0 人工智能人工智能成熟度模型.docx

0 人工智能人工智能成熟度模型.docx

《0 人工智能人工智能成熟度模型.docx》由会员分享，可在线阅读，更多相关《0 人工智能人工智能成熟度模型.docx（11页珍藏版）》请在冰豆网上搜索。

0人工智能人工智能成熟度模型

【人工智能】人工智能成熟度模型

微信号ai-cps

功能引见OT技术（工艺+精益+自动化+机器人）和IT技术（云计算+大数据+物联网+人工智能）深度融合，在场景中构建：

形态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知系统，实现产业转型升级、DT驱动业务、价值创新制造的产业互联生态链。

2020-10-03原文

收录于话题

以下文章来源于学术plus，作者plus评论员

学术plus

中国电科进展战略争辩中心学术宣扬平台，《中国电子科学争辩院学报》官方平台，中国信息与电子工程科技进展战略争辩中心公共学术平台。

因思想，泼墨挥毫，为学术，激扬文字。

学术plus 

2020年3月18日，Gartner发布了题为《ArtificialIntelligenceMaturityModel》（人工智能成熟度模型）的报告。

人工智能成熟度目标使数据和分析领导者能够用适当的技能和措施激励企业领导者，从而供应效率和创新力量。

文章仅供参考，观点不代表本机构立场。

图片来自网络。

人工智能成熟度模型

作者：

SvetlanaSicular， BernElliot， WhitAndrews， PieterdenHamer

发布时间：

2020年3月18日

编译：

学术plus评论员 张涛

来源：

一、人工智能技术成熟度曲线

2019年7月，Gartner发布了2019年人工智能成熟度曲线，审查了在AI领域的创新和趋势潮流，以及AI方案范围。

成熟度曲线中也消灭了很多的新技术。

二、人工智能成熟度模型

人工智能成熟度模型能够为从事数据和分析的领导人员供应一个实现人工智能战略的框架。

组织会发觉他们所需的人工智能成熟度会依据人工智能使用的不同品种而不同，并非全部的组织都要努力获得最高成熟度的技术，而只需要选择与商业和技术抱负相全都的成熟度就可以了。

（一）人工智能成熟度模型

人工智能成熟度模型如下所示：

Level1：

planning规划

人工智能成熟度等级1是规划阶段。

在这一阶段，关于人工智能的内部争辩都是临时和猜测性的。

只要极少数人进行了项目试验或试点。

Gartner在这一阶段的几项调查的主体是“什么是人工智能？

”和“业务如何从人工智能中受益？

”。

要进入下一阶段，需要找出3到6个用例。

Level2：

experimentation试验

在这一阶段，会起草初步概念证明（Proofofconcept）项目方案，项目也可能处于试点阶段。

同时，可能有非正式的团队为学问共享和晚期的标准化工作在做预备。

这一阶段旨在证明人工智能进展到下一阶段的价值。

Level3：

stabilization稳定

在这一阶段，第一批人工智能项目开头投产。

开头为人工智能项目制定预算，并由制定管理层进行保障。

通过实例化杰出中心（COE），使得充分的人工智能专家、最佳实践和技术可用于项目中。

为了进展到下一个阶段，需要为人工智能的开发和部署开发一个端到端的流程，还要确保平台稳定以实现人工智能的进一步扩张和管理。

Level4：

expansion扩张

在这一阶段，包括优化过程在内的全部数字化项目都考虑使用人工智能来作为价值传递的方式。

不断有新的产品和服务嵌入人工智能。

业务部门开头信任人工智能技术，并做好使用人工智能技术的预备。

ITDevOps/MLOps专业人员次要担任维护和更新人工智能处理方案。

从这一阶段要进展到下一阶段，需要扩张数据源和高风险/高报答的成功用例。

Level5：

Transformation转化

在这一阶段，人工智能被认为是执行全部业务流程的一个要素。

全部在流程和使用设计过程中的人员都会接受人工智能培训，了解人工智能的优势和不足。

人工智能驱动的使用程序可以在组织内和整个商业生态中进行交互。

（二）愿景中的人工智能成熟度模型目标

假如组织要想从人工智能的实现中获益，就需要建立相应的愿景。

下表概述了不同阶段愿景的一些关键目标：

在规划阶段，人工智能开头消灭在创新的日程上。

接受人工智能使用的灵感来自于组织外部。

组织的人工智能愿景次要是从应邀到会并讲话、参与博客、公共论坛、与内部用户和外部供应商接触开头的。

管理团队被行业成功案例所触动，并感到了肯定的压力，对人工智能产生了期望、恐惊和时间紧迫的感觉。

在试验阶段，人们开头生疏到人工智能的价值。

乐观推动和促进试验和人工智能驱动的创新。

组织内开头有人工智能试点项目来了解相关技术、技能和对业务的影响。

但这一阶段将人工智能纳入战略还为时过早。

在稳定阶段，人工智能已不再仅仅是一种期望，它已经可以为组织或产品、服务的组合供应真正的商业价值。

人工智能开头使用在特定的业务和技术领域中。

随着组织在使用人工智能技术方面不断成熟，工作的重点将会从削减项目成本转化为添加导向型项目。

在扩张阶段，人工智能无处不在，成为改进或新的商业模式的关键推动者。

组织的人工智能战略和路线图完全符合其数字业务、数字化转型、创新、客户体验、研发、人力资源等战略。

组织通过制定战略使人工智能改进、添加并能够自动化人类决策。

从董事会决策到每一次的客户互动，人工智能在每个业务活动中都起着关键的作用。

在转化阶段，人工智能成为商业DNA的一部分。

组织成为了人和人工智能系统组成的动态的和环境驱动的系统。

人工智能是全部商业战略和技术创新的关键。

（三）可以使用的人工智能成熟度模型目标

在规划阶段，企业开头查找一些人工智能可能会带来明显影响的用例，比如产品创新和HR。

一些商业参与者会投入资金来实现这些用例。

人工智能实现的用例一般包括价格优化、推举、欺诈检测和客户洞察。

在试验阶段，PoC项目从晚期的人工智能试验室中获得。

特定产品和服务的原型系统通过人工智能得到了改进。

这一阶段的关键例子包括决策支持和猜测分析，比如价格优化、产品推举和欺诈检测。

在稳定阶段，为PoC部署的人工智能处理方案已经显示出了本人的价值。

典型的例子包括谈天机器人、客户投资组合管理、客户全生命周期价值管理等。

相关的处理方案还可能包含在现有产品和服务中添加人工智能功能。

在扩张阶段，人工智能系统地使用于整个企业范围内，以优化重新设计的流程，引入创新的商业实践、产品和服务。

典型的用例包括客户体验和供应链优化。

人工智能和争辩进展被广泛使用于IT和业务项目中。

人工智能使用的范围也更广，包括情报、规范性分析、虚拟个人助力、添加和自动化决策、智能自动化或自主操作。

在转化阶段，人工智能不再是一个单独的技术类别，而成为组织的一部分，无缝融合到每一个过程、产品和服务中。

组织必需在过程自动化和添加人力之间进行平衡，在硬件和软件层面将自然和人工系统连接起来。

人工智能不只能用于处理已知的问题，还可以制造性地生成新问题的处理方案、提出潜在代替方案和建议。

（四）技术部署的人工智能成熟度模型目标

