對于企業來說，不必總是在內部構建解決方案，這是常見的失敗原因。人工智能技術復雜且仍然不成熟，而且在大多數企業中缺乏人工智能人才和技能。對于多數企業來說，除非項目具有戰略重要性，否則應該更多關注由軟件供應商提供或在服務提供商定制的方案。人工智能項目面臨許多組織和技術的挑戰（見圖1）。

圖1 采用人工智能面臨的挑戰

雖然許多企業在組織、戰略和技術領域發現了一些問題，但他們忽視或低估了同樣重要、對最終成功有影響的其他挑戰。我們確定了五個可能阻礙人工智能計劃的共同挑戰領域，并建議企業在他們開始的第一個人工智能項目之前就要向團隊提出以下問題（見圖2）：

圖2 在第一個人工智能項目之前要問的五個問題

一、您是否清楚地定義了業務問題？

企業經常從競爭壓力中開始人工智能項目，擔心如果不投資人工智能，就會被甩在其他企業身后。不了解人工智能的最佳用途往往是企業失敗的首要原因。人工智能對于企業來講最大的好處就是能夠處理大量多維數據，涉及非結構化數據和復雜系統，包括事件預測、趨勢分析、模式識別、機器人和決策/過程自動化、自然語言理解（NLU）、自然語言處理（NLP）和計算機視覺，這些是企業利用人工智能可能取得重大突破的領域，但這些方面的投入可能無法實現對企業來說最直接的利潤價值。

人工智能并不是解決每個問題的最佳方案，有些案例使用傳統技術會處理得更好。企業在開始人工智能項目之前，需要了解人工智能的局限性，教育高級管理人員和項目團隊沿著這些路線來設定正確的期望。

當應用于正確的問題類型和業務問題時，人工智能可以顯示出巨大的價值。通過解決這些問題，企業的高級管理層可以注入對人工智能技術的信心，并為未來的計劃獲得資金。

二、你能從實際的商業角度定義成功嗎？

定義業務成功需要前期對預期的成果設定一些量化指標，這可能很困難，因為與傳統IT項目相比，人工智能項目的結果通常不那么確定。因此，組織需要利用實驗性和啟發式方法來解決這個問題。Gartner的一項調查發現，提高效率、客戶體驗和降低成本是企業投資人工智能的三大原因（見圖3）：

圖3 人工智能對組織至關重要的主要原因

企業應使人工智能項目與價值指標保持一致（表1）：

表1人工智能業務價值指標

三、您是否包括業務領域、IT和分析專家？

項目經常因為團隊相關的問題而失敗。讓合適的人參與項目是成功的重要組成部分。這意味著要建立一個跨部門、多功能的群體，其中包括：

具有相關業務知識的業務領域專家;

具有提供開發和集成專業知識所需技術技能的IT人員;

能夠協助建模和數據管理需求的數據科學家。

這個團隊需要被授權做出決定，并在需要時采取行動。但這可能不是一個好主意，因為初學者組織還沒有合適的人工智能知識或技能，并且可能沒有能力確定企業的正確戰略和結構。組織應該采取實驗性的方法，首先啟動幾個項目，以了解驅動人工智能計劃所需的技能、治理模型和團隊結構。

圖4 組織和管理人工智能調查

四、您是否調查了所有采購選項并確保了持續維護？

企業應該探索各種選擇，以獲得一個可行且性能卓越的人工智能解決方案，在性能、成本和技術成熟度之間尋求平衡。在沒有調查每個采購選項，或者在沒有了解問題的正確技術之前，可能導致投資浪費或解決方案性能不佳。企業往往在選擇購買、外包還是建造方面進退兩難，像其他任何破壞性技術一樣，將引入人工智能的連鎖反應最小化是企業首要考慮的問題。從這個角度來看，按照以下順序，組織應該嘗試購買、外包和構建人工智能解決方案。企業應將這些選項混合用于各種人工智能計劃（見圖5）：

圖5 人工智能解決方案采購選項的考慮因素

購買：許多軟件供應商（包括Salesforce、Oracle和SAP）已將人工智能技術集成到其專業解決方案中。組織應該首先探索“預集成”的功能，因為它們提供的功能能夠以最小的努力來解決問題。

外包：人工智能技術往往供不應求，而且價格昂貴。對于一個試圖證明人工智能技術價值并受到預算限制的組織來說，外包路線是一個合理的選擇。

建造：需要組織具備適當的技術基礎和能力，同時要確認人工智能技術對于組織來說具有戰略重要性，組織要認識到拼湊各種應用程序并集成這些技術是一個復雜的過程，需要付出巨大的努力，必須在過程的早期加以謀劃周全。

根據Gartner最近的一項研究，許多使用人工智能的組織選擇建立他們自己的解決方案，而不是購買或外包。

圖6人工智能解決方案的企業技術路線調查

五、您是否已操作解決方案以充分利用該技術？

一個解決方案不僅是有效地分配適當的IT資源，還意味著以系統的方式預測人工智能元素的持續演變，在業務流程中引入人工智能的不連續性，并不斷調整決策模型。

人工智能技術的操作或控制比其技術發展更加容易被人們忽視。忽視操作化階段經常阻礙企業充分實現他們在人工智能方面的努力，同時也加劇了信心缺失。

有許多例子表明，人工智能技術應用于一個過程的一部分，已經大大改善了該部分相關的決策，而其余的過程卻出現了負面的影響，企業需要應對這些負面的影響。例如，一家大型共同基金公司推出了一種對話代理系統，旨在自動處理機構投資者的財務文件要求，系統識別出所有相關的文檔，甚至那些頁面非常多的文檔，并將它們發送給請求者。盡管這些文件是絕對相關的，但是人工智能會提出更具歧視性的要求，讓人們中斷且不知所措。

企業需要思考人工智能決策模型在日益復雜的組織環境中運行。我們傳統上對決策的思考方式通常是通過確定性過程，即通過預先確定的事件序列采取行動。不確定性和未預料到的元素在復雜的業務系統中很常見，并可能導致不確定性行為（即本質上不可預測的行為）。