将常识商业意识融入人工智能的永无止境的努力
“需要有一个反馈循环，以确保客户享受体验，就像您享受创造体验一样。”
常识可以编程到 AI 中吗？许多人肯定正在努力做到这一点。但有些决定通常需要一定程度的同理心——更不用说常识了——这可能太难嵌入到算法中了。此外，虽然 AI 和机器学习是当下的热门产品，但技术人员和决策者需要考虑它是否为每个问题或机会提供了实用的解决方案。
这些观点在最近的 AI 峰会的小组讨论中提出，与会者一致认为，不应将 AI 视为出现的每种业务情况的默认解决方案。（我是会议的联合主持人并主持了小组讨论。首先，人工智能仍然是一项相对不成熟的技术，会议小组成员、AntWorks 全球金融服务 副总裁 Drew Scarano 说 。“我们可能过于依赖这项技术，忘记了循环中的人类，以及他们如何在补充人工智能以获得预期结果方面发挥不可或缺的作用。”
AI 在所有行业中被用于多种用途，但风险在于使有助于建立和维持公司的人际交往品质失去人性。“今天，我们可以将 AI 用于任何事情，从批准信用卡到批准抵押贷款，再到批准任何类型的贷款工具，”Scarano 说。“但是，如果没有人工干预，就能够理解一个人不仅仅是信用评分，一个人不仅仅是获得抵押贷款的批准或拒绝。”
Scarano 对 AI 系统包含接近“数字劳动力”的任何事物的概念表示不满，并指出“这只是销售更多东西的一种方式。我可以销售 50 个 Digital Worker，而不是一个系统。但数字化劳动力只是一堆执行特定任务的代码，而该任务可以是可重复的，也可以是定制的。另一位小组成员 Aible 首席 技术官 Rod Butters 对此表示赞同，并指出“归根结底，它是一台机器。最后，都是 1 和 0。使 AI 更符合业务的方法“是获得更好的工具、工艺和应用这些机器的经验，首先是透明的，其次是以某种方式可以理解，并最终实现面向业务或面向社区的结果。
Butters 说，AI 可能能够基于超出人脑能力的逻辑提供精细的结果，但这实际上可能“与企业的战略需求背道而驰”。“因为你无法获得可见性，所以你会得到意想不到的后果，这可能会导致在将流程应用于你的客户群时出现完全的差异和公平。”重要的是，“需要有一个反馈循环，以确保你实施的解决方案与你的客户产生共鸣，他们享受这种体验，就像你享受创造体验一样。“小组成员 Run：AI 解决方案架构师 Robert Magno 表示。
该行业的其他专家也表示担心，AI 被以可能不需要的方式推得太紧。“AI 并不是所有业务问题的解决方案，”Sinch 机器学习和 AI 工程总监 Pieter Buteneers 说。“这听起来很性感，但有时候，最好还是想办法最好地满足客户需求，而不是盲目地投资新技术。”
虽然人工智能有可能使业务流程更高效、更经济，但“归根结底，它仍然是一台机器，”Buteneers 说。“AI 缺乏人类的情感和常识，因此它可以犯某些人类本能不会犯的错误。AI 很容易以人类在一英里外发现的某些方式被愚弄。对于那些担心 AI 会取代人类工作的人来说，我们总是需要有人与 AI 机器人一起工作，以控制它们并在业务中保持人情味。
AI 计划“必须与公司的运营需求和工作流程保持一致，以确保高水平的采用，”Pager 工程高级副总裁 Sameer Khanna 表示同意。“通过用户反馈识别现实世界的问题至关重要。产品推出后，必须不断努力吸引用户、监控性能并随着时间的推移改进解决方案。
然而，AI 也有一些领域值得探索。例如，“人工智能可以在图像识别和语言理解等严格定义的任务中达到甚至超过人类的表现，”Buteneers 说。“利用自然语言处理的强大功能，AI 系统能够像人类一样理解、书写和说出语言。这为企业提供了巨大的好处 - 例如，部署配备 NLP 的聊天机器人或语音机器人来补充实时服务座席的工作，从而让这些实时座席能够响应需要更人性化方法的复杂查询。
Buteneers 指出，“NLP 的突破正在对 AI 理解人类输入的方式产生巨大影响。我帮助设计了聊天机器人，现在可以同时理解 100+ 种语言，AI 助手可以在任何给定的文本正文中搜索答案。AI 甚至可以通过在对话期间阅读并根据之前的对话、客户背景或更大的知识库为他们提供建议的响应，使实时客户服务代理更加有效。NLP 字段中的不同算法可以识别和分析可能具有欺诈性的消息，这可以让组织在将任何垃圾邮件发送给消费者之前将其清除。NLP 的应用程序可以为任何企业带来无数好处：它可以帮助节省时间和金钱、增强客户体验并实现流程自动化。
尽管如此，人工监督对于确保这些解决方案为客户服务至关重要。“审查 AI 结果应该是算法的标准设计过程——认为一旦你建立了模型，你的工作就完成了，这是无知的，”Buteneers 说。
Khanna 讲述了他自己公司的 AI 项目想法如何“主要来自我们的数据科学家与内部和客户业务利益相关者之间的合作”。他补充道，这种合作关系“产生了基于商业现实的明确且可行的 AI 项目”。“然后，我们的数据工程师、数据科学家和机器学习工程师使用开源技术和云提供商的专有产品来实施这些项目。”