 |
作者：Heather Gentile, IBM 大数据和人工智能软件产品管理总监
北京2023年5月15日 /美通社/ -- 众所周知，人工智能 (AI) 技术取得的进步，已经超越了实验时代，并逐渐成为许多组织的关键业务。 如今，AI 向我们展示了将数据转化为洞察和行动的宝贵机会，通过突破性的创新，来帮助增强人类能力、降低风险并提高投资回报率。
虽然现在还无法确定人工智能的发展前景，即便实现也是来之不易，但采用这项技术已经不再是可选项， 而是必选项。 根据最新的 IBM 调研， 72% 的受访决策者表示，决定采用 AI 技术的企业有望获得巨大优势。 那么，目前在人工智能采用方面，存在哪些阻碍呢？
组织难以采用 AI 的主要原因有三个：对实施 AI 缺乏信心；管理风险和声誉方面的挑战；随着 AI 法规的发展而进行扩展。
对实施 AI 缺乏信心
许多企业在采用 AI 时困难重重。 根据 Gartner 调研，54% 的模型处于预生产状态，因为没有自动化流程可以监管，以确保 AI 模型的可信性。原因如下：
精心规划、严格实施的人工智能应该基于可靠的数据构建，同时离不开可以提供透明且可解释的、输出的、自动化工具。 也就是说，一个成功交付可扩展的企业 AI ，需要专用工具和流程，来构建、部署、监控和重新训练 AI 模型。
管理风险和声誉方面的挑战
客户、员工和利益相关者希望组织负责任地使用人工智能，政府部门也开始提出相关要求。 负责任地使用 AI 至关重要，尤其是越来越多的组织在实施 AI 时担心损害品牌声誉。 我们也逐渐看到越来越多的企业将社会和道德责任作为战略重点之一。
随着 AI 法规的发展而进行扩展
随着 AI 法规不断出台，负责任地实施和扩展 AI 的挑战性逐渐增加，对于面对着繁杂的需求和受到高度监管的行业（例如金融服务、医疗保健和电信）的全球实体而言，负责任地实施和扩展 AI 更具挑战性。 不符合法律规定会导致政府以监管审计或罚款的形式进行干预，降低利益相关者与客户的信任，导致组织营收受损。
解决方案：IBM watsonx.governance
IBM 推出的 watsonx.governance，通过一套自动化流程、方法和工具来帮助管理组织的 AI 使用。 确保指导模型设计、开发、部署和监控的原则一致，对于推动负责任、透明和可解释的 AI 至关重要。 IBM 认为治理 AI 是每个组织的责任，适当的治理会帮助企业构建负责任的 AI，有助于强化个人隐私。 构建负责任的 AI 不仅需要提前规划，还需要自动化工具和流程，来实现公平、准确、透明和可解释的结果。
watsonx.governance 旨在帮助企业管理策略、最佳实践以及监管要求，并通过软件自动化来解决与风险和道德相关的问题。 它推动 AI 治理解决方案的发展，无需从当前数据科学平台切换，从而节省成本。
该解决方案可以提供开发一致的透明模型管理流程所需的一切内容。 其自动化功能通过捕获模型开发时间和元数据、提供部署后模型监控以及允许自定义工作流程，推动可扩展性和问责制。
watsonx.governance 基于三个关键原则创建，可满足组织在 AI 旅程的每个阶段提出的需求：
1. 生命周期监管：在整个 AI 生命周期中随时随地大规模实施 AI 模型的监控、编目和治理
在整个 AI/ML 生命周期中自动捕获模型元数据，使数据科学领导者和模型验证者能够获取其模型的最新视图。 生命周期治理使企业能够大规模运营和自动化 AI，并监控结果是否透明、可解释并减少有害的偏见和漂移。 这可以通过确定 AI 的使用方式以及模型重新训练的位置来帮助提高预测的准确性。
2. 风险管理：通过自动化和工作流程管理，管理风险以及对业务标准的遵从性大规模识别、管理、监控和报告风险。
使用动态仪表板提供清晰、简洁的可自定义结果，提高工作流程效率，增强协作，并帮助推动跨多个区域和地理位置的业务合规性。
3. 合规性：主动满足当前和未来法规的要求
将外部 AI 法规转化为针对内部利益相关者的策略，自动执行以解决合规性问题。 用户可以通过动态仪表板管理模型，跟踪合规管理状态。
下载 IBM waston.governance 电子书，了解成功案例，以及关于 IBM 如何推动负责任的 AI (RAI) 工作流程的更多信息。
联络 IBM 专家团队，让他们帮助您在 AI 生命周期的所有阶段大规模、快速地构建值得信赖的 AI 解决方案。
