一个有趣的问题，但我要重述：AI是解决方案，是支持该解决方案的技术，还是更大系统的一部分？我一直认为AI支持数字化转型，其中包括使用数字技术所需的所有组织变革。因此，我一直比解决方案或技术更广泛地考虑AI。 HBR文章指出，1）被调查的组织中有80％正在开发某种AI应用程序，并且2）将AI视为系统而非解决方案的公司的收入将比下一个增长三分之一。 5年[一世].

要了解为什么会如此，请考虑以下几种可能性：

如果我们将AI视为解决方案，则需要非常清楚其解决的问题或业务需要解决的问题。例如，假设我们需要能够预测哪些客户将购买我们的新产品。当然，这听起来像是业务需求，但这确实是一种解决方案。嗯，您可能在想。预测客户模式=预测分析，所以我需要的解决方案是预测分析。不，预测分析是我们可以预测谁将购买我们产品的一种方式。它支持解决方案。但是，业务问题是什么？这可能与市场份额损失，收入减少或其他许多实际问题有关。

所以代替：

• 问题：我们需要人工智能来保持竞争力
• 解决方案：AI

我们可以认为它是：

• 问题：自去年同期以来，市场份额下降了x％，导致收入下降了$ x
• 解决方案：能够预测哪些客户将购买我们的新产品，以增加我们的客户群并增加收入。
• 解决方案所需的技术：分析客户购买模式数据并预测将购买我们产品的客户的软件

但是技术本身可以解决我们的问题吗？可能不会。有关需要更改的相关端到端流程，需要分析的大量数据以及需要做出的预测，要使用的算法，人工智能对组织文化的影响，将被创建和丢失，需要做出的业务决策，要考虑的业务规则等等。

当我们将AI视为系统的技术部分时，这是最广义的系统，这开始变得有意义。我们知道，我们不仅需要了解技术，还需要了解围绕该技术的所有上下文和过程。当我们分析整个系统时，我们考虑如下因素：

• 问题：在这种情况下，竞争对手失去了市场份额
• 解决方案：能够预测哪些客户将购买我们的新产品
• 解决方案所需的技术：分析客户购买模式数据并预测将购买我们产品的客户的软件
• 流程：当前流程以及随着解决方案的实施它们将如何变化
• 要创建和雇用的新角色和职位

我们还知道如何使组织意识到以下后果：

• 错误的员工进行工作，例如创建模型
• 脏数据导致破旧的分析和错误的预测
• 主要利益相关者的接受程度最低
• 错误的人制定业务规则和其他业务决策
• 偏差内置于预测模型中

我认为，这就是为什么采用系统方法会增加组织看到收入增长的机会的原因之一。不仅要考虑技术，还需要考虑整个系统，这是令人费解但必不可少的艰苦工作，需要弄清整个问题。如果仅看技术，我们很容易陷入众多组织所陷入的无数陷阱，从而降低了取得成功的机会。

广管局如何提供帮助

• 了解问题。 我们可以帮助解释问题与解决问题之间的区别，而解决问题并不一定有助于组织实现其目标。
• 确保数据值得信赖。 AI依赖于值得信赖的数据，即干净的数据，这些数据不仅具有单一记录源，而且来自商定的源。确保数据业务规则与组织的目标一致。
• 检查算法和基础数据 看看是否存在内置偏差。这些天的BA需要适应各种形式的AI（机器学习，预测分析，RPA等）。他们需要对使用的各种算法进行自我教育，以及从一种算法到另一种算法的优缺点。 商业角度。我们需要提出非常好的问题，以确保将正确的算法用于当前的业务需求。我们需要确保各种预测和AI建议不会损害组织为多种成分服务的能力。我们需要寻找潜在的偏见。
• 帮助评估预测工具 清除任何有意或无意造成偏见的事物。作为学士学位，我们可以帮助组织检查各种 衡量成功的指标，并说明主观衡量指标可能如何随着时间推移隐式地影响工具的预测。我们可以查看端到端流程以及这些流程的输入和输出，以检查数据中潜在的偏差。而且，一旦我们了解了组织的“系统”，便可以与软件供应商合作，以确保软件本身与组织的目标保持一致，并且没有隐藏的内在偏见。

另一方面，如果我们的范围仅是实施AI应用程序，则很可能会短路许多所需的业务分析，从而产生令人遗憾的统计数据-72％的高管表示，他们公司的数字化努力未达到收入预期。[ii].

组织可能希望我们帮助他们快速实施AI，但正如许多组织所做的那样，他们需要我们帮助他们避免陷入常见陷阱的后果。换句话说，当将AI视为系统时，我们可以尽自己的一份力量帮助实现收入增长预测

[一世] //hbr.org/2019/05/taking-a-systems-approach-to-adopting-ai Bhaskar Ghosh，Paul R.Daugherty，H James Wilson，Adam Burden采取系统方法采用AI

[ii] Gartner，11/27/2018 HBR， 每个组织职能部门都需要进行数字化转型