人工智能的进步使机器变得更智能，因此功能最强大和数据最繁琐的机器现在可以承担更复杂的工作。但是AI仍然不完全适合于仆人机器人，驾驶车辆，寻找新行星或应对。

原因：尽管AI发展迅速，但它仍然无法满足人类能力的需求。机器仍然没有(也可能永远没有)我们的直觉决策能力来做出有意识的决策。不论过去的信息如何，人类都是能够预见事件并处理关键决策的人。

而且，顺便说一下，人在配置机器决策过程的幕后。尽管如此， 机器在特定任务上的训练和比我们更好。

所有这些都由汤姆·达文波特 (Tom Davenport)进行了探索， 汤姆·达文波特(Babson College)总裁是信息技术和管理领域的杰出教授，是国际分析学会的联合创始人，麻省理工学院数字经济计划的发起人。在BizOps宣言发布会期间，他与SiliconANGLE Media的直播工作室CUBE的主持人Jeff Frick进行了交谈。他们讨论了BizOps联盟，BizOps宣言和AI决策制定。为简洁起见，采访进行了精简。 (*以下披露。)

我碰到了您的LinkedIn帖子，第一句话引起了我的注意：“我一直对解决技术在企业中如何运作的长期问题的新尝试很感兴趣。” 您在BizOps中看到什么解决了这些非常大的长期问题之一?

Davenport：长期的问题是，我们在业务人员和IT人员之间的联系较差;在业务目标和解决这些目标的IT解决方案之间。因此，BizOps是使用新框架来解决该问题的新尝试。

您是否认为通过BizOps联盟这样做，将志趣相投的个人和公司聚集在一起，甚至发表宣言，这是开始看到一些结果所需要的吗?

Davenport：我想当然没有任何供应商或组织可以单枪匹马地实现这一目标。确实需要许多组织进行协作和合作。因此，我认为结盟是个好主意，宣言只是阐明您所看到的是该主意的关键原则的好方法，这使每个人都更容易。

你是数据人。您是分析专家。其中很大一部分是数据分析，并转向数据驱动的决策。当您想到分析和机器学习来推动决策时，除了支持决策，而是实际上开始在机器时间内做出决策，这对您意味着什么?

Davenport：使用现代AI工具自动执行决策的好处在于，我们可以确保将数据和分析纳入决策，而不会造成任何可能的中断。现在，我认为人类仍然需要在此处添加一些内容，我们经常需要检查该决策的制定方式，甚至可能具有推翻决策的能力。

但是总的来说，我认为至少对于涉及大量数据的重复性战术决策，我们希望至少建议其中的大多数(如果不是完全由算法或基于AI的系统做出)。这将增加大多数组织中决策的质量，准确性和准确性。

决策的哪些属性使我们能够更轻松地使其自动化?您如何看待这种随时间变化的变化，既可以作为支持该数据的数据，又可以提供舒适度，从而使我们能够将更多实际决策移交给机器?

Davenport：我们需要数据，并且用于训练模型的数据必须是高质量和最新的。我们需要知道这些数据的结果。大多数机器学习模型，至少在企业中都是受监督的，这意味着我们需要在训练数据中标注结果。但是，您知道，我们所经历的大流行很好地说明了事实，即数据还必须反映当前的现实。

这些天，我们经常发现的一件事是，我们拥有的数据无法反映在大流行中开展业务的情况。因此，我认为这是自动化决策的关键之一。据我们所知，我们必须确保过去的数据可以很好地指导当前和将来发生的事情。

人们应该如何真正思考如何在AI应用程序中应用该技术以获得直接业务价值?

Davenport：运作良好的AI项目就是我所谓的低挂水果项目。š青梅人甚至称其为枯燥的AI，以便将其与提单在你的供应链什么赶到的法案比较吸出一份合同的数据。通过这种比较，公司可以节省或赚很多钱。这不是最令人兴奋的事情，但AI确实擅长于那些狭窄的任务。在诸如治疗癌症，找出在任何情况下都最好的股票或债券，甚至自动驾驶汽车等真正的大月球上，并不是那么好。