AI已经成为我们日常生活的一部分,这一点你无法否认。几乎来自所有不同行业的财富1000强企业领导者,都在积极开展AI计划。大中型全球企业都在加速创新,利用AI的诱人前景提高收入、增加利润、并在产品和服务产品中发现新的价值。
尽管AI的发展迅速,但董事会和CEO们在AI语言素养和风险管理实践方面仍然远远落后。AI的崛起就像是一场暴风雨,一场完美的风暴可能正在酝酿之中,但很少有董事会和CEO能回答这个问题:你的AI算法和AI模型位于何处,AI算法或者模型是否存在风险?
AI的发展是迅猛的:2020年7月初发布的最新全球研究报告指出,AI市场的复合年增长率超过42%,在美国AI市场规模超过7337亿美元。根据麻省理工学院斯隆研究中心(MIT Sloan Research)的说法,超过90%的大型企业正在利用AI改善他们的客户交互旅程。AI创业投资的增长让人想起了互联网时代的牛市,但你可能还记得,2002年3月牛市下跌了76%,这唤醒了人们对价值实现和盈利能力重要性的觉醒。
根据CBI Insights的数据,2019年AI初创公司总共募集了266亿美金,涉及全球2200多笔交易,尽管遭遇了疫情,但医疗应急和智能机器、医疗机器人等变革性技术,正在迅速兴起成为帮助应对疫情的AI解决方案。
平均而言,到2022年,高级分析方面的投资将超过整体市场预算的11%。随着企业组织将AI和机器学习工具纳入他们的业务流程,到2025年,AI软件相关支出将达到1250亿美元。
你可能会认为,董事会和CEO们可以轻松地了解他们所有的AI算法和AI模型位于何处,非常清楚各种风险状况,并且能够通过清晰的KPI和ROI来证明价值的实现。
遗憾的是,很多企业被采用黑盒AI实践的AI计划吸引,这就意味着没有清晰的问责制,是不透明的,更不用说审计风险了。董事会董事和CEO们知道他们的员工身处何方(无论是远程办公还是在办公室),知道应该联系谁来解决客户服务或个人问题。
但是,恐怕没有一家跨国企业的董事会或者CEO可以在不到五分钟的时间内,拿出一份该企业所有AI算法或者AI模型资产的完整列表,也不知道上一次修订模型是在什么时候,给不出可靠的、经过第三方验证的风险分类证据。
随着数据的民主化逐渐成为实现AI的基础,我们必须提高AI和机器学习的相关KPI,让AI KPI比财务KPI更加重要,从而提高透明度,就像审计师受到损益表信托责任制的约束一样。世界正在发生巨变,数据已经成为我们最具战略意义的资产,但是鲜有企业成为数据管理实践的标杆,他们不知道数据是在哪里设计、收集和存储的以实现和跟踪AI转型所能带来的价值。
尽管有不少企业已经投资了机器学习运营(MLOps),但很少有企业拥有成熟的AI卓越中心,其中,MLOps是一项核心能力。New Relic最近一项研究发现,受访的750位全球高级IT决策者中,有89%的人认为,AI和机器学习对于企业组织的IT运营至关重要。有近84%的受访者认为,AI和机器学习将让他们的职责变得更易于管理。这一乐观的预测,将加速数据管理实践的不断完善,而这正是AI建模和风险管理实践的关键。
笔者在过去18个月中对超过500位全球大型B2B企业C级高管的交流中发现,没有一家企业可以在5分钟时间内回答大多数以下问题。
要保持领先地位,就要恰当地提出各种AI相关的问题,每一个使用AI算法构建定制化AI模型以解决特定问题或业务挑战的项目,都应能够回答以下这些问题:
使用场景历史
AI模型所有权历史
创建和修订历史
AI算法或模型方法历史
AI算法或模型的价值实现
尽管还有很多其他问题,但要监督AI卓越中心来跟踪AI模型的演进发展,董事会和CEO们可以从年度审计风险评估和治理运营流程开始着手。
遗憾的是,多数情况下AI模型都是由数据科学家、计算机程序员或者专业服务公司(第三方供厂商)开发的,他们都致力于构建一个特定的AI模型,不管是预测美国热点区域第二波疫情情况,还是使用AI无人机预测害虫给收获季带来的影响,还是预测收入,以及确保AI方法的潜在风险管理实践,在大多数情况下,设计和构建AI模型的参与者都是用心良苦的。
董事会和CEO们必须意识到,AI素养是他们发展和培养人才所需的一种新能力。AI模型需要不断优化才能成功用于生产环境,而对数据管理基础设施进行现代化投资,是确保数据和机器学习与时俱进的关键。如果管理层不监控AI模型的生产环境,对模型进行再训练,并且随着时间的推移增加其他数据源以加强模型洞察的话,他们就会犯错。
AI就像是建造一座花园,施肥和除草是收获美丽的一项长期投资。AI不是雕塑,你不能构建一个模型然后未来几年一直保持它的原始状态不变。有人说AI是一种新型石油,而我更愿意说AI是一种新型氧气,因为AI越来越普及,像气候变化一样,潮起潮落无处不在。你想要能够洞悉花园中的一切生长状态,就需要卓越的远见才能做出明智的规划。
对于董事会和CEO们来说,遗憾的是很多技术负责人或者CIO并不擅长AI和数据科学实践,这进一步提高了实施AI的企业所面临的风险。首席数据官(CDO)和首席数据科学家官(CDSO)的兴起,推动了AI进化、模型构建、风险管理实践的发展,尽管大多数公司在数据支持系统方面的投资,不得不和保护算法和AI模型安全性方面的投资节奏保持一致。
董事会和CEO们有责任确保AI审核和风险管理框架得到合理实施,推进AI治理的向前迈进。
瑞典是一个千万人口的北欧小国,是一个高度发达的资本主义国家,因其发达的通信...
2020年12月2日上午9时,为期两天,旨在汇智聚源的 OpenI/O 2020启智开发者大会在...
[中国,深圳,2020年8月10日]今日,在深圳举行的昇腾AI新品全球发布会(HAI 2020)...
『看看论文』是一系列分析计算机和软件工程领域论文的文章,我们在这个系列的每...
企业在为物联网部署选择技术时,需要知道4G的可用时间有多长,5G是否会使4G过时...
移动设备与行业技术不断更迭,移动游戏市场的浪潮持续升温,国内游戏从业者在面...
不同于3G、4G时代激烈的价格竞争,进入5G时代后,三大通信运营商在主管部门的要...
随着移动智能终端的普及,数字化转型的加速以及移动支付技术的发展创新,移动支...
1、TCP/IP协议族 TCP/IP是一个协议族,通常分不同层次进行开发,每个层次负责不...
近期围绕老年人移动支付的话题不断,昔日一个老人冒雨交社保的画面再次浮现在眼...