为您的企业增值，不要将数据和人工智能视为孤岛

到目前为止，企业领导者应该知道数据对他们来说是最有价值的资产，并且他们应该了解使用人工智能（AI）技术来改变企业开展业务的方式的重要性。

人工智能有许多不同的名称，例如预测分析，机器学习（ML），智能虚拟代理，数据挖掘，深度学习和神经网络。但是，人们往往会忘记，人工智能与其他软件的区别在于其从数据和经验中学习的能力，而不是被明确编程的能力。因此，人工智能是机器感知，理解和推理以扩展人员和组织能力的能力。它也是为人们增强我们的能力而设计的一套工具和方法。人工智能是一项出色的技术，可以帮助我们进行预测，优化结果或适应外部变化。

从我的角度来看，人工智能增强了我们做出判断和提高效率的能力，使我们能够专注于只有人类才能做的活动。

下岛

鉴于技术发展的速度，企业通常需要指导和协助，以能够解决，转变和破坏其特定行业挑战或在生态系统中获得市场份额的方式不断发展其产品和服务。

不幸的是，我的团队经常报告说，企业通常不知道数据在哪里，也无法处理跨大数据湖，数据管道和数据仓库分布的数据。同样，同一企业中的业务部门和团队也各自为政。他们在发现数据方面遇到困难，并且在将数据与现有IT体系结构和系统进行集成方面面临诸多挑战。换句话说，他们生活在一个岛上，他们无法将数据的优势完全转化为可行的分析。

根据我的经验，只有在业务拥有云平台支持的端到端分析策略的情况下，AI才能为他们增加价值。该平台还应该准备好帮助他们按需大规模运行。在我作为Microsoft首席技术官的过程中，我们与我的团队一起投入时间，协助企业将这些世界融合在一起。最终，这将导致增强的竞争优势并推动转型。

在基于AI的系统中建立信任的六种最佳实践

就像我以前对客户说的那样，没有文化变革就没有数字创新。企业还需要促进数据驱动的文化，以在组织内的各个级别上做出决策，而信任是至关重要的因素。为了确保人们可以信任基于AI的系统，作为技术主管，我一直在推动对以下六个最佳实践进行投资的需求：

1.关注数据的质量，而不只是捕获数据，以确保我们可以信任它，并避免结束创建损坏的数据产品和体验。在AI中，数据质量至关重要，因为如果我们使用不足或不正确的数据来训练ML模型，我们最终将面临难以学习的有缺陷的AI模型。

2.提供清晰的准则来注释和标记数据。当面对未标记的数据或不可靠的数据标签时，模型的性能可能会受到负面影响，并且准确性可能会受到影响。不幸的是，根据我的经验，我们知道企业标记的数据不足3％，因此还有很大的改进空间。

3.建立数据治理框架，以促进决策和数据相关事务的授权。通常，您应该从建立角色和职责开始，以增强业务与IT之间的协作。该框架还应包括反馈循环和用于控制数据的变更控制过程。

4.使用市场上最先进的安全性和隐私功能保护您的数据，以确保数据安全并在潜在的安全隐患发生时进行诊断。

5.创建一个端到端的AI相关解决方案，并以更高的准确性进行迭代，以使用户能够创造真正的业务影响。

6.实施强大的负责任的AI治理模型，在构建AI系统时将员工放在第一位。

其他要点

我想邀请企业通过搭建所需的桥梁和分销渠道来摆脱孤岛，以使最终用户及其公司生态系统合作伙伴获得AI的全部价值。

最好的策略是可以将企业数据和与AI相关的工作与我们关心的一切联系起来，并将数据转变为智能体验。