AI 势在必行

AI势在必行 以最有效的方式将我们从A点引导到B点。或者我们调用Alexa，GoogleAssistant或Siri来快速为我们查找信息，而无需自己浏览网页。 业务系统的新时代。 我们正处于企业计算新时代的黎明，这将从根本上破坏企业应用空间。每隔10到15年，我们就会看到系统运行方式的重大转变，从大型机到客户端服务器，再到基于Web的云计算接口。在每一次重大转变中，企业应用程序的功能和行为都有明显不同的方式。现在，我们开始兑现AI的承诺，标志着企业的新时代。 但是还有其他更微妙的方式来使用AI来改善我们的生活。 Amazon和Netflix等服务通过利用AI来改善我们的体验分析我们过去的使用历史并对未来的兴趣做出预测，从而得出我们可能没有发现的建议。正是这种预测未来结果的能力让许多组织争先恐后地弄清楚如何利用人工智能，或者更准确地说，机器学习(ML)来数字化转型业务并改善我们的工作生活。 人工智能将从根本上改变我们的工作方式。使用人工智能来增加工人的数量将导致工人和计算机合作解决问题并探索机会，从而大大提高效率和生产率。我们已经在工作之外的日常生活中看到了这种影响，使用人工智能来补充我们的知识以做出更好的决策。 机器学习使系统能够从大量数据中学习和预测输出，而无需明确编程。机器学习最基本的定义是寻找和使用数据中的模式。 例如，我们中的许多人使用导航应用程序Waze 这意味着系统在接收数据时具有学习和识别模式的能力，而不是使用预定义的规则集对系统进行编程。ML过程通常以“训练”算法开始 对与业务价值相关的ML解决方案的投资为您的组织提供了经济优势。 与那些延迟的投资相比，尽早进行这些投资可以为您的组织提供竞争优势，并且在如此快速变化的市场中很难赶上。但是组织需要确保他们在正确的领域进行投资以实现业务价值。 一组历史数据，不仅包括初始输入数据，还包括基于该数据的预测和决策以及这些决策的结果。这允许算法检测数据中的模式，基于该模式进行预测，然后推荐操作。 对于许多组织来说，获得交付ML解决方案所需的技能可能是一项艰巨的任务。数据科学和ML领域的熟练人才当然是必要条件，而且很难获得。但是需要正确准备ML算法将使用的数据因此，许多组织正在转向他们的企业应用程序供应商，特别是云供应商，将这些功能构建到应用程序本身中。 ML解决了数字化转型的核心要求，通常是由首席执行官或组织董事会授权的，目的是将员工从平凡的任务中解放出来，专注于更具战略性的工作。它还有助于加快业务洞察和预测的交付，以支持决策，从而实现对市场变化的持续快速响应。机器学习有许多应用，从自动化手动任务到基于以前无法通过手动操作获得的见解提供行动建议。然而，企业及其IT团队面临的挑战是如何。 从他们的ML投资中获得快速的商业价值。 由于ML可以为运行您的业务的系统提供价值的方式众多，ERP供应商在收费方面处于领先地位，这可以归纳为三个方面： 1.实现更好的判断2.使员工能够专注于更具战略性的工作3.消除行动障碍 如今，大多数机器学习平台本质上都是“工具平台”，企业和IT用户必须弄清楚如何将其应用于他们的数据。行业需要的是智能解决方案，在这种解决方案中，机器学习已经应用于数据，并且能够通过流程自动化或通过应用预测来增加人类判断的价值。 使更好的判断。 许多人担心被机器取代，因为当前的趋势非常关注工作自动化。然而，新的工作世界将看到机器和人类紧密合作，以实现新的效率水平和更好的决策。设计和使用的机器学习解决方案具有巨大的潜力。 为什么AI对你很重要 机器学习采用的最大挑战之一是正确设定期望。由于有如此多的产品和服务声称是“人工智能驱动的”，很难辨别真正的交易。除此之外，人们还有理由担心机器学习自动化可能取代人类工人，并且很难理解真正的价值在哪里。 机器非常善于发现模式 他们处理大量数据的能力远远超过任何人类 但是机器只能根据数据给出建议。 换句话说，对机器来说，除了原始数据之外，其他什么都不重要。