如何做一个完美的Pull Request?
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
(编辑:莆田站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |