确定和实施人工智能（AI）的应用–数据驱动的业务架构。

如果你已经读过《人工智能执行指南》系列的第一部分，你就会知道为什么人工智能对有效的数据处理至关重要，以及 “认知型企业”，即人工智能融入的公司由哪七个部分组成。

人工智能对企业有很多实际应用，如今正被用于提升、改进和改变流程或产品。

一个成功的人工智能系统不是偶然的

如果不了解某件事情，就不可能从它身上获得价值，除非是一个幸福的意外。在计算的世界里，因而也是人工智能的世界里，没有快乐的意外，一个人工智能解决方案的定义是细致精确的，要考虑到具体的目标、可用的数据和使用的算法。

AI基本上有两个核心竞争力。一是语音和图像识别、搜索和聚类等信息采集。这使得机器可以将信息从非结构化数据转换为结构化数据。其次，可以利用人工智能将信息互为背景，”知其然不知其所以然”。这包括自然语言理解（NLU）、优化、预测和（上下文）理解等能力。

这些不同的能力依次工作，通常也会与其他技术（如机器人过程自动化、云计算、物联网等）合并，形成一个实体。只有融合不同的方法和技术，才能充分挖掘数据的潜力。

数据驱动的用例是基本前提。

为了引入人工智能应用案例，企业应该从战略目标出发，确定亟待解决的挑战或流程/产品/服务愿景。有各种技术，如设计思维研讨会或用户故事图，可以支持这个过程。

下一步是分析所确定的领域的经济可行性和技术可行性。只有在数据充足的情况下，将不同系统的必要数据进行组合，才有可能形成基于人工智能的解决方案。如果不是这样，就必须事先调整数据管理，以适应未来的需求。

为了更好地了解情况，我建议将分析结果输入AI热图或以其他方式记录信息。有了这个概述，就可以对各种方案进行评估。如果公司决定推行人工智能项目，可以为每个项目制定一个商业案例。

AI的实施

AI解决方案的第一步可能很复杂，因为必须创建基础设施，并相应地准备、策划和合并数据。将大型用例（如核心流程的端到端自动化）划分为较小的用例和里程碑是有帮助的。

从最小可行产品(MVP)开始，然后再扩大规模，这可能会有所帮助。创建第一个人工智能组件，无论多小，对任何企业来说都是一个重要的里程碑。

建议从一开始就关注灵活、可扩展的基础设施和架构。正如前面已经解读过的，人工智能解决方案是由一系列人工智能功能以及其他技术组成的，这些技术在不断发展。为了让企业在未来继续扩大人工智能解决方案的规模，并将其扩展到 “认知企业 “的其他业务领域，应从一开始就考虑实施的灵活性。

理想情况下，在一个由多个组件组成的人工智能系统中，应该允许每个组件被替换，以提高整个系统的功能。

为了获得长期的成功，企业将开发一个 “生态系统 “来支持其人工智能和自动化项目。这应该反映出架构团队，通过开发和实施，到运营和进一步扩展，指导人工智能相关的选择。

诸如 “首席数据官 “等其他数据管理角色也可能是有用的。AI系统是建立在数据基础上的，因此倾斜或不恰当的数据会影响结果，甚至导致误解。

AI的热情得到了回报

对人工智能的普遍热情对任何公司都是有价值的。然而，这需要对创新技术和敏捷项目方法的开放性。

人工智能是一场马拉松，而不是短距离的短跑。迄今为止，当企业将人工智能逐一建立在其愿景和核心流程中时，我看到了智能计算领域最大的成功和附加值。当利用数据和架构专家的专业知识，并行建立自己的生态系统。

Britta Daffner

Als Bereichsleiterin für „Data & Technology Transformation“ und Account Partnerin treibt Britta tagtäglich Unternehmenstransformationen und unterstützt mit ihrer gegründeten Plattform "dy.no" Macher*innen, die in der Konzern- und Wirtschaftswelt etwas verändern wollen. 2021 erschien zudem ihr Buch „Die Disruptions-DNA“, das dazu inspiriert, die Digitale Transformation aktiv mitzugestalten.