为什么人工智能落不了地？四大深水区问题待解

人工智能+行业拥有极为广阔的想象空间和市场前景，而这也是几年前人工智能产业尚处于投资风口时，人工智能创业企业向各路投资人反复宣讲的故事。

但几年过去了，在很多传统行业，如医疗、教育、物流、交通以及城市管理等等，人工智能的发展仍然处于小范围试点阶段，或者发挥着并不重要的作用，总体来说，有亮点，无惊喜。

这是为什么呢？主要可以归为以下四点原因，或者说，以下四个问题，在某种程度上制约着人工智能在传统行业中向更深层次进行渗透，阻碍着人工智能在传统行业发挥颠覆性的作用。

问题一，业务数据的对接。

没有数据，任何模型都没有意义。一些传统行业在找科技企业做人工智能系统建设时，面临的问题就是是否愿意以及高效地向对方提供所需要的业务数据。如果人工智能科技企业拿不到足够的业务数据，或者数据的批量化标准和对接效率存在问题，那么后续的工作也就无从谈起了。

问题二，模型的可解读性。

通常来说，基于和大量业务数据训练出来的模型像是一个黑盒子，人们并不知道“人工智能”的决策过程。但在许多传统行业，业务人员要求所有的决策过程都应该是有明确决策逻辑和可解读的，很难容忍灰度和不确定性。所以，要想人工智能真正在传统行业中介入核心业务流程，就需要推动传统行业业务人员与人工智能模型之间的互认。

问题三，信息系统的对接。

在很多传统行业，都已经有了极为完备和复杂的信息化系统，如医疗、交通、城市管理等，而人工智能通常只是作为一个新增的业务系统，必须与原有的行业信息化系统配合才能正常工作。但很多行业信息化系统由于技术架构较为陈旧，承载不了与人工智能系统的对接与实时交互。而如果搭建一套新的完整的系统，一方面需要极大的投资，另一方面也需要所有业务人员重新学习新系统的使用，成本很高。而如果勉强与原有信息化系统进行对接，则可能让人工智能系统的运行效率大打折扣。

问题四，运营模式的转变。

虽然人工智能系统的最终效果一定会大于纯人工，但在相当长的一段时间内，其仍然需要大量的人工配合。业务人员需要基于，去及时响应人工智能系统随时可能出现的预警或发布的任务，这其实是彻底改变了传统行业业务人员的工作流程。业务人员从使用系统的“主人”，变成了配合系统的“仆人”，工作主动权和自由度降低。这种运营模式改变，可能会让传统行业业务人员极不适应，严重时会引发抵制。

总而言之，如果以上问题不解决，即便传统行业试点上线了一些人工智能系统后，也常常会感觉其并没有达到预期价值，从而对继续推进人工智能的全面落地产生了退缩。

以上内容仅代表作者个人观点，创作不易，欢迎朋友们关注、评论、转发。