人工智能部署常见问题及解决方案
大多数人工智能（AI）产品的推出都会面临类似的问题。工具功能正常，试用效果不错，但六周后只有三人使用它。领导层将其解读为对变化的抵抗，但通常这不是抵抗，而是对不明确协议的合理反应。
当你向某人提供一个可以完成部分工作系统时，他们会自行填补沉默。他们会假设最坏的情况，等待，并继续用旧方法工作以防新方法导致他们表现不佳。这种行为对他们来说便宜，但对你来说昂贵。
在部署前解答所有问题
你的团队首先想知道这个系统是否会取代他们。如果你不说清楚，他们会在没有你的情况下做出结论。
因此明确地说出来，并以你可以负责的方式。"在未来一年内，没有人因为这个系统而失去工作"是一句经理可以承诺的句子。"AI增强而不是取代"这句话则不行——人们已经听过它，他们知道它毫无意义。
如果员工人数会发生变化，也说清楚，并说明受影响人员的去向。早点给出明确答案比模糊地拖延六个月要便宜。如果你无法做出承诺，那么你还不准备推出这个产品；你需要与董事会进行不同的对话。
从最令人反感的工作开始
直觉是选择最高价值的过程。相反，选择最令人烦恼的一个。
调和两个永远不匹配的电子表格、重新编写相同的提案模板、阅读四十个支持票证以找到三个重要的是什么？没有人捍卫这种工作，没有人的职业身份依赖于它，每个人都会注意到当它消失时。你可以免费获得第一批支持者。
在第四个月，高价值的过程仍然存在，到那时你已经有一个团队亲眼看到了这个东西的工作方式，并对下一步有自己的看法。
写下规则，在一页内
模糊性是人们谨慎的原因。大多数问题都会随着简短的文档得到澄清，该文档用普通语言回答以下问题：
- 可以输入系统和不能输入系统的内容——客户姓名、合同、薪资数据、源代码
- 哪些输出需要人类审查后才能让公司外部的人看到
- 在系统出错时应该告诉谁，接下来会发生什么
- 使用AI或不使用AI如何影响工作评价
最后一点最重要。如果人们怀疑AI的使用正在被追踪和评分，他们会防御性地、错误地使用它。明确说明AI在评价中的作用，即使答案是“没有”，也同样重要。
招募怀疑论者，而非热情支持者
你的热情支持者会接受任何东西并说服没有人。你需要在试用中招募一个经验丰富、受人尊敬的人，认为这个技术可能被夸大了。
他们会在一周内找到真正的故障模式，因为他们知道正确输出的样子。如果他们最终说“这节省了一个下午”，这种来自基层的评价才有分量。给他们一个真实的反馈渠道，然后快速解决问题，让反馈感觉值得。
让系统更容易承认错误
每个AI系统都会产生自信的错误。部署的成功与否取决于接下来发生的事情。
如果报告坏输出需要发邮件给IT部门，没有人会报告，错误会悄悄积累，信任也会逐渐流失。在工具中放置报告按钮。指定一个人阅读报告。发布你所做的更改。团队原谅系统偶尔出错，但他们不会原谅被忽视的错误。
评估部署效果，而非技术本身
在90天后，有用的问题是关于行为的。过去两周有多少人使用过它，而不是从推出开始。哪些团队放弃了它，他们为什么这样说？报告一个错误需要多长时间得到响应？有人悄悄回到旧流程了吗？他们是否正确？
这些数字告诉你变革是否落地。模型基准不会。
承担这一切重量——政策、试用设计和第一次艰难的对话——是大部分工作，也是经常被忽略的部分。这也是我们与客户讨论最多的部分。
处理得当，采用将被视为人们自己要求的工具，而不是强制性的命令。