2020年3月18日，Gartner发布了题为《Artificial Intelligence Maturity Model》（人工智能成熟度模型）的报告。人工智能成熟度指标使数据和分析领导者能够用适当的技能和措施激励企业领导者，从而提供效率和创新能力。
文章仅供参考，观点不代表本机构立场。图片来自网络。
人工智能成熟度模型
作者：Svetlana Sicular， Bern Elliot， Whit Andrews， Pieter den Hamer
发布时间：2020年3月18日
编译：学术plus评论员 张涛
来源：
https://www.gartner.com/en/documents/3982174/artificial-intelligence-maturity-model
一、人工智能技术成熟度曲线
2019年7月，Gartner发布了2019年人工智能成熟度曲线，审查了在AI领域的创新和趋势潮流，以及AI计划范围。成熟度曲线中也出现了许多的新技术。
二、人工智能成熟度模型
人工智能成熟度模型能够为从事数据和分析的领导人员提供一个实现人工智能战略的框架。组织会发现他们所需的人工智能成熟度会根据人工智能应用的不同种类而不同，并非所有的组织都要努力获得最高成熟度的技术，而只需要选择与商业和技术抱负相一致的成熟度就可以了。
（一）人工智能成熟度模型
人工智能成熟度模型如下所示：
Level 1：planning规划
人工智能成熟度等级1是规划阶段。在这一阶段，关于人工智能的内部讨论都是临时和预测性的。只有极少数人进行了项目试验或试点。Gartner在这一阶段的几项调查的主体是“什么是人工智能？”和“业务如何从人工智能中受益？”。要进入下一阶段，需要找出3到6个用例。
Level 2：experimentation实验
在这一阶段，会起草初步概念证明（Proof of concept）项目计划，项目也可能处于试点阶段。同时，可能有非正式的团队为知识共享和早期的标准化工作在做准备。这一阶段旨在证明人工智能发展到下一阶段的价值。
Level 3：stabilization稳定
在这一阶段，第一批人工智能项目开始投产。开始为人工智能项目制定预算，并由制定管理层进行保障。通过实例化卓越中心（COE），使得充足的人工智能专家、最佳实践和技术可用于项目中。为了发展到下一个阶段，需要为人工智能的开发和部署开发一个端到端的流程，还要确保平台稳定以实现人工智能的进一步扩张和管理。
Level 4：expansion扩张
在这一阶段，包括优化过程在内的所有数字化项目都考虑使用人工智能来作为价值传递的方式。不断有新的产品和服务嵌入人工智能。业务部门开始信任人工智能技术，并做好使用人工智能技术的准备。IT DevOps/MLOps专业人员主要负责维护和更新人工智能解决方案。从这一阶段要发展到下一阶段，需要扩张数据源和高风险/高回报的成功用例。
Level 5：Transformation转化
在这一阶段，人工智能被认为是执行所有业务流程的一个要素。所有在流程和应用设计过程中的人员都会接受人工智能培训，了解人工智能的优势和不足。人工智能驱动的应用程序可以在组织内和整个商业生态中进行交互。
（二）愿景中的人工智能成熟度模型指标
如果组织要想从人工智能的实现中获益，就需要建立相应的愿景。下表概述了不同阶段愿景的一些关键指标：
在规划阶段，人工智能开始出现在创新的日程上。采纳人工智能应用的灵感来自于组织外部。组织的人工智能愿景主要是从出席会议、参与博客、公共论坛、与内部用户和外部供应商接触开始的。管理团队被行业成功案例所触动，并感到了一定的压力，对人工智能产生了希望、恐惧和时间紧迫的感觉。
