AI Strategy: How to Choose What AI Product to Implement
本文介绍了预期投资回报率（eROI）框架，该框架通过分别评估每个构想的潜在价值、成功可能性和实施成本，帮助企业克服人工智能项目选择的不确定性，从而构建一个由高潜力赌注组成的稳健组合。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你是一位巨型飞船的船长，你的燃料储备有限。你需要决定去访问哪些遥远的星球。有些星球在你的雷达上看起来闪闪发光、前景广阔，而有些则显得神秘且可能充满危险。在商业世界中，这种“燃料”就是金钱和时间，而“星球”则是新的项目。长期以来，试图使用人工智能（AI）的公司就像是在根据星球看起来有多酷来猜测该去哪颗星球，而不是检查是否真的可以着陆，或者这次航行是否值得。这篇论文深入探讨了这样一个问题：当你无法百分之百确定某件事是否会成功时，你该如何选择要构建哪个 AI 项目？作者引入了一种被称为“eROI”（预期投资回报率）的新思维方式。与其试图通过一个单一的魔术数字来预测利润，他们建议将决策分解为三个简单的问题：如果成功了，我们会赚多少钱？成功的可能性有多大？以及构建它的成本是多少？这就像是在出发之前先检查地图、天气预报和预算一样。
作者是商业和数据科学领域的专家，他们认为大多数公司在 AI 上的失败并非因为技术太难，而是因为他们选错了要启动的项目。他们提出了一个名为 eROI（预期投资回报率）的框架，以帮助领导者从数百个想法中筛选出赢家。其核心理念简单而强大：不要再试图把所有东西都塞进一个令人困惑的数字里，而是将你的决策拆分为三个独立的支柱。
首先，问自己：“如果它成功了，价值会有多大？” 这不仅仅是指眼前的现金；它还关乎这个项目是否符合公司的宏伟目标，是否为未来创造了新的数据资产，或者是否让团队学到了新知识。
其次，问自己：“成功的可能性有多大？” 这是最棘手的部分。AI 充满了科学上的不确定性。仅仅拥有数据并不意味着计算机就能找出其中的规律。作者将其分解为四个检查点：客户会使用它吗？我们的工程师能造出来吗？我们有合适的数据吗？以及最重要的一点：这项科学本身是否可行？如果任何一个问题的答案是“可能不行”，那么整个项目就是高风险的。
第三，问自己：“成本是多少？” 这不仅仅是软件的价格。它包括你团队花费的时间、购买新数据的成本，以及将新工具融入现有日常工作流程的艰辛过程。
为了展示这一方法的实际应用，作者讲述了一个名为 Compass 的房地产公司的故事。他们审视了该公司考虑中的三个不同 AI 构想：
“极有可能售出”工具： 这是一个系统，它通过分析经纪人的联系人名单，标记出那些近期最有可能挂牌出售房屋的人。
- 结论： 这是一个巨大的成功。它具有极高的价值，因为它直接帮助经纪人增加了销售额；它具有高的成功可能性，因为数据很清晰，科学原理也很直观；它的成本为中等，因为团队已经拥有了构建它所需的工具。
- 结果： 公司开发了它，并最终创造了数亿美元的额外收入。
“在售时长”工具： 这是一个高级计算器，试图精确预测一套房子在特定价格下会在市场上停留多久。
- 结论： 这是一个陷阱。虽然从纸面上看它具有高价值，但其成功可能性很低。为什么？因为背后的科学逻辑是断裂的。要预测价格如何“导致”房子卖得更快，你需要知道如果价格不同会发生什么。但你在现实生活中永远无法看到那种“假设”的情景。作者称之为“因果”问题，如果没有特殊的实验，AI 是无法解决这个问题的。
- 结果： 公司明智地搁置了这个想法。构建它将会浪费资金，因为目前的科学水平尚无法实现。
“装修可视化”工具： 这是一个生成式 AI 工具，可以提取一张破旧厨房的照片，并展示装修后的样子。
- 结论： 这是一个“也许”。其价值为低到中等，因为已经有更便宜的方法可以做到这一点（比如虚拟软装）；其成功可能性为中等，因为 AI 可能会犯一些让买家感到愤怒的奇怪错误；其成本为中等。
- 结果： 尽管听起来很酷且使用了最新的“生成式 AI”热词，但其数学逻辑并不成立。公司开发了一个版本，但它并没有流行起来，因为相对于其带来的收益，出错的风险太高了。
论文指出，成功的秘诀不在于拥有一个伟大的想法或最聪明的工程师，而在于拥有一个投资组合。你不会把所有的燃料都投入到一个“最好的”项目里。相反，你应该混合一些稳妥的选择（快速获胜型）、一些宏大的冒险梦想（登月计划），以及一些旨在研究这些大梦想是否可行的研究项目。
作者谨慎地指出，你不需要完美的数学模型来使用这个方法。你不需要精确计算到每一分钱的利润。你只需要对三个支柱中的每一个进行简单的评级，如“低”、“中”、“高”或“极高”。这有助于团队停止争论一个项目是“好”还是“坏”，转而开始真正的对话，讨论它为什么可能成功或失败。
最后，这篇论文告诉我们，选择一个 AI 项目就像规划一次公路旅行。你不能只挑选那张照片最漂亮的终点站。你必须检查车辆能否应对路况（技术确定性）、你是否有足够的汽油（投资），以及目的地是否真的值得这一趟旅程（价值）。通过分离这些问题，公司可以停止在那些看起来很美但无法实现的项目上浪费金钱，转而资助那些真正能改变游戏规则的项目。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。