经过几年对它的潜力的高度兴奋之后人工智能为了推动业务成果，许多领导者现在非常不耐烦地部署该技术，并对技术抱有很大期望人工智能可以交付。技术领导者希望人工智能能够为整个组织的业务方式带来从简化运营到改变游戏规则的改进等一切，而根据最新研究，今年计划的人工智能支出将增长 61%。企业领导者需要牢牢把握现实，并通过对企业真正需要人工智能提供什么的扎根观点来调和他们的人工智能热情。过去两年，许多公司投资人工智能，却发现他们的概念验证并没有取得成果。要从人工智能投资中获得正确的结果，需要事先仔细考虑，并在项目本身过程中对细节进行精确关注。
过去两年，围绕生成式 AI 的潜力进行了前所未有的技术炒作，因此很容易理解业务领导者为何会忍不住询问其 IT 团队为什么不立即使用生成式 AI第二。问题在于，在这些企业中，被人工智能热潮席卷的领导者和他们的 IT 团队都没有真正了解人工智能如何带来业务优势。在推出人工智能之前，领导者需要确定他们这样做是出于正确的原因（而不仅仅是因为竞争对手使用它）。
实验室构建的令人兴奋的技术与日常业务现实之间的差距应用差距非常大，重要的是不要陷入对尚未跨越这一差距的技术过度兴奋的陷阱。目光短浅、过早前进是人工智能投资最终被浪费的原因。
联想 WW AI 业务主管兼联想 AI 创新者计划负责人。
奠定基础
即使是最好的技术，如果不能在现实世界中被采用和使用，也只是一个科学实验。人工智能对企业“不起作用”的最大原因是人们试图“使用人工智能”，而不是找出问题所在或效率低下的地方。发现此类问题，企业领导者首先要与合作伙伴对话，倾听消费者和一线的声音雇员。企业是否缺乏可以交谈的员工顾客？企业是否需要找到减少燃料排放的方法？除了炒作之外，这项技术真正令人兴奋的并不是将人工智能视为一个独立的解决方案，而是将人工智能添加到实际业务问题的解决方案中。
成功需要什么
通常，人工智能的方法是拥有一个特定的“人工智能团队”，而不是将该技术应用于整个业务。这种孤立的方法是一个关键错误。人工智能必须与整体方法相结合，并着眼于将其扩展到业务的每个部分。业务领导者必须将多个团队连接在一起以初步实施该技术，并避免走捷径以确保无缝集成。企业领导者需要设计一个有效的概念验证解决方案，其中适当地包含人工智能，以减轻商业问题，然后相应地缩放它。例如，生成式人工智能聊天机器人可以回答利基问题的技术最初可以提供给一小部分客户，但随后推广到更大的群体。内部沟通也很关键，因为概念验证的商业利益必须在组织内有效地传达，因为人工智能项目在发展到一定规模之前往往无法让领导层感到兴奋。
生成式人工智能适合您吗？
即使是在该领域工作多年的专家也对这款产品的推出感到惊讶。聊天GPT让人工智能技术的巅峰变得如此容易采用。这反过来又让商界领袖很容易想象生成式人工智能应该被普遍采用。但他们应该停下来思考这种技术是否是正确的选择，或者其他形式的人工智能是否可以做得更好。
人们对生成式人工智能的热情意味着它有时会被用在无法发挥其自然优势的领域。生成式人工智能非常适合对话式用户界面，例如聊天机器人、知识发现和内容生成。它在细分、智能自动化和异常检测方面也非常有用。例如，英国一家领先的工业人工智能和物联网技术公司使用机器学习和计算机视觉人工智能技术，使其复合材料制造过程更加顺畅，并大大减少异常情况。这表明人工智能已经通过各种准确检测缺陷的系统来改善制造质量控制。
从人工智能中获益最多的公司
人工智能已经在帮助组织解决零售和制造等领域的实际问题。人工智能有助于简化和加快流程，消除员工在日常任务上花费的时间。在零售和制造业中，计算机视觉正在成为人工智能的一种有趣且成功的应用，它连接了物理世界和数字世界，帮助发现生产线上的缺陷，并在零售环境中提供有价值的见解。
计算机视觉还可以发挥重要作用，让零售商能够从零售店的摄像头中获取重要见解，而不仅仅是处理盗窃或类似事件。当前的一种系统能够洞察客户正在查看和购买的重要趋势，并验证促销是否成功。该系统可以识别一切内容，从放错位置的产品到商店内零售媒体（广告）的浏览量表现。
在制造业中，计算机视觉有助于提高工厂和实验室的效率，也让员工更加安全。例如，计算机视觉已经帮助对产品进行质量控制检查，确保它们没有丢失任何组件，并且监视器任何时间段内从生产线上下来的产品数量，同时扫描缺陷。但更重要的是，新的计算机视觉系统正在帮助提高工厂的安全性，扫描烟雾和火灾，同时还检测容易发生事故的机械。
明智的做法
随着人工智能，尤其是生成式人工智能的兴起，企业领导者需要确保脚踏实地，并对这项技术采取明智的方法。这意味着关注业务中真实、有形的问题，并研究人工智能如何处理这些问题。确保人工智能项目有效“融入”业务也很关键：人工智能集成不仅应该与现实生活问题紧密联系，而且人工智能项目也应该是尽可能多的员工参与的项目。可能可以“亲自动手”。这种整体、综合的方法是确保人工智能项目在早期阶段不会失败的方法，也是利用人工智能获得真正竞争优势的基石。
本文是 TechRadarPro 专家见解频道的一部分，我们在该频道中汇集了当今技术行业中最优秀、最聪明的人才。本文表达的观点仅代表作者的观点，并不一定代表 TechRadarPro 或 Future plc 的观点。如果您有兴趣贡献，请在此处了解更多信息 [链接到https://www.techradar.com/news/submit-your-story-to-techradar-pro