这就是人类提供无法轻易取代的内在价值的地方：运用判断的能力。 使员工能够专注于更具战略性的工作。随着我们进入新的工作世界 ，机器和人类合作做出更好的决策，还有 创造高技能劳动力的运动 员工越来越关注战略性、熟练的工作。为了实现这一目标，机器被用来自动化高度手动、平凡的日常任务，这些任务是可预测和可重复的。例如,将发票信息输入到用于处理的系统中是高度手动的、低技能的任务,其可以由机器更有效和准确地完成。这使工人从日常工作中解脱出来，使他们能够专注于更具战略性的任务，例如根据结果分析支出或根据收入预测评估行业趋势。使员工能够专注于更具战略性的任务，对组织也有另一个积极影响：更快乐，更敬业的员工。 对情况应用判断以做出正确决定的能力是一个很难的值衡量或复制。决策通常涉及情感，经验或对数据中无法识别的情况的理解，例如知道员工在考虑保留策略时的职业目标。 另一个例子：想想你什么时候使用GoogleMaps或Waze。底层机器学习可能会预测采取不同的路线将为你节省10分钟，但是你知道这条路线有很多交通信号灯，需要你穿越高速公路的多条车道。经验可以帮助您做出判断，不要接受该建议，因为您节省的4分钟不值得承受压力或风险。 消除行动障碍。 用户要求他们的工作应用程序和用户体验更紧密地匹配他们的消费者应用程序体验的压力正在改变我们在工作中查找和访问信息的方式。虽然机器学习被用来为员工正在处理的任务提供增强的见解，但它也被用来提供对组织内信息的更快、更有效的访问。 虽然在大多数决策中无法消除人类的判断，但使用机器处理大量数据来做出决策所需的预测，并将这些见解交给人类决策者，最终会导致更好的判断。作为一个例子，如果你已经走了建议的路线，在Waze节省了你10分钟，实际上提前10分钟到达你的目的地，这在很大程度上是基于数据预测的事实。因此，将机器生成的预测与人类的判断相结合，会导致更好的决策，最终导致更好的业务结果。新的工作世界将看到机器和人类之间的协作增加，ML创建的预测将用于增强工人，而不是取代他们。 通常，如果员工需要的信息存在于孤岛或非结构化来源中，如社交媒体帖子、自然工作区或内部网站，则可能不容易追踪。员工需要一种更简单的方法来找到这些来源并访问信息以支持手头的任务。在我们的个人生活中，我们使用Alexa，Siri，GoogleAssistat或其他数字助理来查找与我们要完成的问题或任务相关的信息。这种交互风格使用自然语言处理来创建与最终用户的更具对话性的交互。 基于云的企业应用程序供应商已经以良好结构和历史的方式管理、存储、策划和保护您的数据。这些数据是干净和高质量的，除非这些数据必须从多个不同的系统组装在一起。这为组织与他们的云应用程序提供商合作开发ML解决方案创造了很大的潜力，这些解决方案成为应用程序本身的一部分。通过利用您的云供应商提供具有内置ML的智能应用程序，确保数据的清洁度和质量的责任在于供应商。由于真正的云提供商的多租户方面，选择使用机器学习解决方案的客户越多，这些解决方案就越强大。 在ML和自然语言处理的支持下，智能搜索将成为数字企业中大多数应用程序的新主要界面。就像Alexa和Siri一样，数字助理可以帮助员工更快，更轻松地找到信息并完成任务。 因此，信息通常分布在多个来源，很难找到，现在更容易获得，有助于推动更聪明，更明智的员工能够做出更好的决策。通过ML指导这些交互，应用程序可以学习我们工作方式的模式，预测我们的需求，并为每个员工带来更个性化的体验。 但是投资ML来改变我们的工作方式不仅会影响你相对于竞争对手的优势。它还可以帮助你留住组织中的顶尖人才。在2018年2月的报告“技术增强员工”中，Forrester指出，“员工如何看待他们与公司的互动会深刻影响他们的水平 但是，您的云合作伙伴必须拥有可靠的跟踪记录，专注于保护数据的隐私和安全。必须为组织提供对其数据使用方式和位置的完全透明和控制。