首页 要闻 > 正文

机器学习和人工智能能给商业带来的价值

他说,“从创建的用例中提取价值更加困难,但这是可以做到的。”例如,他引用了最近在Nedbank进行的项目。

在一个反欺诈项目中,仅在六个月内就阻止了价值1.37亿兰特的欺诈交易。另一个是试点项目,过去四个月收入超过2.5亿兰特。

如果算法不支持业务流程,它只是一个智力练习。

泰勒坚持认为,确保ML/AI项目价值交付的唯一方法是“自下而上”方法的结果,这需要数据科学团队与业务部门密切合作,而不是“自下而上”。自上而下的方法。

“你想通过AI项目实现的所有工作都必须与业务保持一致——业务实际上是在地面上,而不是在高层管理中。战略可能来自高层,但痛苦是根深蒂固的,这是你可以找到实际用例的地方,”他说。

对于数据科学家来说,重要的是要认识到AI在业务范围之外并不重要。“如果算法不支持业务流程,它只不过是一种智力活动。这就是商业和技术之间真正的差距,”他补充道。

第一步

由于ML/AI项目旨在帮助自动化决策,因此有必要准确确定哪些决策需要自动化,以实现三个关键目标:

赚钱

防止金钱损失;和

帮助管理风险。

“数据科学团队无法知道这些问题的答案,至少在细节上与业务人员不同。数据科学团队可以帮助业务人员回答问题,但业务人员必须负责管理自己的痛点,”泰勒说。

记住ML/AI与软件开发无关也很重要。

我们必须记住,机器学习衡量的是行为,所以模型总是在变化的。

“你不能只把模型投入生产就走开。我们用于机器学习的工具与我们一直使用的工具不同——我们必须以新的方式构建这些工具,更深入地研究它们,并为系统创造更多能力。我们必须记住,机器学习衡量的是行为,因此模型总是在变化的。”他说。

成功的另一个关键因素是为项目配备适当的人员和技能。然而,这说起来容易做起来难,因为在过去几年中,对AI/ML技能的需求增长了650%以上(基于LinkedIn职位)。

此外,许多申请这些工作的人不具备必要的技能,不管他们的简历上写了什么。

因此,泰勒开始根据团队成员的智力,尤其是他们学习和探索数据的好奇心和欲望来招募团队成员。一旦被招募,这些聪明的年轻人将受到高级数据科学家、BI和数据分析师的密切管理和指导。

“重要的是要记住,AI/ML与模型无关,而是与人有关。最大的成功来自于这样一个事实,即人工智能使地面上的人们的生活变得更容易,因此他们不会阻碍变革管理过程,并且该项目可以提供其旨在实现的价值,”他总结道。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。