为什么企业要向着“AI成就者”而努力？下图是一次针对企业AI成熟度及影响的研究结果，其从宏观的角度评估了被调研企业在为客户、股东和员工实现更高回报的过程中，其AI基础和AI能力的结合情况：
虽然导致差距的具体原因和做法将会涉及到公司的具体举措，然而，这里有4种往往被忽视的行为，它们对发展AI的成熟度同样重要。
事项1：打造你的AI数据中台
大多公司面临的与AI有关的最大挑战之一，是跨平台和系统的数据激增——本地的历史遗留系统与公司日益增长的云计算系统被尴尬地混合在一起。在日常使用时，数据经常会出现诸如格式不匹配导致的无法访问等问题。而这样的问题，也会反过来限制公司在组织内推广AI技术的效果。
过去的四个月大约新增了40只BTC鲸鱼:金色财经报道，Twitter用户Ali发推称，在过去的四个月里，大约新增了40只BTC鲸鱼，他们持有 3000 万至 3 亿美元的BTC资产。[2023/7/13 10:52:20]
我们来看看AI成就者都是怎么做的——它们往往会建立起AI数据中台，即运营数据和AI平台，从而可以利用公司的人才、技术和数据生态系统，更好地平衡试验与执行的比例。在研究中也发现，AI成就者相比AI试验者，其实现数据管理治理规模化的可能性要高出33%，而实现数据管理治理规模化，正是建立强大的AI“核心”的第一步。
另外，AI核心可以帮助企业做很多有益的事情，比如迅速将AI应用产品化、将AI整合到其他应用中等。那么如何建立AI核心？大多数的AI成就者会在确保数据可靠的情况下，将它们存储在一个单一的企业级云平台上，配以适当的使用、监测和安全策略，来充分发挥内、外部数据的作用。
美国法院裁定FTX可出售LedgerX、FTX Japan等四个子公司:金色财经报道，美国特拉华州破产法官周四裁定，FTX可以出售四个关键子公司，即衍生品交易平台LedgerX、股票清算平台Embed、 FTX Japan和FTX Europe。投资银行Perella Weinberg现在被允许继续出售，此前法院文件显示，约117家公司有意购买FTX业务。出售通知将在大约三个工作日内发布。对LedgerX、FTX Japan、FTX Europe和股票清算平台Embed这四家公司提交初步投标的最后期限将在1月18日至2月1日之间到期。[2023/1/13 11:10:29]
例如，瑞士制药巨头诺华从2019年开始便通过创建“决策中心”来拓展其AI治理和数据管理实践，为该公司的制造业务和分销点提供更实时的数据可见管理。与此同时，他们还努力完善这些技术的兼容性，最终大大提高了开发和生产药物的能力，大大节省了时间和成本。
Coinbase已为四个ETC交易对开通全交易模式:1月23日，Coinbase官方宣布，ETC-USD、ETC-BTC、ETC-EUR和ETC-GBP订单已处于全交易模式。限价单、市价单和止损单现已全部可用。[2021/1/24 13:20:06]
事项2：维持你的AI投资
对于AI成就者而言，AI投资之旅没有终点，并不存在所谓“AI峰值”。因为这种认知，AI成就者们会进入一个AI收益的良性循环，即使AI成熟度日渐提升，但随着时间推移，仍然不断投入，从而继续获得更多收益。
对于AI成就者来说，持续的投资通常会用于提升AI的影响广度，从而将影响最大化；同时，还将进一步尝试各种跨领域AI解决方案，在过程中重新部署资源。例如，某奥地利能源公司近年来在AI驱动的数字孪生技术上投入了大量资金，帮助他们更好地为维也纳市等客户服务——除去带来的其他积极影响外，该技术系统更精准地模拟出了客户对供暖和制冷服务的需求，进而估算出来企业所需要的各种举措的短期成本和长期能源节约。
动态 | 新华日报：比特币是区块链技术的第一个成功应用 有总量有限性等四个特性:新华日报今日刊文《比特币：区块链技术 首个成功应用》。文章提到，比特币是区块链技术的第一个成功应用。传统金融体系的交易记录都被保存在银行中心的数据库中，而区块链则是比特币的账本，任何时刻产生的比特币的所有权以及交易记录，都记录在区块链账本中。任何人只要下载了客户端，就能接收相关信息。总体而言，比特币有以下几个特性：1.总量有限性，发行不会失控。2.良好的匿名性，账户拥有者的身份不会被任何人知晓。3.比特币的生产和维持耗用了大量能源。4.比特币的价格容易大幅波动。[2019/11/11]
事项3：培养AI方面的人才
AI成就者明白，让AI与人类员工无缝合作，是最高效的工作方式。这也是很多AI成就者更倾向于制定积极主动的AI人才战略，以保持在行业趋势前沿的原因。除了以AI为重点的招聘外，AI成就者还经常与专业公司合作或收购专业公司来填补关键职位的人才空缺，如数据或行为科学家、社会科学家和伦理学家。
AI成就者也更有可能对大多数员工进行强制性的AI培训，从产品开发工程师到高管团队都会参与其中。而且，由于他们会更侧重于提升员工AI方面的知识，他们的员工会比其他公司的同行更精通AI相关技能。
这些努力使得人类与AI的协作更容易实现规模化，并确保AI渗透到企业肌理当中。举例来说，欧洲一家大型能源公司便打造了一个“数字工厂”，帮助员工在日常工作中使用分析技术与AI洞察，同时还让数字工厂培训现场工程师使用并改进机器学习模型。该工厂还为所有管理人员提供强制的数据与AI培训，并为公司全体员工提供再培训和技能提升支持。
得益于该组织对AI人才方面的投资，其业务部门如今在启动开发的5个月内就能收到新的AI应用程序——在数字工厂建成之前，他们平均要等18个月。更长远来看，到2025年，该公司预计其数字工厂每年将使其利润增加15亿美元。
事项4：打造靠谱的AI框架
随着企业在越来越多的任务中部署AI，遵守法律、法规和道德规范正成为提升AI成熟度越来越重要的行为。事实上，能够向外展示自己拥有高质量、值得信赖且达到监管要求的AI系统，将使这些走在前列的公司在短期和长期上都获得巨大优势，从而吸引更多新客户，更好留住现有客户，并提升投资者信心。
不靠谱的AI框架，会给企业自身、客户带来许多风险。以常见的算法偏见为例。它是指根据过往偏见数据训练出来的AI也会继承这方面的偏见，所以当你的AI框架中的训练数据不够“公平”，那么AI输出的结果自然也不够准确。这种时候，公司便可以结合对数据和算法中偏见原因的研究，对AI模型进行多层级的“算法公平”评估，进而定义和应用公平性的量化措施，包括提出使算法更加公平的数据收集和建模方法。
除此之外，还可以通过不同专家的广泛合作来重新设计AI框架，从员工到设计师、数据科学家、合规专业人士和商业分析师等。将员工培训成为AI专家，这对打造可靠AI框架也至关重要。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。