必须不断考虑数据使用方式的安全性和隐私性，机器学习解决方案必须在应用程序生命周期的所有阶段保障公平和信任。 生产力和参与度，以及最终他们与客户的关系……提高生产力和每天完成有意义的工作的能力在很大程度上影响着员工的体验。“ML可以产生的体验对最终用户来说将更加方便和个性化，因此拥抱这个新工作世界的组织将吸引更高技能的人才。相反，那些缓慢接受这种变化的组织将更难留住人才，而竞争对手提供更有吸引力的工作经验。 工作日的方法。 在Workday，我们把人放在软件的中心——我们使用ML的方法也没有什么不同。我们以增强用户的方式应用ML，提高他们的判断力和生产力的价值，并支持更好、更快的决策。我们使用ML来提高用户的成本，而不是取代他们。 数据的重要性。 对于我们的大多数客户来说，ML超出了他们的直接技术能力。我们负责帮助我们的客户获得好处，并降低风险。我们在有意义的地方应用ML，并且最适合产生影响。我们不一定构建通用的ML工具。 能够为ML投资提供明确业务案例的组织可能仍然会发现，由于缺乏易于访问的、相关的、准确的数据，实施ML是一个挑战。要使ML在您的组织内产生明显的业务影响，ML工作流中使用的数据必须是干净、高质量的数据。这是数据科学家需要克服的最大障碍之一，也是许多组织转向企业应用程序云提供商的原因。 我们通常在People或Finance的办公室中专注于我们的关键用户角色。我们的ML产品具有由那些亲密的人构建的优势 了解这些角色、他们的痛点，以及如何应用ML来支持他们的业务功能。我们首先要清楚地确定客户想要克服的挑战，以及我们构建的内容是否可以提供明确的价值。 对未来结果的价值，以及不良预测的成本可以减轻。我们将所有数据容纳在单个系统中的方法为我们提供了机器学习的明显优势。 即使可以提供明确的业务价值，我们仍然可以确定ML是否是满足这一需求的正确解决方案。在某些情况下，将ML应用于问题并不能提供替代方法的差异化价值。换句话说，并非所有用例都需要复杂的ML解决方案来解决。这使我们能够专注于那些应用ML为我们的客户提供独特、差异化价值的解决方案。 从一开始，这种“一个人的力量”就一直是工作日愿景的核心。它改变了你计划、执行、 并通过将Worday财务管理，Worday人力资本管理和WordayPlaig的关键功能结合在一起进行分析。这为您提供了一个执行所有交易和分析的地方，并从同一组干净，高质量的数据中应用ML。这种丰富的客户数据每天都在增加，使每个人都能够利用我们的ML解决方案并改进底层算法。由于这都是在我们的应用程序使用的相同事务数据上完成的，因此应用程序随着时间的推移变得更加智能。 我们将ML构建到我们的应用程序的核心，而不是作为单独的，相邻的附加组件。这样，所有Worday客户都可以选择获得ML可以提供的好处。而且由于它内置到核心中，因此我们的客户不会产生额外的成本或复杂性。随着时间的推移，我们利用我们构建的东西来创建后续解决方案，这些解决方案封装了初始用例中的想法和技术。 但是我们如何对待这些数据也至关重要。Workday认为，在交付ML解决方案以实现成果和建立公平时，必须明确建立围绕人工智能道德使用的实践。 但是，为了使ML在您的组织中产生明显的业务影响，模型需要从数据开始。并且，理想情况下，这些数据需要标记为大量和种类，而过去的结果具有很强的预测性 我们为客户提供前所未有的透明度和对其数据的控制。我们的客户通过选择加入机制决定使用哪些数据以及如何在我们的ML解决方案中使用。不选择加入ML方案的客户将无法使用其数据。这将决定获得ML的好处。 我们正在将这些原则构建到我们ML产品开发的结构中，并确保我们拥有能够推动持续遵守这些原则的流程。 Workday列出了我们如何负责任地为企业开发ML的六个关键原则，并致力于帮助解决其更广泛的社会影响： 把人放在第一位。 工作日ML在行动。 Workday始终尊重基本人权。我们应用机器学习来提供更好的业务成果，并帮