可以将常识商业意识编程到 AI 中吗？ 许多人当然正在努力做到这一点。 但有些决策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。 此外，虽然人工智能和机器学习是当下的热门话题，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切实可行的解决方案。
这些观点在最近的 AI 峰会的一个小组会议上提出，与会者一致认为，不应将 AI 视为针对出现的每种业务情况的默认解决方案。 （我共同主持了会议并主持了小组讨论。）对于初学者来说，AI 仍然是一项相对不成熟的技术，会议小组成员兼 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方面发挥不可或缺的作用以获得预期的结果。”
人工智能正被用于所有行业的多种用途，但风险在于帮助建立和维持公司的人际交往质量去人性化。 “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，如果没有人为干预，就无法理解一个人的意义不仅仅是信用评分，一个人的意义也不仅仅是获得抵押贷款的批准或拒绝。”
Scarano 驳斥了人工智能系统包含任何接近“数字劳动力”的概念，并指出“这只是一种销售更多东西的方式。我可以销售 50 个数字工人而不是一个系统。但数字劳动力只是一堆 执行特定任务的代码，该任务可以重复或定制。” 另一位小组成员、Aible 的首席技术官罗德·巴特斯 (Rod Butters) 对此表示同意，并指出“归根结底，它是一台机器。最后，它全是 1 和 0。” 使 AI 与业务更协调的方法“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，其次是在某种程度上可以理解的，最终是取得成果的东西 这是面向商业或面向社区的。”
人工智能或许能够根据超出人脑能力的逻辑提供细粒度的结果，但这实际上可能“与企业战略上需要做的事情背道而驰，”巴特斯说。 “因为你无法获得可见性，你会得到意想不到的后果，这可能导致在将流程应用于客户群时出现完全的差异和公平。” 重要的是，解决方案架构师小组成员 Robert Magno 表示，“需要有一个反馈循环，以确保您正在实施的解决方案与您的客户产生共鸣，并且他们正在享受这种体验，就像您享受创造这种体验一样” 与运行：AI。
业内其他专家也表达了对 AI 在可能不需要的方面被过度推动的担忧。 Sinch 机器学习和 AI 工程总监 Pieter Buteneers 说：“AI 并不是解决所有业务问题的方法。 “这听起来很吸引人，但有时最好是专注于如何最好地满足客户需求，而不是盲目投资新技术。”
虽然 AI 有可能使业务流程更加高效和经济实惠，但“归根结底，它仍然是一台机器，”Buteneers 说。 “人工智能缺乏人类的情感和常识，因此它会犯一些人类本能不会犯的错误。人工智能很容易以某些方式被愚弄，人类在一英里外就能发现。对于那些担心人工智能会取代人类工作的人 ，我们总是需要人们与 AI 机器人一起工作，以控制它们并在业务中保持人性化。”
人工智能计划“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。 “通过用户反馈确定现实世界中的问题是必不可少的。一旦产品推出，就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，有些领域值得用 AI 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越人类的表现，”Buteneers 说。 “利用自然语言处理的力量使人工智能系统能够像人类一样理解、书写和说出语言。这为企业带来了巨大的好处——部署配备 NLP 的聊天机器人或语音机器人来补充现场服务代理的工作，例如， 解放了那些现场代理，以响应需要更人性化方法的复杂查询。”
Buteneers 指出，“NLP 的突破正在使人工智能理解人类输入的方式发生巨大变化。我帮助设计了现在可以同时理解 100 多种语言的聊天机器人，人工智能助手可以在任何给定的文本中搜索答案 . AI 甚至可以通过在对话过程中一起阅读并根据以前的对话、客户上下文或更大的知识库向他们提供建议的响应来提高实时客户服务代理的效率。NLP 领域中的不同算法可以识别和分析可能的消息 欺诈，这可以让组织在发送给消费者之前清除任何垃圾邮件。NLP 的应用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，人为监督对于确保这些解决方案为客户服务至关重要。 “审查人工智能结果应该是算法的标准设计过程——认为一旦你建立了你的模型，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“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。” 他补充说，这种伙伴关系“产生了基于商业现实的定义明确且可行的人工智能项目”。 “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来自云提供商的开源技术和专有产品来实施这些项目。”
