如何做出正确的 AI 项目选择
大多数第一项 AI 项目会失败，原因相同：公司选择了最令人兴奋的应用场景，而不是最容易获胜的一个。六个月后，你可能有了一个演示和幻灯片，但业务却没有明显变化。问题往往不在技术上，而在于最初的选择。
以下是如何做出正确选择：
从特定任务开始，而非技术
“我们应该使用 AI” 不是一个目标，而是一种预算项目，可能被浪费。相反，从公司内部某位员工目前经常执行的特定工作开始：一个支持代理人回答同样的问题第 40 次，一个财务员将发票数据复制到系统中，一位销售人员撰写相同的后续邮件，但措辞略有不同。
理想的初始候选人具有三个共同点：任务频繁发生、遵循模式、几分钟内可以判断输出是否正确。频率带来回报，模式使模型可学习，快速判断让你能够迅速改进，而不是花数周时间争论质量问题。
诚实地评估候选人
列出五到六项真实任务，并为每个任务评分。你正在寻找一个既有价值又可实现的项目，而不仅仅是其中之一。
- 价值：该任务每周消耗多少小时，或者错误会造成多大成本？给一个粗略的数字。
- 数据：你是否已经拥有系统所需的例子、文档或记录？如果需要先建立数据管道，那是一个单独项目。
- 容错度：当系统出错时，会发生什么？错误的草稿邮件可以接受，但错误的药物剂量则不行。偏好人类在输出前进行审查的任务。
- 成功清晰度：你能用一个句子概括非技术高管能接受的胜利吗？
最佳第一项目在所有四个方面得分较高。如果一项应用场景极具价值，但数据不存在且错误危险，那么它是一个很棒的第二年项目，但作为第一项项目则风险太大。
优先考虑“辅助”而非“自动化”
完全自动化是人们最担心的领域，也是时间最长的地方。一个辅助版本可以尽快交付，风险也更小。例如，不要构建一个直接回答客户问题的系统，而是构建一个为代理人起草答案并供其审核的系统。不要构建一个自动填写发票系统的系统，而是构建一个预填充字段并标记它不确定哪些的系统。
你让人类参与进来，这样错误就能被捕捉到。你收集真实的使用数据，这样基于证据而不是希望支持更深入的自动化。而且，因为你不是从第一天就试图将人排除在流程之外，所以可以在几周内交付产品。
设置一个可衡量的目标
在任何人开始编码之前，就成功看起来如何以及你将如何衡量它达成一致。例如，“将此票证类型的平均处理时间从 9 分钟缩短到 5 分钟”。“将发票处理错误减少一半”。一个你可以在一个月内检查的数字能让项目保持正轨，并给你一个明确的时刻来决定是否扩展、调整或停止。
模糊的目标如“改善客户体验”无法赢得或失去，这意味着项目永远不会结束，也无法证明任何事情。
设定一个迫使范围的截止日期
将第一个可工作版本的截止日期定为六周，而不是六个月。短期截止日期是一种设计工具：它迫使你简化用例，抵抗将一个干净的试点演变成一个庞大的平台的功能。如果它在六周内无法展示价值，那么范围就不正确，现在停止会更便宜。
什么是好的样子
一项成功的 AI 项目应该是狭窄的、经常使用的、由人审查的、并根据一个简单数字进行测量。它悄无声息地赢得信任，而这种信任是使后续更困难、更雄心勃勃的工作变得容易的关键。
选择得当是整个游戏的一部分，而大多数公司却急于做这部分工作。如果你不想用昂贵的方式学习这个第一六个月，那么在 Hercules A 就是我们所做的——承担那第一次决定的重量，这样其余的部分就会更轻松。
选择可获胜的任务。交付辅助版本。测量那个无聊的数字。然后再继续。