
作者:Josh Krist, Staff Writer, Workday
在商业流行语中,人工智能似乎是最重要的。每个人都在谈论它,但是实际上有多少人理解它呢?阿贾伊·阿格劳瓦尔(Ajay Agrawal)在这一领域取得了令人难以置信的进步。 由Agrawal,Joshua Gans和Avi Goldfarb撰写的2018年一本书 《预测机器:人工智能的简单经济学》为企业领导者提供了有关如何实现人工智能(AI)价值的可行建议。
本书的作者解释说,就像便宜的电和光,得益于电力或便宜计算,那么更好更快更便宜的预测将摆脱业务模型和流程中的不确定性,并导致整个行业的重新构想。归根结底,AI有望成为具有多样性的变革性通用技术。
在2019年福布斯CIO峰会休息期间,我们在加利福尼亚半月湾一个有雾的下午会见了Agrawal ,并聊了他书中的一些主要学习内容。我们的谈话节选如下。
答:对于他们来说,我最好的建议是将AI视为降低预测成本。当预测或其他任何东西变得更便宜时,我们将使用更多的预测,并开始以更巧妙的方式使用它。
当我与首席执行官和CIO会面时,他们常常会说:“我们有25,000名员工,而我们从事的是这一行业。我们应该从哪里开始使用AI?” 答案通常很简单-您的数据科学小组。该团队已经确定了贵公司的预测问题,并以数字格式存储了数据,并将这些预测集成到了工作流程中。现在,他们要做的就是使用一些新的统计技术,如果有足够的数据,这些技术将生成更好,更快和更便宜的预测。
人工智能只能替代一件事,那就是人类的预测。
观察AI的另一种方式是通过重铸我们以前无法将其视为预测问题的问题,以一种可以通过AI解决它们的方式。例如,我们有很多来自大型组织的人力资源主管来到我们位于多伦多的Creative Destruction Lab,他们会说:“我们想弄清楚要寻找什么技能,我们应该雇用谁以及如何提高我们现有人的技能。” 然后,在单独的对话中,我们将听到业务领导者说:“我们在销售,市场营销和制造中都需要AI。除人力资源外,我们在大多数地方都需要AI。”
大多数人认为,由于HR是非常人性化的并且需要大量的情商,因此它不需要AI。错了,人们可以通过将诸如招聘和技能开发的某些方面的人力资源功能转换为一系列预测来利用AI,然后人们可以运用他们的判断力。
答:这真的很重要,因为很多人对此感到非常威胁。但是,人工智能只能替代一件事,这是人类的预言。
所有人类的预测都容易被机器所取代。但是,人类还有许多其他有价值的事情,它们是对预测的补充而不是替代。正如我们刚才提到的,判断力的一个方面是-人有判断力,而AI没有。人们在任何地方部署判决时,该判决的价值都会上升,因为我们可以将其应用于越来越高的保真度预测中。
这是一个比喻:假设有两名会计师面试同一份工作。其中一位非常擅长快速准确地将脑袋中的数字相加。另一位会计师的判断力很好,他擅长问一些聪明的问题,例如:“当利率上升四分之一时,我们的业务将会怎样?”
面试官可能对第一会计师说:“您具有宝贵的技能,可以快速,准确地将数字累加到您的脑海中,因此您将节省很多时间。” 对于第二人,面试官可能会说:“拥有这种判断能力真是太好了,但是每次您提出一个聪明的问题时,我们都需要三天的时间来回答。这是很有趣的技能,但它的价值有限。”
然后是电子表格,由于机器均衡,第一个人的价值下降了。快或慢将数字加起来都没关系。该机器比任何人都更快,更准确。
然而,第二会计师仍然有良好的判断力。他的价值不断提高,因为现在每次遇到一个聪明的问题时,他只需要在电子表格中更改一个单元格即可找到答案,而不是花三天时间回答问题。
答:是的,判断可以量化。如果机器能够观察到足够多的人根据其预测采取行动,那么它就可以开始推断我们的判断并进行预测。但是,这总是一场军备竞赛。随着AI观察到许多判断,并将其转化为预测,然后我们可以将判断应用于这些预测。审判将仍然是人类的游戏。
答:我最近在东京,对这么多大型国际公司用日语开展业务感到惊讶。甚至他们的高级管理人员也不会说英语,因此很多次会议期间都必须有口译员在场。我想:“哇,我们在语言上确实很分离。当我们最终获得可以即时翻译的商业级翻译器时,这些障碍将逐渐消失。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
评判两组数据与初始数据准确值的方法 在数据分析与研究中,我们常常会面临这样的情况:需要对通过不同方法、不同过程得到的两组 ...
2025-08-01通过 COX 回归模型诊断异常值 一、COX 回归模型概述 COX 回归模型,又称比例风险回归模型,是一种用于生存分析的统计方法。它能 ...
2025-08-01CDA 数据分析师报考条件详解:迈向专业认证的指南 在数据分析行业蓬勃发展的当下,CDA 数据分析师认证成为众多从业者提升专业 ...
2025-08-01K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-07-31大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-07-31CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-07-31SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-07-30SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-07-30人工智能对CDA数据分析领域的影响 人工智能对 CDA(Certified Data Analyst,注册数据分析师)数据分析领域的影响是全方位、多层 ...
2025-07-30MySQL执行计划中rows的计算逻辑:从原理到实践 MySQL 执行计划中 rows 的计算逻辑:从原理到实践 在 MySQL 数据库的查询优化中 ...
2025-07-29左偏态分布转正态分布:方法、原理与实践 左偏态分布转正态分布:方法、原理与实践 在统计分析、数据建模和科学研究中,正态分 ...
2025-07-29CDA 数据分析师的职业生涯规划:从入门到卓越的成长之路 在数字经济蓬勃发展的当下,数据已成为企业核心竞争力的重要来源,而 CD ...
2025-07-29CDA数据分析师证书考取全攻略 一、了解 CDA 数据分析师认证 CDA 数据分析师认证是一套科学化、专业化、国际化的人才考核标准, ...
2025-07-29解析神经网络中 Softmax 函数的核心作用 在神经网络的发展历程中,激活函数扮演着至关重要的角色,它们为网络赋予了非线性能力, ...
2025-07-29解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-07-29鸢尾花判别分析:机器学习中的经典实践案例 在机器学习的世界里,有一个经典的数据集如同引路明灯,为无数初学者打开了模式识别 ...
2025-07-29用 Python 开启数据分析之旅:从基础到实践的完整指南 在数据驱动决策的时代,数据分析已成为各行业不可或缺的核心能力。而 Pyt ...
2025-07-29从 CDA LEVEL II 考试题型看 Python 数据分析要点 在数据科学领域蓬勃发展的当下,CDA(Certified Data Analyst)认证成为众多从 ...
2025-07-29CDA 数据分析师的工作范围解析 在数字化时代的浪潮下,数据已成为企业发展的核心资产之一。CDA(Certified Data Analyst)数据分 ...
2025-07-29解析 insert into select 是否会锁表:原理、场景与应对策略 在数据库操作中,insert into select 是一种常用的批量数据插入语句 ...
2025-07-29