沒有超好的用戶體驗，AI改變不了公司

隨著AI演算法滲透到企業，公司學習的事情和機器學習的一樣多。高明的管理團隊如何最大化越來越智能化系統的經濟價值呢？

重新設計業務流程和更好的培訓很重要，但是更好的使用實例——那些決定日常業務盈利的現實世界的任務和交互情況提供了最大的回報。將更好的演算法優先於深思熟慮的使用實例是我在各家公司AI初始化過程中看到的最致命的錯誤。當將優化流程技術優先於實際過程工作如何完成時，公司就開始走彎路了。

除非我們確實在將流程自動化——也就是，將人從工作環境中解放出來——AI演算法應當讓人們的工作更加簡單，更容易同時更加有效率。

確認使用實例，和給人們的表現增加價值和流程效率一樣，是企業應用AI成功的關鍵因素。與之相反，公司承諾在監督和決策上給智能機器更大的自由權和管控權利。

從策略上說，一個高明的依據數據處理的演算法顯然沒通盤考慮的UX設計重要。通盤考慮的UX設計能更好的培訓機器學習系統，讓其變得更為智能。我所知的最有效率地數據科學家從使用實例和UX導向的想法中學習。例如，在一家工業控制公司，數據科學家發現其智能系統之一的使用者們非正式的使用數據設置來對客戶反饋進行優先順序排序。這個非預期的使用實例引起了對原始演算法的一次重新培訓。

聚焦於更清楚，更簡潔的使用實例意味著AI和其使用者之間的更好更有效率的關係。勞動力的分化成為設計想法和資源的來源。對更多的產出的需求導致從培訓出更智能的演算法轉向了找出使用實例應當如何進化。這樣就推動了機器學習，也推動了組織內學習。

當公司準備從獨立的系統中挑選出AI授權的人和流程時，有5個用戶實例類別凸現。豪不奇怪地，這些類別描敘了智能實體如何一起讓工作完成的過程——並且強調人力的介入依舊重要。取決於人，流程，和要求的產出，AI會讓人的因素更加重要。

助手

亞莉克莎（網站排名系統），Siri和cortana這些軟體已經在現實世界使用實例中作為AI助手關係引入。在亞馬遜購物的某一個階段，助手擁有進行中度複雜任務的能力。通過不管是聲音或聊天機器人的媒介，簡單和直接的界面讓助手使用起來又快又簡單。他們的效率預計和人們通過演算法分析出來的真正的自身需要不相上下。數據助手變得更智能並懂得更多，他們的任務處理範圍和全部技能也拓展了。最有效的助手能學習快速向他們的用戶及時提出問題，並能提出用以改善雙方互動和產出的關鍵詞。

指導

助手只能執行要求的任務，而指導幫助用戶操縱複雜的任務以滿足預期的產出。使用waze駕駛汽車通過建築物堆積的跨鎮交通就是一個例子；使用一項增強現實工具來診斷並維修移動設備或者高壓交流電系統則是另一個。數字化的指引展示並告知它們的用戶下一步應當是什麼，並且如有步驟被錯過，建議出同樣可以成功的替代方法。指引是智能軟體sherpa，其專長的領域就是致力於讓它們的用戶達到預期的目標。

顧問

與指導對比，顧問在操作和目標專長方向做的更好。AI顧問將應用實例拓展到工人需要實時的專業知識或者建議來解決問題時。顧問，就像和他們相似的人，提供選擇和解釋，也有原因和對原理的闡述。一個軟體開發項目的經理需要評估各階段的計劃；AI顧問問問題並引出信息得到允許指定的對下一步的建議。AI顧問能包含相關鏈接，項目歷史以及情境報告。更高端的顧問提供策略性建議來作為他們的戰略建議。

顧問定製化他們的功能性知識——計劃，預算，資源分配，採購，購買，圖形設計；等等——以滿足其人類客戶的用戶實例需求。它們是貢獻其專業知識的不帶感情色彩的建議機器人

同事

同事就像一名顧問卻依數據情況處理並掌握分析當地情況。也就是說，同事的專業領域在組織本身。

同事們有條件進行相關的工作分析，企業預算，排程，計劃，先後順序和表達提供給同事的編製內的建議。同事使用實例解決周邊包括建議經理和工人如何更有效率工作以及組織內如何更為有效的問題。一名AI同事可能會在郵件中建議參考和（或）附上一段描述；向那位項目領導人尋求建議；哪個預算模板適合此項申請；哪個客戶合同需要提前預警，等等。同事們協作性比工具更強；他們提供依數據處理的組織內的觀點和警示。就像他們的人類同伴一樣，他們以共鳴板方式服務——也就是——幫助澄清溝通，找出渴求點和風險。

老闆

同事和顧問提供建議，老闆則做出指示。老闆類型AI告知他的人下一步怎麼做。老闆應用實例負責消除異議，選擇和含糊意見，代之以需要執行的指示，命令，和條例。開始這樣做，停止那樣做；改變這個排程，壓縮那項預算；將這份備忘錄發到你的小組。

老闆類型AI為服從和統一而設計；小組內的人必須屈服於系統的演算法。老闆類型AI代表了從不確定狀態到類似的工作場所自治，類似的工作場所進行自動駕駛飛機或者猛烈剎車時的自動防撞機制。特定的使用實例和環境觸發了人類反應級別低於軟體的情況。但是老闆姓軟體真正測試的是人；如果人沒有被約束——或者罰款——為其違法行為買單，那麼軟體實際上不是老闆。

作為最後的案例說明，這些明顯不同的類別會快速切入到和其他的類別，讓人迷糊。構思不同的場景和使用實例，讓指導能成為助手，助手有條件上升為同事，還有顧問轉化為老闆，這些都很容易。但是這五個不同使用類型表現出來的基本的不同和特性應當接入幻想未來時的現實而又嚴苛的法則中。

在所有五個類型中隱含了信任的要求。工人們是否信任他們的助手，認為他們會只做他們被要求或指示的？經理們是否信任老闆類型軟體的能力或他們的同事不會背叛他們？不管AI軟體變得多智能，信任和透明度問題會一直存在，即使因為決策過程變得極其的複雜和專業使得他們變得更為重要。有一個風險：這些人工智慧進化——或退化成「友敵」。也就是說，軟體對人類同時是朋友和對手。最終，通過使用實例來確認何種介面和交互能產生人機信任變得必要。

用戶實例可能被證明對加強智能人類/職能機器的生產力至關重要。但是現實情況中確立他們最終價值的可能是通過他們怎樣優化組織的優點以達到更好的自動化和自主化的能力。這些類別真正的對組織的衝擊和影響可能體現在，他們被證明是人們培養其接班人的最佳方式。

開放媒體商務合作啦～