在实验阶段，人们开始认识到人工智能的价值。积极推动和促进实验和人工智能驱动的创新。组织内开始有人工智能试点项目来了解相关技术、技能和对业务的影响。但这一阶段将人工智能纳入战略还为时过早。
在稳定阶段，人工智能已不再仅仅是一种希望，它已经可以为组织或产品、服务的组合提供真正的商业价值。人工智能开始应用在特定的业务和技术领域中。随着组织在使用人工智能技术方面不断成熟，工作的重点将会从削减项目成本转化为增加导向型项目。
在扩张阶段，人工智能无处不在，成为改进或新的商业模式的关键推动者。组织的人工智能战略和路线图完全符合其数字业务、数字化转型、创新、客户体验、研发、人力资源等战略。组织通过制定战略使人工智能改进、增强并能够自动化人类决策。从董事会决策到每一次的客户互动，人工智能在每个业务活动中都起着关键的作用。
在转化阶段，人工智能成为商业DNA的一部分。组织成为了人和人工智能系统组成的动态的和环境驱动的系统。人工智能是所有商业战略和技术创新的关键。
（三）可以应用的人工智能成熟度模型指标
在规划阶段，企业开始寻找一些人工智能可能会带来明显影响的用例，比如产品创新和HR。一些商业参与者会投入资金来实现这些用例。人工智能实现的用例一般包括价格优化、推荐、欺诈检测和客户洞察。
在实验阶段，PoC项目从早期的人工智能实验室中获得。特定产品和服务的原型系统通过人工智能得到了改进。这一阶段的关键例子包括决策支持和预测分析，比如价格优化、产品推荐和欺诈检测。
在稳定阶段，为PoC部署的人工智能解决方案已经显示出了自己的价值。典型的例子包括聊天机器人、客户投资组合管理、客户全生命周期价值管理等。相关的解决方案还可能包含在现有产品和服务中添加人工智能功能。
在扩张阶段，人工智能系统地应用于整个企业范围内，以优化重新设计的流程，引入创新的商业实践、产品和服务。典型的用例包括客户体验和供应链优化。人工智能和研究进展被广泛应用于IT和业务项目中。人工智能应用的范围也更广，包括情报、规范性分析、虚拟个人助力、增强和自动化决策、智能自动化或自主操作。
在转化阶段，人工智能不再是一个单独的技术类别，而成为组织的一部分，无缝融合到每一个过程、产品和服务中。组织必须在过程自动化和增加人力之间进行平衡，在硬件和软件层面将自然和人工系统连接起来。人工智能不仅能用于解决已知的问题，还可以创造性地生成新问题的解决方案、提出潜在代替方案和建议。
（四）技术部署的人工智能成熟度模型指标
在规划阶段，会对包括机器学习算法、基于规则的系统和优化技术在内的人工智能算法进行调研。组织教育论坛和内部黑客大会来讨论现有的人工智能技术、实现和技能。
在实验阶段，会充分利用云基础设施、云人工智能服务和其他开放资源。并且对深度学习、图像识别、自然语言处理等人工智能技术进行分析。从数据和过程的角度出发，评估和解决集成问题。然后进行数据和过程验证来确认人工智能准备的就绪程度。
在稳定阶段，第一批采用人工智能技术的系统会投入生产。解决方案是独立或嵌入其他系统中的，同时，云、混合、内部部署或边缘部署方案都考虑在内。人工智能系统也应用于IT运营管理和商业影响评估中。人工智能数据资源包括数据仓库和数据集线器，以及物联网或社交媒体这样的平台。人工智能开发者也可能会利用这些数据资源。
在扩张阶段，创新的人工智能技术会在商业的过程、产品和服务中被探索和利用。人工智能系统的可用性、性能和安全性都至关重要。人工智能系统可以在云、本地、移动、边缘或机器人设备上部署。人工智能数据需求可以在数据管理和注释中得到解决。人工智能数据源是自动化和广泛的，包含所有来自内部和外部的实时数据。
在转化阶段，会继续采用新的或改进的人工智能技术。利用自动化的闭环和增强反馈回路持续训练和更新人工智能模型和机器学习算法。人和人工智能将实现协同，比如虚拟现实、增强现实、全息和神经数字接口。
