Företags AI-behov kräver mätetal för resultat
Företag går från enkla automatiseringar av AI till mer strategiska tillämpningar, men den centrala frågan är hur AI:ns framgång mäts i affärssammanhang.
Många företag söker nu sätt att strategiskt utnyttja AI, och går från rena automatiseringsuppgifter som att skapa dokument eller hantera e-post, mot mer komplexa applikationer. Den traditionella oron för AI:ns intelligens minskar, och ersätts av frågan om hur man kan säkerställa att AI:ns åtgärder leder till verkliga affärsförbättringar.
Vid utvärdering av AI:s prestanda är det avgörande att skilja mellan produktioner och resultat. Även om AI kan utföra tilldelade uppgifter tekniskt perfekt, leder dess åtgärder inte nödvändigtvis till önskade affärsmål, som minskad kundomsättning eller ökad intäkt. Företag behöver tydliga mått som återspeglar affärers verkliga mätvärden, inte bara uppgiftsprestation.
Branschen börjar inse att AI-utvärdering måste vara en kontinuerlig process. Enbart tester före driftsättning räcker inte, eftersom den verkliga världen och dess föränderliga förhållanden kan avslöja oväntade beteenden eller konsekvenser. Det är viktigt att gå från frågan 'lyckades agenten med sin uppgift?' till frågan 'förbättrades företagets affärer?'. Krav från styrelser och ekonomichefer på tydligt ekonomiskt värde ökar.
En modell för detta kan finnas i till exempel DeepMinds AlphaZero-algoritm, som lärde sig schack genom upprepade försök och misstag, alltid med målet att vinna. Företagens mål är mer komplexa, men principen gäller: inlärning kräver feedback kopplad till ett tydligt mål. Företagsledare måste definiera vad AI ska optimera, hur dess framgång mäts och hur de erhållna resultaten påverkar dess framtida verksamhet.