我知道这是可能的，因为我见过它发挥作用。然而，当 为什么您不需要 你在 Google（或 Bing！）上搜索 AI/ML 项目的成功率时，前几页结果主要是统计数据和研究，这些研究表明，只有一小部分（最近的 Gartner 报告预测为 15%）的项目成功实现了业务所需的预期结果，超过一半的项目甚至没有完成原型阶段。这是为什么呢？
近 85％ 的 AI / ML 项目未能实现的原因多种多样，包括：
- 无法构建支持新项目的基础设施
- 无法投入合适的人力资源
- 无法准确预测业务成果
- 无法将模型部署到生产业务流程中
- 无法在组织内建立信任，认为结果足够好，值得信赖
由于所有这些因素和变量，以及 AI 作为业务增强解决方案仍然相对较新，大多数企业似乎都面临巨大的困难。这就是我做这些事情的“原因”。我热衷于帮助组织利用技术解决业务问题。特别是在 AI 和 NLP/NLU 领域。
目标：解决业务问题
关于自行开发还是购买的讨论由来已久，与商业本身一样古老。那么，当您评估企业技术解决方案以解决业务问题时，需要考虑的最相关因素是什么？
- 我们能否利用开源（OS）工具获得现成的技术？
- 如果我们自己使用这些现成的组件进行构建，是否可以更便宜呢？
- 我应该利用我的内部人才库来构建这个吗？
- 我不需要购买所有的功能，所以我可以跳过它们并节省一点钱吗？
通常，根据我的经验，这取决于成本和投资回报率。许多传统思维会导致这样的结果：“如果我自己建造，会更便宜。”好吧，也许吧……但首先，这个项目的目标是什么？
示例：“我的企业需要 CRM……我应该自 whatsapp 号码数据 己开发还是购买？” 聘请一些软件开发人员使用开源工具创建 CRM 可能比购买 Salesforce 或 Pega CRM 更便宜，但难道没有其他考虑因素吗？业务目标是什么？是为数千名销售代表的投资者生成收入预测，并允许这些销售代表管理他们的业务吗？请记住，我们正在讨论有助于业务转型的关键任务解决方案，我们需要确保以下几点：
- 解决方案必须提供预期的商业价值
- 该解决方案必须可靠，以便最终用户采用
- 解决方案必须在预期的时间范围内部署
- 该解决方案必须得到良好的支持，以解决错误、升级和增强
- 解决方案必须是可移植的，并且不由单个员工或一小群员工拥有
- 解决方案必须提供投资回报
如果我们无法实现这些成果，我们最终将陷入 Gartner 认定的 85% 失败的 AI/NLP 项目类别之中。
请记住，这是针对传统 SaaS（软件即服务）的，大多数组织都了解其中的风险，因此不会过多争论是自行构建还是购买。那么为什么 AI 和 ML 项目被认为不同呢？
为什么人工智能和机器学习项目有所不同
是因为这些是相对较新的技术吗？事实上，人工智能和机器 不要忘记考虑您的非营利组织的战 学习项目已经从实验性发展成为企业在这个指数级扩张和技术驱动的世界中保持竞争力必须采取的关键步骤。组织必须学会利用这些技术进步，让自己比其他组织更好、更快、更智能、更高效……否则，他们将错失竞争对手将抓住的机会。组织必须像对待传统软件项目一样看待这些项目。
我从与客户的交谈
中得知，有些个人和团队致力于并热衷于为其业务部门创建和部署 AI 解决方案，我们当然不想将他们排除在外。事实上，我们希望赋予他们以及业务用户权力，让他们找到解决当前问题的最佳解决方案。我并不是在否定有才华的个人是否可以独立构建，而是在考虑试图解决业务问题的组织是否应该独立构建。
那么，如果我们换一个问题，结果会怎样？如果 英国电话号码 我们将购买和构建结合起来，并提供一种解决方案，使企业能够在一个已被证明有助于实现成果的平台上“构建”，结果会怎样？这就是我所看到为企业创造最大成功的问题，也是最终的解决方案。