许多公司陷入了我们所说的“预测陷阱”：大力投资预测性人工智能技术，却没有意识到这些能力仅仅代表了人工智能可以为商业决策带来的价值的一小部分。
正如 ACM 通讯最近的一篇文章所指出的，“人工智能的预测能力并不一定能转化为在新情况下的推理和决策能力”[1]。本文探讨了避免这一陷阱的挑战、局限性以及可能的解决方案。
当组织出现以下情况时，就会出现预测陷阱：
预测性人工智能有几个固有的局限性，可能会阻碍其决策价值：
为了克服预测陷阱，公司应该：
人工智能的真正价值在于人与机器的合作。在这种合作中：
正如麻省理工学院 PMC 最近发表的一篇文章所指出的，"要了解人工智能增强决策在什么条件下会产生互补性能，有必要区分可能无法实现互补的两种不同原因"[6]。研究表明，当人类和人工智能的预测足够独立时，它们的组合可以超越任何单独的方法。
随着我们迈向2025年，人工智能的竞争优势将不再来自更强大的算法或更多的数据，而是更有效地将人工智能融入整个组织的决策流程。掌握这种整合能力的公司不仅在运营指标方面取得了显著提升，而且在决策速度、决策质量和决策一致性方面也取得了显著提升。
要避免预测陷阱，需要转变视角：不应将人工智能主要视为一种预测技术，而应将其视为一种决策增强技术。正如麻省理工学院斯隆管理学院的Susan Athey所说：“鉴于我们目前拥有的人工智能类型，我试图帮助管理者从人工智能的角度理解是什么让问题变得容易或困难”[7]。
能够应对这种复杂性的组织将在未来几年从人工智能中获得最大价值。
.svg)
.svg)
.svg)
.jpeg)
.jpeg)
.jpeg)
.jpeg)