从一线了解更多数据提高人工智能投资回报率，整合和简化流程
2024 年 2 月 20 日
扩展人工智能
道格·布莱恩
过去二十年，人工智能价值创造的障碍发生了很大变化。二十年前，障碍是计算和存储，但云计算使这些几乎免费。当时，干净的标记数据是一个挑战，因此我们花了数年时间开发数据仓库、Hadoop 数据湖、ETL、ELT、数据清理和数据协调。
其次，人的技术技能是瓶颈。每个人都试图聘请懂得如何训练人工智能和机器学习 (ML) 模型、运行统计上有效的实验、开发 MLOps 并理解业务目标的数据科学独角兽。我们很快发现独角兽并不存在，所以我们转而组建了独角兽团队。今天，我看到与客户合作时最大的障碍仍然是人的技术技能，但这次不是技术性的，而是愿景和想象力。
当今人工智能投资回报率的最大障碍是视野和想象力。
组织的目标太低。AI 开发团队 捷克共和国电报数据 经常优先考虑价值不大且缺乏一线用户支持的单点解决方案用例，这些用例的开发成本为 1x 美元，部署和采用成本为 5x 美元，产生的价值为 0.5x 美元，投资回报率高达 -92%。（参见医药和保险领域的例子。）
技术价值创造的三个层次
过去 300 年来，颠覆性技术用例分为三个阶段。按价值升序排列，它们分别是： |
