人工智能和机器学习正在越来越多的为工作平台和工具提供动力

人工智能和机器学习正在越来越多的为工作平台和工具提供动力。这些复杂的自动化工具被广泛推广，因为它们可以帮助员工从重复、枯燥乏味的工作中解脱出来，释放他们从事更高层次的工作和创造的潜能。普华永道研究公司（PwC research）估计，到2030年，人工智能将为全球经济贡献15.7万亿美元，其主要是受到生产率提高和人工智能推动的创新产品。

金融行业正在以各种方式使用这些技术，从回答基本客户问题的聊天机器人，到帮助防止欺诈和洗钱的人工智能平台。人力资源管理应用程序帮助公司整理简历，寻找人才，甚至进行初步面试。它可用于维护警报并防止车队中的设备和车辆故障。 采购算法可以帮助对数据进行分类，从而做出更好的采购决策。在医疗领域，从机器人手术到各种疾病的诊断，再到人工智能授权和其他医疗认证，都有广阔的应用前景。

全球IT公司LTI的执行副总裁表示，要意识到人工智能的好处，需要深思熟虑的规划。有效的人工智能应用程序不仅提高了工作效率，还可以释放时间允许人类做更高阶的工作。当技术以正确的方式实施时，效果还会更好。

构建一个有效的框架

普华永道战略咨询公司技术战略主管表示：分散的人工智能方法通常不是发挥作用的正确方式。在过去，自动化通常出现在像ERP这样的大范围的应用中，这些应用具有非常独特的价值主张。然而人工智能更小。 它以快速冲刺方式被引入，采用更分散的模式，因此公司需要以不同方式管理这种类型的自动化。

从某一个问题入手

有效的人工智能应用程序始于一个业务问题，而非一个特定的角色。收集有关业务问题的数据，然后向业务负责人介绍尝试解决的问题，这是成功实施人工智能的第一步。确定人工智能可以改进的具体任务，以及希望工具或平台在生产率、效率、准确性或其他目标方面实现什么。

正确地处理数据

人工智能的好坏取决于它的数据。一个所创建的工具需要什么数据？还要需要什么数据来训练它？然有趣的是人们更多的是关注于算法，随着我们对这个领域了解的越来越多，算法变得越来越好，而且在不断改进。但最大的挑战实际上仍在于数据。

人工智能应用本质上是数据需求。 根据企业不同的目的，需要有关员工及其绩效的信息，以及影响绩效的环境和其他因素，这可能需要不同的算法。

一旦输入被识别和细化后，需定期重新检查数据组件，以检查数据和算法偏差是否会渗入人工智能工具和员工之间的交互中，这一点至关重要。例如，亚马逊最近放弃了它的人工智能招聘工具，因为发现该招聘工具一直在淘汰女性求职者