人工智能(AI)方法、技术和解决方案的应用代表着人们与信息交互方式的根本改变，也是政府机构改善其结果的巨大机遇。然而，一个常见的误解是，AI是“即插即用”的。根据麦肯锡的研究，也许正因为如此，只有8%的公司使用能够有效采用AI的实践。

所以，这里有一个AI准备度的测试，我们称之为“AI六大支柱”。这些支柱确保最终的人工智能产品能够提供：适合其用户的解决方案，以及对整个组织的持久价值。

当组织将所有职能集中在使用人工智能上时，人工智能是最有效的。基于项目的AI有它的位置，但组织越是从把AI当作一种工具转变为一种宽泛的方法论，就越能实现AI的希望。

因此，在每一个AI项目中，我们建议使用这六个AI支柱来确保所开发的解决方案和转型能够实现广泛的组织目标，并为组织带来持久的价值。成功采用人工智能和项目的六大支柱

1.人工智能只有改进了才有价值。

考虑到所需的结果和投入，人工智能是解决问题的最佳方式吗？

目前，人工智能是政府IT领域的热门话题。它令人兴奋，被认为是前瞻性的，通常看起来明亮而有光泽。这导致组织陷入困境，因为没有深入分析AI如何带来广泛而持久的价值。

组织应该问的第一个问题是：

你想完成什么？你如何想象AI可以帮助你实现这个目标？

组织应该问的第二个问题是：

基于这个目标，实施AI的成本是否可以接受？业务影响值得业务成本吗？

人工智能的成本远远超过了它的价格。为了实现AI的潜力并采用AI，我们必须改变组织的文化、愿景和战略。这种粗放式的转型既不容易，也不便宜，因此在制定AI战略或规划AI收购时，需要考虑到这一点。

2.人工智能只有在增强人类功能的时候才有价值

使用AI的过程是否比旧的做事方式更容易？

虽然人工智能应该变得更容易和更有效，但组织应该仔细评估提议的解决方案将如何实现这一目标。有价值的人工智能解决方案应该减少对人员的依赖。

换句话说，如果你的员工花更长的时间使用AI解决方案，而不是“手动”执行流程，那么AI实际上并没有减少对人类的依赖，所以它没有做它应该做的事情。

如果您的人工智能解决方案在这里失败了，那么在确定人工智能解决方案本身是一个问题之前，您的组织应该评估该解决方案，包括询问以下问题：

我们的数据有多准确？

我们的数据基础设施效率如何？

我们使用了正确的人工智能模型吗？

我们的团队是否按照预期采用并实施了解决方案？

如果只有更好的数据，有效的基础设施或者团队如预期的那样采用这个解决方案，这个评估可能会发现你的解决方案有价值，减少对人的依赖。

3.AI是人类的倍增器，而不是替代品。

人工智能解决方案是否消除了重复的工作子集，从而使您的员工更高效、更具生产力，并能够专注于更高价值的任务？

尽管理论上有可能拥有独立于人类输入而运行的智能，但今天能够有效使用AI的绝大多数公司仍将依赖于人来指导他们的使用和决策。

不要认为AI解决方案可以取代你组织中的一个人或者一个团队。相反，有效的解决方案应该让你的员工成为“超级员工”，例如，让他们能够处理比以前多一倍的输入。

4.数据是所有AI操作的基础

你的领导层是否制定了一个基础设施战略来使人工智能取得成功？

不用说，要学习一台机器，它必须有数据可以从中学习——越多越好。一个组织的AI解决方案只取决于建立的数据的数量和质量。

为了存储必要的数据，这样的组织必须具有强大的计算能力，能够访问数据科学专业知识和用于训练模型的数据集。

5.数据策略对于人工智能的好处至关重要

你的数据质量如何？

光靠数据基础设施不足以让AI有效，更不用说给组织带来预期的收益。

一般来说，数据策略包括创建一个收集记录(尤其是结果和结果)以生成数据的过程。是数据机器学习所需的输入，AI的预期结果(预测/解释模型)取决于有效的ML。

收集数据后，数据策略必须概述如何验证、清理和组织数据，以确保其准确性和可用性。

“垃圾输入，垃圾输出”的原则简明地描述了正确格式化的数据策略的重要性及其作为人工智能支柱之一的地位。

6.人工智能必须产生可用的输出

AI模型产生可用的输出吗，如果是，输出对组织有价值吗？

最后提出(或者发展！)的AI解决方案必须带来一个带来价值的结果——为其实施的具体项目带来价值，甚至为整个组织带来价值。

如果从一开始，所提出的人工智能解决方案的有效性和范围就会受到组织的结构或文化的影响或限制，那么该解决方案的价值就会受到质疑。这并不意味着周转快、成果有限的小项目没有价值。只是成功的AI输出，甚至模型，和支持业务流程的AI是不一样的。