投资回报率 （ROI） 帮助企业确定哪些项目必须优先考虑，或者大略地说，哪些项目值得得到最多的资源和关注来实现业务目标。

图片来源：Canva

由于我们评论辩论的是涉及数字的投资回报率，因此让我们从一些统计数据开始：

据《福布斯》宣布，环球人工智能市场估量将以 38% 的复合年增长率增长，到 2030 年将达到惊人的 ~18120 亿美元。
人工智能是83%的公司的紧张任务。
根据 IBM 的数据，到 2023 年，人工智能系统的支出将增长 27%，达到 1540 亿美元。
它进一步分享说，均匀而言，这些组织在10%的投资本钱上只能产生5.9%的投资回报率。
然而，成功的远见卓识者通过在精确的韶光衡量精确的机会，产生了 13% 的投资回报率。
像专业人士一样投资。

鉴于巨额支出，人们不可避免地方向于评论辩论——如此巨额投资的回报是什么。
普华永道表示，大多数公司乃至根本无法得到任何回报。

人工智能投资很快成为大多数高管关注的焦点。
他们须要进行谨严的人工智能投资，以得到高投资回报率，但他们如何才能实现领导者所能产生的回报？请把稳，未来几年预期回报率的北极星最高可达30%。

第一步是将人工智能视为一项计策举措。
它必须源自特定组织的目标，而不是竞争对手的目标。
主要的是要记住，鉴于其利基市场、商业模式和技能能力，每个组织都有独特的定位。
它须要确定与业务计策同等的项目，即组织未来 3-5 年的目标和愿景。
纵然前方的道路清晰，实现人工智能的潜力也并非一帆风顺。
它哀求在全体组织中进行剖析思维和贯注灌注人工智能文化。

图片由作者供应

AI 思维办法有助于企业辨别要启动哪些 AI 项目，同时对不值得 AI 的项目保持节俭。
为了精确看待文化方面，建议快速建立一个机会主义和创新项目库，并有能力在旅途中找出无数变量。
接下来是数据——它是全体人工智能转型的关键，因此，大部分把稳力和精力必须投入到构建数据管理流程上。
SAP 将数据管理定义为“为确保组织数据准确无误而履行的策略和程序，然后在输入、存储、操作、访问和删除时得到妥善处理。
代价创造

要理解人工智能操持的投资回报率，“代价”变得比纯粹的利润更主要。

利润意味着与常规打算回报干系的实际现金。
然而，人工智能从业者优先考虑“代价天生”，以表示人工智能履行在全体组织范围内的好处。

有了这个额外的背景，让我们将 ROI 分解为两个部分。
回报是投资产生的代价，涉及开拓此类系统的本钱。

收入和回报

有多种方法可以评估收入。
除了人工智能产品的直吸收入来源外，一些举措不是直接的收入来源，但可以奥妙地增强或补充现有流程。

这些举措可能不会立即产生效果，但随着韶光的推移，可能会导致收入大幅增加。
考虑电子商务平台上的人工智能驱动的推举引擎，这些引擎根据用户的浏览历史推举产品。
这些建议温和地推动用户进行额外购买，从而增加发卖额。

图片来源：Canva

另一个例子是，平台通过快速供应他们感兴趣的选择，保持他们对平台的忠实度并留住他们，从而增强搜索干系性并改进客户体验。

本钱 – 众所周知

收入只是投资回报率打算的一部分;另一个涉及明智的本钱管理。
AI 项目的主要本钱是根本举动步伐、构建 AI 团队和数据管理办理方案。

招聘 AI 技能涉及入职、技能提升和薪酬本钱。
一些组织将全体项目或须要特定技能组合的项目的一部分外包，从而节省了前期本钱。

然而，外部招聘也会产生间接本钱，由于内部职员没有充分的能力连续支持项目，从而在项目掩护和额外用度方面依赖外部承包商。

人工智能可以支配在一些大略的案例中，例如自动实行一些重复性任务，从而减少人为缺点，节省运营开销。

失落败的代价

让我们谈谈不常常被考虑的本钱——与使缺点决策永久化干系的本钱。

1-10-100 规则阐明了“未能把稳到一项本钱如何增加以美元计价的丢失。
预防本钱可能该当放在首位，由于预防毛病的本钱比纠正毛病的本钱要低得多。

图像来源：全面质量管理

就像这条规则一样，缺点决策选择的代价是必不可少的。
它须要从一开始就建立设计思维视角，包括项目范围界定和识别精确的人工智能机会和干系风险。

因此，建立一个组织范围的风险评估框架对付办理偏见、缺少监督、透明度和问责制、数据隐私等问题至关主要。

PoC 期间的 ROI 估算

在构思阶段进行初步的投资回报率估算有助于确定项目的优先级。

在对业务问题有了更深入的理解之后，是时候谈论技能了。
建议开始构建 PoC，而不是等待一个空想的环境——所有输入组件，如数据、算法、根本举动步伐等，都得到了整理。

一旦你开始开拓PoC，扩展项目是否可行的现实就开始陷入困境。

PoC 可帮助您在有限的预算和更短的韶光跨度内验证想法。

在大规模投资构建系统之前，测试场或沙盒可确保代价主见。
但是，在PoC阶段本身就必须预先考虑规模方面，无论是在以下方面：

构建数据管道以支持大规模数据，须要昂贵打算资源的算法或运用程序将做事的用户数。

对这些维度的估计显示了 AI 办理方案将如何集成到组织的技能堆栈中。

如果 PoC 证明投资是合理的，则项目将进入开拓阶段。

值得把稳的是，评估收入和本钱成分是特定于商业模式的;因此，这篇文章旨在帮助建立一个镜头来衡量不同的成分及其对投资回报率的影响。
Vidhi Chugh 是一位 AI 计策家和数字化转型领导者，致力于产品、科学和工程的交叉领域，以构建可扩展的机器学习系统。
她是一位屡获殊荣的创新领导者、作家和国际演讲者。
她的义务是使机器学习民主化，并冲破行话，让每个人都能成为这一转变的一部分。

原文标题：Investing In AI? Here Is What To Consider

原文链接：https://www.kdnuggets.com/investing-in-ai-here-is-what-to-consider

作者：Vidhi Chugh

编译：LCR