人工智能(AI)已经从技术流行语发展到如今的商业现实。拥有机器学习(ML)专业知识的公司正在寻求发展以创建基于AI的解决方案。尚未实施ML学习文化的进步型企业现在旨在制定其策略。在围绕AI进行的所有此类宣传中，以及害怕被抛在后面的恐惧，您如何着手在整个公司中快速实施AI转型战略?

建立企业AI转换策略面临许多挑战，我的目标是将其封装在三个主要标题下。人才是第一个挑战。组织需要聘用，培训，组装并与合适的专业知识合作。需要创建并充分利用一支能够推动AI转型的人才团队。第二个挑战是时间。必须评估通过实施AI策略并创建人们可以快速失败的环境而获得业务成果的速度。最终的挑战是，信任以机器学习模型为基础的AI技术。向监管者和利益相关者解释机器学习模型结果的能力是推动基础技术大规模采用的关键。

1.建立数据文化

为了有效利用生成的大量数据，公司需要首先在整个公司范围内建立一种数据驱动的文化。这是实现这一点的四个关键点。

提出正确的问题：提出正确的问题是建立公司范围内数据文化的关键。今天，企业需要回答一些问题，即如何获取新客户，该客户是谁以及如何优化我的供应链。提出业务问题是任何AI实施的关键。为了提出相关的问题，公司需要具有创造力，了解其工作中的业务约束，具有分析心态并且能够提供由数据支持的答案(而不是直觉)的人员。

数据收集：要建立数据文化，公司需要开始主动收集数据。如今，可以从各种来源获得数据，包括市场和销售部门，产品监控和客户分析。这些数据共同构成了数据文化的基础。

使数据可访问：公司内所有适当的人员都必须可访问已收集的​​数据。这也意味着数据应该以易于使用的格式呈现，从而使人们能够收集有意义的和可行的见解。

寻找合适的人才：数据是一项团队运动。这意味着，尽管公司需要数据专家来构建模型和算法，但他们还需要具有不同技术能力的人员，使他们能够在将数据传递给专家之前从数据中发现有用的见解。这样做可以帮助培训现有的劳动力，因为他们在工作中具有必不可少的领域经验。ML既是一种文化变革，又是一种商业变革。公司不应从头开始重建整个团队，而应聘请数名数据科学家，并利用现有的经验丰富的员工队伍为他们提供帮助。

2.制定AI战略的时间

人工智能和机器学习已在所有行业中实施，从金融服务中的了解客户(KYC)和反洗钱(AML)到医疗保健中的早期癌症检测和个性化处方匹配，再到电信中的客户流失预测和主数据管理营销和零售中的个性化广告和信用评分。

在这些不同行业中使用AI可以节省时间和金钱，同时也可以获得竞争优势。

确定结果：提出正确的问题可以确定可以从任何特定应用程序中产生什么结果。这里的主要思想是将公司的高层目标转化为业务问题，然后确定结果。

衡量成功的方法：公司还必须确定可以衡量其成功的指标。对于不同的公司，成功的定义可能有所不同，但是最终目标仍然相同。赚钱和创造价值。

与社区联系：社区在推动任何公司的变革中都扮演着至关重要的角色。与机器学习社区建立联系的方式有很多，包括在线和网络研讨会，以及聚会时的离线会议，时间恰逢其时。这些将使社区成员能够交流知识并相互学习。彼此学习，参与会议并分享相关见解都是与社区联系的好方法，无论您身在何处。世界各地都有机器学习社区，并且您旁边可能有一个本地分会。