.svg){kind=small}
.svg){kind=small}
.svg){kind=small}
随着 2025 年人工智能投资趋势的进一步发展，企业高管在人工智能实施战略决策方面面临着越来越大的压力。随着企业对人工智能工具的快速采用--22%的企业广泛采用，33%的企业有限使用--了解如何评估和实施人工智能解决方案已成为保持竞争优势的关键。在安德鲁-伯吉斯（Andrew Burgess）所著的《人工智能高管指南》一书中，作者为希望了解并在企业中实施人工智能解决方案的企业高管提供了一份全面的指南。
本书于2017年由施普林格国际出版社出版，对企业如何利用人工智能提供了实用的概述。今天发生了什么变化？
2025 年人工智能当前的投资趋势
人工智能领域正在经历前所未有的增长，各组织为保持竞争力都进行了大量投资。
基础知识
伯吉斯强调，必须首先确定与业务战略相一致的明确目标，这一原则至今仍然有效。他在书中指出了人工智能的八大核心能力：
- 图像识别
- 语音识别
- 搜索和信息提取
- 聚类
- 自然语言理解
- 优化
- 预测
- 理解（今天）
从 2018 年到 2025 年的演变：
自该书问世以来，人工智能已从新兴技术成为主流技术。随着大型语言模型（LLM）和生成式人工智能技术的出现，伯吉斯认为具有未来性的 "理解 "能力取得了重大进展，而这些技术在 2018 年尚未出现。
人工智能投资决策的战略框架
四个基本问题
在评估人工智能投资时，关注这些关键问题至关重要：
- 确定业务问题
- 成功的衡量标准
- 实施要求
- 风险评估
注：这四个问题的框架来源于现有知识，Burgess 的书中没有明确介绍。
制定有效的人工智能战略
采用框架：
Burgess 提出了创建人工智能战略的详细框架，其中包括
- 与业务战略保持一致- 了解人工智能如何支持现有业务目标
- 了解执行机构的雄心壮志 - 根据需要进行定义：
- 改进现有流程
- 转变业务职能
- 创造新的服务/产品
- IA 成熟度评估 - 按照 0 到 5 的评分标准确定组织当前的成熟度：
- 手动处理（0 级）
- 传统 IT 自动化（1 级）
- 基本隔离自动化（2 级）
- 自动化工具的战术实施（第 3 级）
- 各种自动化技术的战术实施（第 4 级）
- 端到端战略自动化（第 5 级）
- 绘制内审热图--确定机会最大的领域
- 开发商业案例- 评估 "硬 "效益和 "软 "效益
- 变革管理- 规划组织如何进行调整
- 制定 IA 路线图-制定中长期计划
从 2018 年到 2025 年的演变：
伯吉斯的框架在今天仍然具有惊人的现实意义，但需要对其进行补充，以考虑到以下方面：
- 人工智能伦理和法规（如欧盟人工智能法）
- 人工智能的环境可持续性
- 负责任的人工智能战略
- 与量子计算等新兴技术相结合
衡量人工智能投资的投资回报率
投资回报的决定因素：
Burgess 将人工智能的优势分为 "硬 "和 "软 "两类：
硬效益：
- 降低成本
- 避免费用
- 客户满意度
- 合规性
- 风险缓解
- 减轻损失
- 减少收入损失
- 创收
软效益：
- 文化变革
- 竞争优势
- 光晕效应
- 实现其他效益
- 推动数字化转型
迄今为止
对人工智能投资回报率的衡量已变得更加复杂，有了评估生成式人工智能影响的具体框架，而这在伯吉斯写这本书时还不存在。
.png)
实施人工智能的技术方法
解决方案的类型：
Burgess 提出了实施人工智能的三种主要方法：
- 现成的人工智能软件-现成的解决方案
- 人工智能平台--由大型科技公司提供
- 定制的IA 开发- 定制的解决方案
关于第一步，他建议考虑
- 概念验证 (PoC)
- 原型
- 最小可行产品（MVP）
- 最高风险假设检验 (RAT)
- 飞行员
有什么变化？
2018 年以来，我们见证了
- 通过无代码/低代码解决方案实现人工智能工具的民主化
- 大幅改进人工智能云平台
- 生成式人工智能和 GPT、DALL-E 等模型的发展。
- 自动处理部分数据科学流程的 AutoML 解决方案的兴起
考虑风险和挑战
人工智能的风险：
伯吉斯用了整整一章的篇幅来阐述人工智能的风险，他指出：
- 数据质量
- 缺乏透明度--算法的 "黑箱 "性质
- 无意偏见
- 人工智能的天真--语境理解的局限性
- 过度依赖人工智能
- 技术选择错误
- 恶意行为
从 2018 年到 2025 年的演变：
自从写了这本书
- 对算法偏见的担忧已成为一个关键问题（待定）
- 随着威胁的增加，人工智能安全变得至关重要
- 人工智能监管已成为一个关键因素
- 深度伪造和生成式人工智能虚假信息的风险已变得十分严重
- 随着人工智能的广泛应用，人们对隐私的关注也越来越多
创建有效的信息安全组织
摘自伯吉斯（2018）的著作：
Burgess 提议：
- 与供应商和合作伙伴共建人工智能生态系统
- 建立卓越中心（CoE），配备专门团队
- 考虑首席数据官 (CDO) 或首席自动化官 (CAO) 等职位
从 2018 年到 2025 年的演变：
从那时起
- 首席人工智能官（CAIO）的角色已司空见惯
- 现在，人工智能往往被整合到整个组织中，而不是孤立地存在于 CoE 中
- 人工智能的民主化带来了更多分布式运营模式
- 对所有员工进行人工智能扫盲的重要性显现出来
结论
摘自伯吉斯（2018）的著作：
Burgess 最后强调了以下方面的重要性：
- 不要相信炒作，要关注真正的业务问题
- 尽快启动 IA 途径
- 了解人工智能，让公司面向未来
- 在乐观主义和现实主义之间采取平衡的方法
从 2018 年到 2025 年的演变：
伯吉斯呼吁 "不要相信炒作"，这一呼吁在 2025 年仍然具有难以置信的现实意义，尤其是在过度炒作生成式人工智能的情况下。然而，采用人工智能的速度变得更加关键，与那些听从伯吉斯建议尽早（在 2018 年！）开始人工智能之旅的公司相比，那些尚未开始人工智能之旅的公司现在发现自己处于明显的劣势。
与 2018 年的预测相比，2025 年的人工智能格局更加复杂、更加成熟，与企业战略的融合度也更高，但伯吉斯所概述的战略调整、价值创造和风险管理等核心原则仍然惊人地有效。
.webp){kind=small}
