人工智能(AI)已正式进入企业，已从梦想变成现实。实际上，根据O'Reilly最近的一项调查，大多数组织(85%)正在采用或评估AI， 超过一半的组织在生产或分析中使用AI。

人工智能不能很好地适应IT过去使用的相同流程和方法。

这些努力虽然迅速扩大，但仍处于初期阶段。成长的痛苦已经变得明显。O'Reilly的分析师指出：“公司需要做更多的事情，才能将AI的工作扎根。” “无论是控制常见风险因素–模型开发中的偏见，数据缺失或条件差，模型在生产中的退化趋势–还是实例化正式流程以促进数据治理，采用者都将在工作中为他们削减工作量建立可靠的AI生产线。”

人工智能不能很好地适应IT组织过去使用的相同流程和方法。适用于评估，测试，实施和扩展非学习系统的最佳实践和常识性方法可能并不总能转化。在某些情况下，它们可能适得其反。

[您了解AI的主要类型吗?另请参阅：定义了 5种人工智能(AI)类型。]

打破常识的8条AI策略技巧

这是八个与直觉相反的技巧，将有助于您的AI不断发展。

1.慢下来

在某些组织中，急于向企业的AI化迈进：如果不加以制止，这将很危险。Cognizant数据科学，机器学习和AI副总裁Jerry A.Smith博士说，现代AI智商高，但情商低 。真正的智慧需要两者。“如果您获取数据并使用AI进行分析并在没有情感的情况下从中学习并大规模地进行处理，那么您基本上会在系统中放松精神病患者。”

Smith表示，IT领导者应该花时间确保他们尽早就如何使用AI进行人为讨论。

他补充说，执行人员通常希望AI来保存它们。“但是最后，如果他们没有建立正确的框架和策略，那实际上会损害他们。”

[获得针对IT和业务领导者的10个关键人工智能术语的快速扫描入门： 备忘单：AI词汇表。]

2.先于工具和文化

TIBCO分析策略副总裁Shawn Rogers表示：“技术是企业尝试创新的起点，这并不奇怪 。” “但是，放弃人文和文化方面肯定会注定您会失败。”

罗杰斯补充说：“要推动AI的成功，需要新的技能，同时要培养一种文化，这种文化可以促进采用和采取行动来实现AL和机器学习(ML)技术的价值。成功需要成功的平衡策略。”

3.计划迭代

希望开始使用AI的企业需要从用例入手。但是，开放数据湖公司Qubole的首席执行官兼联合创始人 Ashish Suchoo指出，大多数AI和ML用例都是随着时间的推移而不断演变的 。“至关重要的是，企业必须投资于执行连续数据工程的能力，并提供SQL和编程访问来训练和部署模型，” Sosooo说。他曾与他人共同创立了Apache Hive，并建立了Facebook数据平台。

4. DevOps还不够

大多数创新的IT商店已经在DevOps培训中。这对于采用AI是必须的，但还不够。Fractal Analytics技术服务客户合作伙伴George Mathew说，组织需要添加MLOps 。他说：“这种集成需要在应用程序生命周期的早期进行计划，并在随后的各个阶段中遵循。”

例如，组织需要考虑对生产中将发生的AI模型进行再培训。“这意味着必须建立额外的管道来将AI模型产生的见解(例如预测)与几周或几个月后从现场收到的实际数量进行比较，” Mathew解释说。

“必须建立额外的管道，以将AI模型产生的见解与数周或数月后从现场获得的实际数量进行比较。”

5.支撑规模

早期涉足AI往往会使用一组定义的数据来利用一些模型。但是，这些努力可以迅速扩展到难以管理的领域。TIBCO的罗杰斯(Rogers)说：“随着成功的加快，为不断发展的数据科学团队管理生产中的数百个模型和多个创作环境会带来新的挑战，以适应不断增长的需求。”