在规划阶段，会对包括机器学习算法、基于规章的系统和优化技术在内的人工智能算法进行调研。

组织训练论坛和内部黑客大会来争辩现有的人工智能技术、实现和技能。

在试验阶段，会充分利用云基础设备、云人工智能服务和其他开放资源。

并且对深度学习、图像识别、自然言语处理等人工智能技术进行分析。

从数据和过程的角度动身，评估和处理集成问题。

然后进行数据和过程验证来确认人工智能预备的就绪程度。

在稳定阶段，第一批接受人工智能技术的系统会投入生产。

处理方案是独立或嵌入其他系统中的，同时，云、混合、内部部署或边缘部署方案都考虑在内。

人工智能系统也使用于IT运营管理和商业影响评估中。

人工智能数据资源包括数据仓库和数据集线器，以及物联网或社交媒体这样的平台。

人工智能开发者也可能会利用这些数据资源。

在扩张阶段，创新的人工智能技术会在商业的过程、产品和服务中被探究和利用。

人工智能系统的可用性、功能和平安性都至关重要。

人工智能系统可以在云、本地、移动、边缘或机器人设备上部署。

人工智能数据需求可以在数据管理和注释中得到处理。

人工智能数据源是自动化和广泛的，包含全部来自内部和外部的实时数据。

在转化阶段，会连续接受新的或改进的人工智能技术。

利用自动化的闭环和添加反馈回路持续训练和更新人工智能模型和机器学习算法。

人和人工智能将实现协同，比如虚拟现实、添加现实、全息和神经数字接口。

（五）组织和管理的人工智能成熟度模型目标

在规划阶段，次要是有人工智能背景或爱好的人员接受人工智能技术。

这些人工智能使用的先锋开头积累人工智能技术、实际使用和可能制造价值的学问。

此时，人工智能领域还没有商业投资。

人工智能也不是聘请要求的一部分。

在此背景下，人工智能组织的定义最终被确定。

在试验阶段，组织刚刚开头招募人工智能专家或与外部服务供应商合作来实施PoC或人工智能试点项目。

建立人工智能试验室来促进试验、聚集专业技术人员和促进与人工智能供应商和争辩机构的合作与创新。

围绕这些技术的结果都是潜在的商业使用。

此时，晚期的数据和人工智能技术标准消灭。

同时消灭了确保合规性的方法和产生不测情况后的责任划分、措施以及程序。

在稳定阶段，会聘请与部署人工智能技术相关的人才，并制定提升方案来确保组织的专业学问。

此时会有一个COE来分析最佳实践和推动技术使用。

高级分析或数据科学团队会吸引跨学科的人工智能人才和资源。

人工智能工程师会成为数据科学团队的一部分。

会有经常性的合作来促进对跨企业的人工智能平台、工具和社区组织的理解，共享学问、标准和方法的接受或开发。

人工智能信任和透亮     的晚期实践开头成型。

在扩张阶段，组织会建立混合的人工智能COE，担任驱动新产品和服务，以及维护内部联系。

组织将与人工智能供应商和争辩机构建立战略合作伙伴关系，持续推动人工智能驱动的创新。

这一阶段，人工智能战略、伦理、研发、管理、开发和维护都将有正式的流程和框架。

在转化阶段，人工智能会对组织文化、战略、结构、过程和社会产生深远的影响。

商业和技术的角色会产生合并，组织内会建立人工智能产品的管理框架。

人工智能成为每个人工作和日常生活中不行或缺的一部分。

这一阶段会鼓舞参与者国家（国际）的人工智能法律法规制定和使用。

虚拟或机器人劳动力将取代一部分人类操作人员。

人工智能会为人类创建新的角色，为人工智能创新、开发、维护和运转制造“元人工智能”（meta-AI）。

（六）预算和度量的人工智能成熟度模型目标

在规划阶段，几乎没有人工智能预算，只要一部分用于参与会议、培训、小范围PoC和一些询问或营销争辩的收入。

人工智能认识（AIawareness）的目标包括添加有关该主体的会议次数、会议参与人员和人工智能供应商会议。

在试验阶段，会开头资助PoC项目，还有一些用于人工智能试验活动的资金。

此时没有商业案例需求，只要业务或组织内的度量标准来评估PoC能否成功。

开源和云被用来降低资本收入和初始运营成本。

在稳定阶段，预算会安排给组织的职能部分。

会有更多的人工智能项目得到资助，同时也会持续在试验和PoC上投入资金。

包括在生产软件、平台上的收入、供应基础设备、新技能开发和实施服务，以及持续投资的管理和运营成本。

组织开头猎取每个方案的目标，并乐观跟踪人工智能驱动的一些变化。

在扩张阶段，组织为人工智能安排了预算结构，包括聘请方案。

人工智能的使用带来了巨大的试验成本转化。

人工智能基础设备的收入得到监控和优化。

人工智能战略中定义了可监控的绩效目标。

比如，没有明确需求的人工智能使用项目的数量、业务流程中人工智能驱动的优化所占比例、人工智能嵌入的产品或服务的份额。

这一阶段还会为高风险/高报答的用例供应资助。

在转化阶段，除了人工智能产品管理外，将不再有单独的人工智能方案或单独安排的预算。

商业和人工智能技术、以及相应的预算方案和目标都是无缝融合的。

众包和集体价值链或生态系统融资照常进行。

单独的人工智能活动将不再成为变革的基本目标。

先进制造业+工业互联网