微软 (Microsoft) 一份名为“最大化人工智能机会” (Maximising the AI opportunity) 的新报告显示，近三分之二的商界领袖不明白利用“人工智能”的潜在回报。

报告称：“默认情形下，人工智能每每与高昂或不合理的支出联系在一起。
”该报告对英国 1000 名企业领袖和 4000 名员工进行了调查。
这种疑惑得到了一些行业不雅观察人士的支持，他们强调了从谈天机器人到自动驾驶汽车等人工智能干系技能的前景与现实之间的差距。

只管存在这些疑问，但该报告表示，其调查创造，“已经踏上人工智能之旅的企业，在生产率、古迹和业务成果等方面比没有踏上这条道路的企业提高了 5%。
”

微软英国首席技能官迈克尔•维格纳尔 (Michael Wignall) 表示：“我们调查的那些企业已经做了一些事情，纵然是本钱不高的小事情，它们也从中看到了实实在在的好处。
”

据 Wignall 称，公司正在履行的与人工智能干系的技能包括从网站谈天机器人到基于制造数据进行预测的自定义机器学习模型的统统。

下面是报告中指出的在企业中推广人工智能 (AI) 的五个步骤。

1. 确定须要办理的业务问题

首先确定须要办理的业务问题，然后评估每一个问题，看看它们是否适用现有的人工智能干系技能，例如用于处理大略客户查询的谈天机器人，或用于某些后台办公室角色的机器人流程自动化(Robotic Process Automation, RPA)(关于 RPA 的基于规则的方法是否该当被归为 AI 的一种形式存在争议，但本报告提到 RPA 是一种与 AI 干系的技能)。

微软英国首席实行官辛迪·罗斯在报告中写道:“与许多其他业务问题一样，战胜这种惰性首先要找到须要办理的业务问题。
”

例如，是否须要提高人为和***等管理任务的效率？如果是这样，那么机器人过程自动化 (RPA) 办理方案可能是精确答案。
是通过谈天机器人或自动电话系统改进客户体验吗？是否有必要利用机器学习来处理事情中更平凡或更直接的部分，从而解放员工的韶光，让他们从事创造性的事情？以上都是须要办理的业务问题吗？

在报告中，英国能源公司 Centrica 表示，开始试图办理的目标客户快速查询的业务问题，并为此建立了一个自然措辞机器人帮助呼叫中央职员以向他们供应最好的支持客户的信息并更新到我们的后端系统。

2. 确定您的企业是否准备好构建、管理和支持与人工智能干系的系统

一旦创造了得当的业务问题，公司须要检讨他们是否准备好构建和管理他们选择的系统。

有来自主要的云做事供应商的各种各样的机器学习做事，例如按需的图像和语音识别做事、构建自定义模型和工具,以及利用 GPU 和机器学习框架的系统。

报告说，机器学习的一个关键问题是是否捕捉到精确的数据，是否对数据进行了适当的处理，以便演习模型做出有用的预测。

微软的 Wignall 说：“我们所说的好数据是指它既有质量又有数量。
”

“你须要大量数据来更好地演习人工智能模型，你能得到的数据越多越好，无论是客户互动、物联网还是传感器数据。
”

“但实际上，这也是质量的问题，要确保数据符合你想要的用场。
”

“在实现任何一项技能之前，你都须要先思考一下，你为什么要网络这些数据，以及你用这些数据做什么。
”不加差异地捕捉每一条数据不再适用与 AI。
报告创造，许多公司已经开始网络和清理数据，超过三分之一的公司表示，他们的企业已经在利用预测数据剖析和数据集成等工具。

3. 在你的企业中标记出核心技能和那些缺失落的技能

一旦确定了业务问题的范围，并确定了所需的潜在技能和数据，下一步便是确定您拥有哪些内部技能来实现该项目。

该报告建议，在找到建立任何缺失落的技能(包括利用内部技能项目、招聘和与互助伙伴互助)的方法之前，先绘制出可用技能和中长期所需技能的路线图。

这些不仅是实现该项目所须要的技能，也是那些由于在企业中利用谈天机器人等人工智能干系技能而导致事情岗位发生变革的员工所须要的技能。

微软创造，约三分之一的商界领袖承认，他们不愿定如何为员工供应必要的技能，以应对人工智能重塑角色所带来的混乱。

只管近一半的员工以为自己能够节制对事情很主要的新技能，但只有 15% 的员工表示，他们的公司正在帮助节制新技能。
此外，只有 18% 的人表示他们正在积极学习新技能，以帮助自己跟上人工智能给事情带来的未来变革。

这一缺少准备的创造与英国人力资源协会 (CIPD) 的一份报告不谋而合。
该报告去年创造，英国 2005 年的培训支出一贯不才降，而且近年来，与事情干系的成人学习的参与度大幅低落。

4. 培养一种员工可以试验和评估人工智能的文化

微软创造，员工和企业领导人乐意考试测验与人工智能干系的技能，以帮助他们完成事情。
67% 的领导者和 59% 的员工表示，他们对这个想法持开放态度。

然而，在利用这些新技能之前，员工可能须要一些鼓励。
纽卡斯尔市议会 (Newcastle City Council) 一贯在试验利用各种机器人处理与"大众年夜众的大略互动，它推举了一些大略的步骤。

数字转型项目经理珍妮•纳尔逊 (Jenny Nelson) 在报告中写道：“部分缘故原由在于选择得当的项目进行试验。
”

“从小事做起，不断扩大规模，有助于团队建立信赖、得到反馈、吸取教训，并树立信心。
”

微软的 Wignall 说：“我们调查的员工对人工智能的利用越来越开放，从员工的角度来看，并没有根深蒂固的抵触感情。
但他们未必具备利用这种变革的技能，而且，如果他们现有的技能不是未来所须要的精确技能，他们还可能担心自己的事情将会发生什么。

他建议，“自下而上培养一个学习和发展的环境，让人们思考在人工智能的支持下他们的事情可能如何变革”，“投资于技能”，并鼓励“持续学习和发展”。

5. 不要忘却偏见和道德

如上所述，机器学习系统的好坏取决于它们所演习的数据。

报告指出：“如果这些数据不具有代表性、有偏见或完备缺点，那么机器学习利用这些数据的办法将从根本上存在毛病。
”

“只有帮助工程师肃清环绕性别、种族、民族和社会经济背景等成分的数据盲点，我们才能确保人工智能技能带来我们想要的公道、负任务的社会结果。
”

报告建议制订一份人工智能宣言，为以道德的办法利用该技能设定框架，并保护数据隐私，防止人工智能被恶意滥用，环绕固有偏见、自动化以及出错时任务在哪里等问题制订明确的辅导方针。