 AI 决策者称过去 12 个月 EBITDA 有所提升,不到三分之一能把 AI 价值清晰对应到利润变化。他建议把 AI 当作一系列有针对性的业务转型,以收入、效率或风险指标衡量回报,并跟踪每次结果的成本分布。

正文 · AI 翻译

阿姆达尔定律指出,改进系统中的某一部分,对整个系统的加速作用终究有限。即使流程中的某一步骤变得指数级地更快,其他步骤仍会形成上限,除非它们也被加速。

这一概念或许可以解释企业在人工智能上遭遇的部分失望。AI 助手可以在几秒钟内起草一份提案,但随后它要等上数天,等待评审、定价和审批。同样,编程工具可以在几分钟内产出软件,但测试、安全和部署仍需数天或数周。

企业加速了特定任务,却没有重新设计围绕这些任务的系统。这种被抬高的期望与有限回报之间的落差,正是有些人所称的 AI“绝望之谷”。

在经历了一段积极采用和试验的时期后,高管们如今正面临不断攀升的成本,以及底线影响方面有限的证据。分析公司 Forrester Research Inc. 最近发现,只有 15% 的 AI 决策者报告称,过去 12 个月中息税折旧摊销前利润有所增长。不到三分之一的人能够清晰地将 AI 的价值对应到利润变化上。

这种怀疑是健康的;AI 投资应当像任何其他资本支出一样接受同样的审视。领导者需要明确预期回报、时间表以及里程碑,以表明其投资是否带来了可衡量的业务成果。

生产率悖论

AI 确实具有变革业务的潜力,但局部的、小规模的生产率提升并不能改变格局。尽管让员工使用通用型 AI 工具可以改善离散任务并培养对该技术的熟练度,但这种价值是分散的,与决定业务绩效的指标脱节。这正是阿姆达尔定律在大规模上的体现。

更成熟的做法需要重新评估并重新设计企业的运营方式,运用 AI 创造全新的运营流程。自动化问的是如何更快地完成现有任务,而流程再造则要问这项任务是否本应存在。组织往往试图自动化它们已经在做的事情,而不是重新发明它。

节省下来的时间不会自动转化为收入或利润率,那么 AI 的投资回报率究竟是什么样的?一般来说,组织应着眼于在以下一个或多个领域实现积极、可衡量的变化:收入、效率或风险。一个可量化的业务目标可能是降低客户流失率、缩短从线索到提案的周期、提高预测准确性,或更快地发现和管理欺诈。

企业应当有理由预期在大约六个月内获得确凿的投资回报率数据。尽管情景测试和试点项目等领先指标可以很快交付,但大规模、即时的回报并不现实。一次深思熟虑的业务流程重新设计可能需要 90 到 120 天来设计和实施,随后是验收测试,以及至关重要的、有针对性的变革管理。

当对业务成果负责的人被赋予交付特定成果的职责,而不仅仅是实现技术上线时,这些举措最有可能成功。

成本也值得更精细的处理,因为各种智能体流程的费用可能因用例复杂性、模型调用和上下文等因素而差异巨大。企业应当衡量并跟踪每次结果成本的分布,而不是依赖部署前的平均值。

这是一个重要的细微之处:早期采用者发现,监控每个由 AI 处理的案例成本多少、耗时多久,然后调整策略使这两个数字都保持在可接受范围内,对于成功地用 AI 重新设计业务流程至关重要。

避开“绝望之谷”

把 AI 视为一系列有针对性的业务转型,而不仅仅是技术部署。这意味着要将明确的成果与有纪律的执行相结合。

更仔细地审视业务流程。考察工作在企业内部实际是如何进行的,而不仅仅是程序“应该”如何运行。在决定在哪里应用 AI 之前,找出瓶颈、交接、审批、例外情况和返工来源。预计会发现文档化流程与实际工作方式之间存在重大差异。

将每项举措与明确的成果挂钩。指明该 AI 举措旨在影响的收入、效率或风险指标,建立基线,让业务领导者对结果负责,并为影响数据设定硬性时间表。

为生产而设计试点。AI 试点应测试通往持续使用的路径,而不仅仅是在受控条件下展示令人印象深刻的能力。从一开始就纳入运营数据、集成、治理、安全和变革管理要求。

衡量经济性,而非活动量。跟踪周期时间、质量、采用率、每次结果成本和财务影响等指标,而不是席位、提示词或演示。对于智能体系统,要同时监控运营成本的范围和平均值,因为复杂案例消耗的资源可能远多于简单案例。

定期审查和调整。定期审查,以决定是继续推进、缩小范围、重新设计工作流还是停止。探索性工作不会总是成功,但它应持续产生证据,以改进下一次资本配置。

AI 的“绝望之谷”并非不可避免。那些懂得投入时间和资本来重新思考和重新设计业务流程的价值的企业,可以将 AI 支出转化为切实的成果。

Jeremiah Stone 是 SnapLogic Inc. 的首席技术官。他为 SiliconANGLE 撰写了这篇观点文章。

图片:SiliconANGLE/Reve

来源

SiliconANGLE