您需要了解的有关投资 AI 计划的所有信息。

投资回报率 （ROI） 可帮助企业确定哪些项目必须优先考虑，或者简单地放置——哪些计划值得最多的资源和关注以实现业务目标。

图片来自 Canva

由于我们谈论的是涉及数字的投资回报率，因此让我们从一些统计数据开始：

• 据《福布斯》报道，全球人工智能市场预计将以38%的复合年增长率增长，到2030年将达到~18120亿美元。
• 人工智能是83%公司的首要任务。
• 根据IBM的数据，到2023年，人工智能系统的支出将增加27%，达到1540亿美元。
• 它进一步分享说，平均而言，这些组织只能产生5.9%的投资回报率，而投资资本成本为10%。
• 然而，成功的远见卓识者通过在正确的时间衡量正确的机会，产生了 13% 的投资回报率。

像专业人士一样投资。

鉴于巨额支出，人们不可避免地倾向于谈论 - 如此巨额投资的回报是什么。事实并非如此，普华永道表示，大多数公司甚至根本无法获得任何回报。

人工智能投资很快成为大多数高管关注的焦点。他们需要进行谨慎的人工智能投资，以获得高投资回报率，但他们如何才能实现领导者所能产生的回报呢？请注意，未来几年预期回报率的北极星高达30%。

• 第一步是将人工智能视为一项战略计划。它必须来自特定组织的目标，而不是竞争对手的目标。重要的是要记住，鉴于其利基、商业模式和技术能力，每个组织都有独特的定位。
• 它需要确定与业务战略一致的项目，即组织未来 3-5 年的目标和愿景。
• 即使前方有一条清晰的道路，实现人工智能的潜力也并非没有坎坷。它要求分析思维并在整个组织中灌输人工智能文化。

图片来源：作者

• 人工智能思维有助于企业识别要启动哪些人工智能项目，同时对不值得人工智能的项目保持节俭。为了正确看待文化方面，建议快速建立一个机会主义和创新项目池，并能够在旅途中找出无数变量。
• 接下来是数据——它是整个人工智能转型的关键，因此，大部分注意力和精力必须投入到构建数据治理流程上。SAP 将数据治理定义为“为确保组织的数据从一开始就准确而实施的策略和程序，然后在输入、存储、操作、访问和删除时正确处理。

价值创造

为了理解人工智能计划的投资回报率，“价值”变得比纯粹的利润更重要。

利润是指与传统计算回报相关的实际现金。然而，人工智能从业者优先考虑“价值生成”，以表示人工智能实施在整个组织范围内的好处。

有了这个额外的背景，让我们将投资回报率分为两个组成部分。回报是涉及开发此类系统成本的投资所产生的价值。

收入和回报

有多种方法可以评估收入。除了人工智能驱动的产品的直接收入来源外，一些举措不是直接的收入来源，但可以巧妙地增强或补充现有流程。

此类举措可能不会立即产生结果，但随着时间的推移，可能会导致收入大幅增加。考虑电子商务平台上的人工智能驱动的推荐引擎，这些引擎根据用户的浏览历史推荐产品。这些建议温和地推动用户进行额外的购买，从而增加销售额。

图片来自 Canva

另一个例子是，平台通过快速提供他们感兴趣的选择、保持他们对平台的忠诚度并留住他们来增强搜索相关性并改善客户体验。

成本——众所周知

收入只是投资回报率计算的一部分;另一个涉及明智的成本管理。人工智能项目的巨大成本是基础设施、建立人工智能团队和数据管理解决方案。

招聘 AI 技能涉及入职、提升技能和薪酬成本。一些组织将整个项目或需要特定技能集的项目的一部分外包，从而节省前期成本。

然而，外部雇用也需要间接成本，因为内部人员没有充分的能力继续支持项目，从而在项目维护和额外费用方面依赖外部承包商。

人工智能可以部署在像自动执行一些重复任务这样简单的案例中，这些任务可以减少人为错误，从而节省运营开销。

故障成本

让我们谈谈不经常考虑的成本——与使错误决策永久化相关的成本。

1-10-100规则解释了“不注意一项成本如何增加美元损失。预防成本可能应该放在首位，因为预防缺陷比纠正缺陷的成本要低得多”。

图片来自全面质量管理

像这条规则一样，错误决策选择的代价是必不可少的。它需要从一开始就建立一个设计思维视角，包括项目范围界定和识别正确的人工智能机会和相关风险。

因此，建立组织范围的风险评估框架对于解决偏见、缺乏监督、透明度和问责制、数据隐私等问题至关重要。

PoC 期间的投资回报率估算

在构思阶段进行初始投资回报率估算有助于确定项目的优先级。

在对业务问题有了更深入的了解之后，是时候讨论技术了。建议开始构建PoC，而不是等待一个理想的环境 - 所有输入组件，如数据，算法，基础设施等，都被整理出来。

一旦您开始开发 PoC，扩展项目是否可行的现实就开始深入人心。

PoC 可帮助您在有限的预算和更短的时间内验证想法。

测试场或沙盒可确保在大规模投资构建系统之前实现价值主张。但是，规模方面必须在PoC阶段本身进行深思熟虑，无论是在以下方面：

• 构建数据管道以支持大规模数据，
• 需要昂贵计算资源的算法或
• 应用程序将服务的用户数。

对这些维度的估计显示了AI解决方案将如何集成到组织的技术堆栈中。

如果PoC证明投资是合理的，项目将进入开发阶段。

值得注意的是，评估收入和成本因素特定于商业模式;因此，这篇文章旨在帮助建立一个镜头来衡量不同的因素及其对投资回报率的影响。


Vidhi Chugh 是一位人工智能战略家和数字化转型领导者，致力于产品、科学和工程的交叉领域，以构建可扩展的机器学习系统。她是一位屡获殊荣的创新领导者、作家和国际演说家。她的使命是使机器学习民主化，并打破行话，让每个人都成为这一转型的一部分。

原文标题：Investing In AI? Here Is What To Consider

原文链接：https://www.kdnuggets.com/investing-in-ai-here-is-what-to-consider

作者：Vidhi Chugh

编译：LCR