互联网是世界上把你的怀疑变成噩梦的最好地方:怀疑你的伴侣对你不忠？每一个脸书喜欢将证实这一点；感觉有点头晕？谷歌医生会立即诊断出你还能活多少天；想知道地球是否真的是平的？嗯，你明白了…转移到你的工作场所:
如果你认为你的公司应该采用人工智能，如果你不立即行动，网络将为你提供关于你即将破产的关键“洞察力”。
你最初研究 AI 的热情，很快就会被诸如聚类、深度学习、随机森林、 SVM 、石灰、形状等奇怪的缩写词所拖沓麻痹。
当你涉入人工智能框架的水域时，你会不经意地发现自己力不从心，试图找出为什么你的人工智能搜索会产生机器学习(ML)的结果。
为了清楚地理解人工智能和 ML 之间的区别，我个人喜欢约翰·麦卡锡对人工智能的定义，因为它非常简单:
"人工智能包括能够执行具有人类智能特征的任务的机器."
这些任务包括理解自然语言、识别图像中的物体、识别声音和玩复杂的策略游戏。我发现这个定义非常强大，因为它没有对底层技术施加任何压力。它基本上告诉我们，人工智能是古老的流程自动化的美化版本，现在包括以人为中心的流程，这在十年前是不可能的。
ML，就其核心而言，只不过是用来实现人工智能的众多技术之一。颠覆性，创新性，性感…但仍然只是一种技术。如果我们不解开这个差异，我们会发现自己问了所有不正确问题的母亲:“我可以用 ML 解决什么问题？”。
这个问题不知不觉地让你陷入为你所掌握的技术寻找正确问题的困境，这从来都不是一个好的商业方法。正如著名心理学家亚伯拉罕·马斯洛曾经说过的那样:“如果你只有一把锤子，那么一切看起来都像钉子”。
问题是你的公司可能根本不需要钉子。
不要误解我，我不是说你不应该问自己这个问题，我只是说这不应该是任何人工智能战略对话的一部分。这是一个你的数据科学团队非常乐意解决的问题。
在多年的复杂供应链自动化经验之后，我看到过项目失败的原因，从使用错误的技术到操纵肮脏的数据或缺乏团队合作。虽然解决这些问题显然很重要，但不理解决策背后的逻辑以及忽视它们对业务的影响是迄今为止最致命的错误。
专注于你想要自动化的决策，而不是技术。
决策是任何学习过程的自然结果；我们学习是为了更好地应对我们面临的情况，避免我们以前的错误。归根结底，在你的公司引入人工智能无非是让机器将你的数据转化为决策。这就是为什么，在每一个成功的项目中，我们总是从最终目标出发，专注于我们想要创造的产出，并问自己:我们试图自动化哪些决策？我们希望在多大程度上以及何时改进我们正在研究的决策过程？
有趣的是，专注于理解决策逻辑导致我们越来越脱离技术对话。人工智能一词基本上消失了，取而代之的是“决策自动化”，尽管这不是一个新概念，但它隔离了最终结果及其工作范围:提高我们决策的质量，并将人类从不需要判断、创造力或控制的潜在过程中移除。
让人工智能(只)做它能比你做得更好的事情。
专注于决策可以极大地帮助我们建立一个简单的框架，可以更好地识别和处理我们的下一个人工智能项目。
我们可能想问自己的一些问题是:
- 我们看到的是运营决策还是战略决策？运营决策每天都在重复发生，对于负责人来说，这些决策通常令人厌烦和不愉快；它们依赖于定义良好的规则或逻辑，因此是自动化的完美候选。例如，在补充配送中心、识别欺诈索赔或不良贷款时，节省时间同时减少低效应该是我们关注的焦点。另一方面，诸如“我应该进行这项投资吗？”或者“我应该和这家公司合作吗？”需要非结构化的洞察力，这是完全无法自动化的，只能通过使用正确的技术来“增强”，正如 Gartner 所定义的那样。
- **错误决策的影响是什么？**在对要自动化的任务进行优先级排序时，能够从损失的金钱和受影响的人两方面塑造错误决策的影响是至关重要的。经常出现缺货或库存过多的情况可能会诱使您开始优化补货流程，而问题的很大一部分可能是由于主数据设置不正确造成的，这不仅会影响分销，还会影响生产、运输和预测(是的，真实故事)。
- **我们能足够快地决定在适当的时候修改事件吗？**虽然我们的决策质量可能足够好，但达到这些结果的过程可能会给企业带来过度的负担。例如，供应链中的大多数业务关键活动仍然是手工或半手工完成的，因此缺乏灵活性和弹性。
- **我们知道决策背后的逻辑吗？我们知道事情发生的方式和原因吗？**在这里(也只有在这里)，我们谈论技术。如果答案是肯定的，技术可以通过 RPA 和规则自动化为企业提供支持，以完成更简单的任务，并为更具挑战性的任务提供低代码 ETL 工具和优化器。如果答案是否定的，但是有一个底层逻辑，那么 ML 可以从数据中挖掘出来。一个例子是客户流失分析，因为不可能预先预测是什么驱使客户离开，但这些信息可能隐藏在数据中。
能够提供定量的答案，例如涉及的决策数量、错误决策的固有成本，或者支持过程所需的人力/时间，应该是自动化投资的入口。
这些答案有助于我们构建令人信服的案例，以说服管理层相信其价值，并作为领先指标，无论我们是否准备好投资创新和自动化。