几十年前，人工智能到来时对显着提高效率和生产力抱有巨大期望。然而，尽管在技术上花费了数十亿美元，但一个又一个项目停滞不前——主要是因为公司战略、技术障碍和文化方面的挑战使人工智能的潜在力量无法实现。
在过去十年中，企业已大量迁移到在线平台和云提供商。这种演变为计算能力铺平了道路，可以处理更多数据，同时生成这些系统现在可以分析的大量新数据。
这种迁移为新一代自动化和分析——从企业 AI 1.0 到 2.0 的转变奠定了基础。这创造了获得更复杂洞察力的能力。这包括由重点解决方案和机器推理提供支持的端到端流程智能，可推动运营效率和生产力呈指数级增长。企业 AI 2.0 正在超越企业 AI 1.0 的浅层学习方法和简单的任务自动化。
正在进行的组织转变以自上而下地接受这些变化——从了解未来增长植根于数字化转型的领导者开始——最重要的是推动了这种转变。
让我们来看看企业如何向企业 AI 2.0 迈进。
从实验到授权：获得 C 级支持
Enterprise AI 1.0 是在新的 2.0 阶段取得成功的关键垫脚石。过去二十年的小胜利和渐进式进步为我们今天在整个组织中看到的更广泛的支持铺平了道路。
然而，企业 AI 1.0 从一开始就受到组织结构的阻碍。人工智能几乎完全由数据科学家应用，其投机用例通常与业务目标、流程或预算不一致。这导致了一定程度的无关紧要和缺乏支持，尤其是在高级管理层。
在大流行爆发之前进行的一项研究中，93% 的受访者(代表财富 100 强企业的 C 级技术和业务主管)认为人员和流程问题是实施人工智能的主要障碍。
为支持这一评估，Gartner在 2017 年估计，多达85%的大数据项目失败——其他研究将失败率置于该范围内——由于各级管理人员缺乏支持。这些失败通常源于数据科学家推动人工智能投资，这些投资要么与业务目标不符，要么无法被最能充分利用它们的一线团队访问。
企业 AI 2.0 的一个主要区别是在所有组织级别对转型拥有更大的所有权，包括对专注于战略业务影响的 AI 应用程序的 C 级赞助。
麦肯锡可能是最早研究这种现象的公司之一。2019 年，该咨询公司发现管理层的承诺是人工智能项目成功的重要因素。专家和行业领袖都赞同这一想法，其中包括 The Gap 数据和分析高级副总裁 Chris Chapo，他在旧金山的Transform 2019上就该主题发表了讲话。
“有时人们认为'我需要做的就是在一个问题上投入资金或投入一项技术，然后成功就会出现在另一端'，但事实并非如此，”Chapo 说，并解释说公司通常“不”没有正确的领导支持，以确保我们为成功创造条件。”
总之，来自最高管理层的大力支持是 AI 成功的基础。