如今，人工智能(AI)已经成为领先企业的重中之重——今年早些时候，96.4%的高管报告称，AI是他们投资的最大颠覆性技术，而两年前这一比例为68.9%。此外，这些高管中有80%认为AI是最具影响力的颠覆性技术，高于两年前的46.6%。

然而，对于许多组织来说，人工智能仍然是一个谜。对于专家来说，人工智能在机器显示的智能中有着非常特殊的意义，AI更常见的用法涵盖了各种机器辅助学习，其中最重要的是机器学习、深度学习和自然语言。为了便于讨论，我们将假设AI的定义是最广泛的。随着该公司努力了解人工智能可以给组织带来的应用和好处，该公司建立了人工智能卓越中心、人工智能实验室和其他沙盒，以实验与业务用例相关的人工智能功能。

那么，我们如何揭开AI的神秘面纱，以提供可衡量的商业价值？IBM的高级主管罗布托马斯是IBM数据和人工智能的总经理，包括沃森。他提出了一些想法。他在O'Reilly Media的最新报告《AI Ladder》中概述了采用AI的框架。在报告的前言中，奥莱利传媒(O'Reilly Media)创始人兼首席执行官蒂姆奥莱利(Tim O'Reilly)指出：“如今，每个人都在谈论‘AI’，但大多数公司都不知道如何将它用于自己的业务。”奥莱利强调了采用任何新的技术方法都会带来的文化观念的改变，并指出“每一次新的技术革命都会孕育出新的商业领袖”，他们放弃了关于他们工作方式的旧假设。O'Reilly指出：“直到后来，公司才意识到他们可能需要改变多少商业模式，才能真正利用这些新功能”。IBM的托马斯指出：“人工智能不是执行单一的商业项目，而是改变整个商业文化。它是关于创造一种迭代的、实验性的文化”。

报告用“AI阶梯”的比喻来描述一个公司为了支持AI，实现可衡量的商业价值，必须经历的一系列阶段。人工智能阶梯的概念基于以下概念：组织需要一种规定性的方式来了解自己在人工智能成熟度中的位置。通过诊断和了解每个组织的成熟阶段，公司可以采用AI ladder作为框架来概述步骤和功能，这将指导组织实现机器和人员扩张带来的好处。人工智能阶梯的基本原理可以概括如下：

从你想解决的业务问题开始。

了解你的数据需求——这些是人工智能成功的基础

开发正确的技能来利用人工智能的功能

注重算法信任和数据完整性，确保可信度。

认识到文化和商业模式变革的必要性。

AI天梯的中心信息是：AI成功依赖于数据，有效的数据管理为AI支撑提供了基础基础。只有近几年大数据的出现，才能让汹涌而来的数据源和数据量与海量的计算能力相结合。作为数据收集、组织和分析的基础，这为AI从几十年的新实验中脱颖而出提供了基础，也为AI功能和算法的部署奠定了基础。AI的梯形图描述了公司在组织数据使AI面临数据不足、数据过多、质量数据不足等问题时所面临的挑战。长期以来，人们都知道组织通常会投入80%的精力来准备他们的数据，以便他们能够有效地使用它们。托马斯回应了成功的数据管理和有效的AI支持之间的关键环节，并指出“绝大多数的AI失败是由于数据准备和组织失败”。