如何让人工智能“正确”

构建人工智能对吧

要“正确构建人工智能”，关键是首先建立人工智能的基本词汇——人们如何“说数据”的技术方言。至少，首席信息官应该确定在描述AI系统或解决方案时使用的主要术语，包括开发AI解决方案的目的或原因，以及其他关键术语，如从解决方案中使用和收集的数据类型。

“数据是任何人工智能过程的基石之一，还有模型和算法，”邓肯解释道。“人工智能消耗并产生数据。首席信息官和数据分析领导者将负责开发和坚持AI的数据管理方面。在整个过程中建立数据管理专业知识是成功的关键。”

了解更多:“高德纳主题演讲:你会说数据吗?”

利用人工智能

无论项目范围或组织成熟度如何，信息语言障碍可能存在于局部或系统中。解决这个问题需要思维方式的转变，同时也需要有意识的承认和干预，以达到正确的方向。为了让数据素养更加明确，首席信息官们应该开发一个数据素养项目。

• 识别那些自然、轻松地讲数据的流利人士和母语人士。流利的使用者应该善于描述上下文化的用例和结果，应用于它们的分析技术，以及相关的底层数据源、实体和关键属性。
• 识别技术翻译。经典的翻译人员通常是企业数据或信息架构师、数据科学家、信息管理员或相关的项目经理。
• 确定沟通障碍阻碍数据和分析计划有效性的领域。特别注意业务- it差距、数据分析差距和老手-新手差距。
• 积极倾听没有明确行动明确表达的业务结果。增强的数据和分析能力为哪些业务时刻提供了支持?改进了哪些操作决策?
• 确定需要专门翻译的关键涉众。要评估数据读写水平，请主要利益攸关方阐明数据作为战略资产在业务成果方面的价值，包括增强业务时刻、货币化和降低风险。
• 确定并保持一个单词和短语的列表。让数据和分析团队参与制定更好地表达这些短语的方法。

把AI对吧

即使是最成功的公司也不能认为自己对道德灾难免疫。需要广泛而明确的讨论来区分一个人可能面临的伦理问题和困境的类型，以及一个人可能采取的实际伦理立场。

• 后退一步，吸收数字伦理与数字连接主义作为改进数字商业和数字社会的一种哲学。
• 积极寻找与人工智能数据使用相关的伦理案例研究，因为你们所面临的道德问题通常并不新鲜。机会包括竞争性的差异化和优越的价值主张;风险包括声誉风险、监管问题和财务损失。
• 使用人工智能算法和数据交换作为数字交互的推动者，这是一种让利益相关者参与生态系统的方式，而不是作为特定的过程控制。鼓励每个人在AI环境中贡献他们的数据，成为互利生态系统的积极参与者。