导读:人工智能时代来临,但企业家的错误认知,正让日本企业面临AI泡沫化。日本专家指出,企业想导入AI,必须要破除为导入而导入的心态、对于AI能力过大期望,以及忽视大数据这三大误区。
误区一:为导入而导入,仓促展开AI项目
“某某公司导入AI成功”、“某某企业成立AI新事业部”...... 媒体追捧报导的AI个案,虽然大部份都还只是实验阶段,却足以诱发企业主的焦虑感,急迫希望套用“AI配件”,让企业华丽变身。
误区二:只要导入AI,一切问题就解决了
日本软银(Softbank)就曾因对于AI能力的过大期望而受挫。三年前软银曾为旗下一千多位业务人员开发一套用于手机app上的AI系统(Softbank Brain),希望可解决任何销售问题。例如,业务人员可以询问“客户预算不足,无法扩充IT设备,怎么办?”等开放性的问题,期待「Softbank Brain」能像经验丰富的业务员一样,为前线人员指点有效的销售建议。但实际使用后发现,这套系统常常只能提供「可建议客户导入pepper机器人」之类,任何人都能想到的浅薄答案。原本从经营高层到前线,都为了AI系统沸沸扬扬兴奋不已,但系统上线不到三个月,就因功能低落而乏人问津,几乎无人使用。软银最后缩小了这套AI系统的适用范围,只提供有关B2B机种介绍,续约方案和手机出借等信息,作为前线业务的及时参考。
软银AI事业推进部课长柴谷幸伸表示,“别对AI抱持过高的期待值,要摸索出最务实的解法,这是非常重要的”。若要达到当初设定的强大功能,需要教给AI的范例数量,是笔天文数字,一开始的认知实在太天真。
误区三:导入AI时,忽视数据的数量与质量
AI的深度学习,需建立在庞大的数据数据上,但急于追求最先端AI技术的企业家,却觉得花时间搜集数据太低阶。制造业常见的AI导入案例之一是,透过AI影像辨识,取代人工,抓出生产线上的残次品。但若工厂内过去未曾建置残次品的影像纪录,就必须先在产线上安装摄影设备,从影像数据建立和标记分类做起,逐步确认AI学习的正确度。然而,约八成的客户会说,没想到要花这么多功夫在数据建置上。受访的AI新创公司人员对《日经商业周刊》透露,尽管对客户详细说明数据的重要性,却往往换来客户社长或高层反弹,“这样一点都不AI”,让案子触礁。
参与评论 (0)