近年来，一些全球增长最快的公司一直在采用人工智能（AI）来解决特定的业务问题。 微软进行了一项研究，旨在了解人工智能将如何影响企业领导力，发现高增长公司积极采用人工智能的可能性是增长缓慢公司的两倍以上。
此外，快速增长的公司已经更加积极地使用人工智能，其中约一半计划在未来一年扩大人工智能的使用，以改善决策流程。 在增长缓慢的公司中，只有三分之一有这样的计划。 但如何 即使在快速增长的公司中，也只有五分之一将人工智能集成到其运营中。
详情下切！
这篇文章发表于
微软人工智能营销公司副总裁 Mitra Azizirad 表示：“人们的意图与组织的实际状态、组织的准备情况之间存在差距。”
“制定人工智能战略超越了业务问题，”米特拉解释道。 “让组织为人工智能做好准备需要组织技能、能力和资源。”
在制定此类战略的过程中，高层管理人员和其他企业领导者经常会遇到以下问题：如何以及在哪里开始在公司中实施人工智能，为此需要对公司文化进行哪些改变，如何负责任、安全地创建和使用人工智能，保护隐私、尊重法律法规？
今天，Azizirade 和她的团队正在推出 Microsoft AI 商学院，以帮助企业领导者解决这些问题。 免费在线课程是一系列大师班，旨在让管理者有信心驾驭人工智能时代。
关注战略、文化和责任
商学院课程材料包括快速指南和案例研究，以及讲座和对话视频，忙碌的高管可以随时参考。 一系列简短的介绍性视频概述了推动所有行业变革的人工智能技术，但大部分内容侧重于管理人工智能对公司战略、文化和问责制的影响。
“这所学校将让你深入了解如何制定战略并识别障碍，以免阻碍你在组织中实施人工智能，”Azizirad 说。
新的商学院补充了微软的其他人工智能教育计划，其中包括针对开发人员的一项计划 人工智能学校和 （微软人工智能专业计划），为工程师以及任何想要提高人工智能和数据处理领域技能的人提供必要的现实经验、知识和技能。
阿齐兹拉德表示，与其他举措不同，新商学院并不专注于技术专家，而是培养高管人员领导组织向人工智能转型。
分析师 Nick McQuire 撰写智能技术评论 ” 表示，在其公司调查的公司中，超过 50% 已经在研究、测试或实施基于人工智能和机器学习的专门项目，但很少有人在整个组织中使用人工智能，并寻找与人工智能相关的商机和挑战。
“这是因为商业界并不完全了解人工智能是什么、它的功能是什么以及最终如何应用它，”麦克奎尔说。 “微软正在努力填补这一空白。”
米特拉·阿齐兹拉德，副总统。 照片：微软。
通过实例学习
是一所在欧洲、亚洲和中东设有校区的 MBA 商学院，它与 Microsoft 合作开发了商学院的人工智能战略模块，以探索各行业的公司如何利用人工智能成功实现业务转型。
例如，捷普的经验表明，世界上最大的制造解决方案提供商之一如何通过使用人工智能在制造电子零件时检查电子零件来减少管理费用并提高其生产线的质量，从而使工人能够专注于机器可以完成的其他活动不做。
捷普高级副总裁兼首席信息官加里·坎特雷尔 (Gary Cantrell) 表示：“仍有很多工作需要人力资本，特别是在无法标准化的流程中。”
坎特雷尔补充说，采用人工智能的关键是管理层承诺向员工传达公司的人工智能战略：消除常规、重复性活动，以便人们可以专注于无法自动化的事情。
“如果员工自己猜测和做出假设，那么在某些时候就会开始干扰工作，”他说。 “你向团队解释得越清楚你想要实现的目标，实施就会越有效、越快。”
培养向人工智能过渡的文化
微软人工智能商学院的文化和责任模块侧重于数据。 阿齐兹拉德解释说，要成功实施人工智能，企业需要跨部门和业务职能的开放数据共享，所有员工都需要有机会参与数据驱动的人工智能应用程序的开发和实施。
“您需要从一种开放的方法开始，了解组织如何使用其数据。 这是采用人工智能来提供您想要的结果的基础。”她补充说，成功的领导者对人工智能采取包容性的方法，将不同的角色结合在一起并打破数据孤岛。
在微软人工智能商学院，微软营销部门的例子说明了这一点，该部门决定使用人工智能来更好地评估销售团队应该追求的潜在机会。 为了做出这一决定，营销人员与数据科学家合作创建了机器学习模型，可以分析数千个变量来获得潜在客户。 成功的关键是将营销人员的潜在客户质量知识与机器学习专家的知识结合起来。
“要改变文化并实施人工智能，你需要让最接近你要解决的业务问题的人参与进来，”Azizirad 说，并补充说，销售人员使用潜在客户评分模型是因为他们相信它可以带来很高的结果。
人工智能与责任
建立信任还涉及人工智能系统的负责任的开发和部署。 微软市场研究表明，这引起了企业领导者的共鸣。 高增长公司的领导者对人工智能的了解越多，他们就越意识到自己需要确保负责任地部署人工智能。
微软人工智能商学院关于负责任人工智能影响的模块展示了微软自己在这一领域的工作。 课程材料包括现实生活中的示例，微软领导者在这些示例中吸取了教训，例如需要保护智能系统免受攻击并识别用于训练模型的数据集中的偏差。
CCS Insight 分析师 McQuire 表示：“随着时间的推移，随着公司基于他们创建的算法和机器学习模型进行运营，人们将更加关注治理。”
来源： habr.com