（五）组织和治理的人工智能成熟度模型指标
在规划阶段，主要是有人工智能背景或兴趣的人员采用人工智能技术。这些人工智能应用的先锋开始积累人工智能技术、实际应用和可能创造价值的知识。此时，人工智能领域还没有商业投资。人工智能也不是招聘要求的一部分。在此背景下，人工智能组织的定义最终被确定。
在实验阶段，组织刚刚开始招募人工智能专家或与外部服务提供商合作来实施PoC或人工智能试点项目。建立人工智能实验室来促进实验、聚集专业技术人员和促进与人工智能供应商和研究机构的合作与创新。围绕这些技术的结果都是潜在的商业应用。此时，早期的数据和人工智能技术标准出现。同时出现了确保合规性的方法和产生意外情况后的责任划分、措施以及程序。
在稳定阶段，会招聘与部署人工智能技术相关的人才，并制定提升计划来确保组织的专业知识。此时会有一个COE来分析最佳实践和推动技术应用。高级分析或数据科学团队会吸引跨学科的人工智能人才和资源。人工智能工程师会成为数据科学团队的一部分。会有经常性的合作来促进对跨企业的人工智能平台、工具和社区组织的理解，共享知识、标准和方法的采用或开发。人工智能信任和透明的早期实践开始成型。
在扩张阶段，组织会建立混合的人工智能COE，负责驱动新产品和服务，以及维护内部联系。组织将与人工智能供应商和研究机构建立战略合作伙伴关系，持续推动人工智能驱动的创新。这一阶段，人工智能战略、伦理、研发、治理、开发和维护都将有正式的流程和框架。
在转化阶段，人工智能会对组织文化、战略、结构、过程和社会产生深远的影响。商业和技术的角色会产生合并，组织内会建立人工智能产品的管理框架。人工智能成为每个人工作和日常生活中不可或缺的一部分。这一阶段会鼓励参与者国家（国际）的人工智能法律法规制定和应用。虚拟或机器人劳动力将取代一部分人类操作人员。人工智能会为人类创建新的角色，为人工智能创新、开发、维护和运行创造“元人工智能”（meta-AI）。
（六）预算和度量的人工智能成熟度模型指标
在规划阶段，几乎没有人工智能预算，只有一部分用于参加会议、培训、小范围PoC和一些咨询或营销研究的支出。人工智能意识（AI awareness）的指标包括增加有关该主体的会议次数、会议参与人员和人工智能供应商会议。
在实验阶段，会开始资助PoC项目，还有一些用于人工智能实验活动的资金。此时没有商业案例需求，只有业务或组织内的度量标准来评估PoC是否成功。开源和云被用来降低资本支出和初始运营成本。
在稳定阶段，预算会分配给组织的职能部分。会有更多的人工智能项目得到资助，同时也会持续在实验和PoC上投入资金。包括在生产软件、平台上的支出、提供基础设施、新技能开发和实施服务，以及持续投资的管理和运营成本。组织开始获取每个计划的指标，并积极跟踪人工智能驱动的一些变化。
在扩张阶段，组织为人工智能分配了预算结构，包括招聘计划。人工智能的应用带来了巨大的实验成本转化。人工智能基础设施的支出得到监控和优化。人工智能战略中定义了可监控的绩效指标。比如，没有明确需求的人工智能应用项目的数量、业务流程中人工智能驱动的优化所占比例、人工智能嵌入的产品或服务的份额。这一阶段还会为高风险/高回报的用例提供资助。
在转化阶段，除了人工智能产品管理外，将不再有单独的人工智能计划或单独分配的预算。商业和人工智能技术、以及相应的预算方案和指标都是无缝融合的。众包和集体价值链或生态系统融资照常进行。单独的人工智能活动将不再成为变革的基本指标。
https://www.gartner.com/en/documents/3982174/artificial-intelligence-maturity-model
声明：本文来自学术plus，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
