许多全球组织都已将人工智能 (AI) 视为其业务的核心组成部分。事实上，在《2020 年人工智能和机器学习现状报告》中接受调查的四分之三的公司认为人工智能对其成功至关重要。这并不奇怪：鉴于可用于这些工作的人员、预算和其他资源的广泛性，现在是投资人工智能的最佳时机。
金融服务公司同样将人工智能融入其业务，以提高运营效率、增强客户体验并获得竞争优势。许多金融服务提供商已经完成了多个人工智能项目，他们开始问，现在该怎么办？
投资人工智能卓越中心
成为 AI 优先的组织对于长期成功至关重要。有此目标的组织应该投资 AI 卓越中心 (CoE)——事实上，超过三分之一的大公司已经拥有了。CoE 是特定学科的专家团队，负责管理资源并提供该领域的咨询。有了 AI CoE，公司就可以从不断增长的知识体系和最佳实践中受益，从而使可扩展的 AI 计划能够成功启动。
可以将 AI CoE 视为组织中的核心机器。这台机器包含过去 AI 计划的累积经验，以及在业务战略中使用 AI 的清晰愿景。它使团队能够持续提供符合业务需求的解决方案。它可以增加收入、提高成本效率、增强客户体验并为您提供竞争优势。
在金融服务领域，AI CoE 可以帮助建立数据基础设施，以确保项目能够成功大规模启动，并利用高质量的训练数据来实现这一目标。AI CoE 将支持组建合适的工程团队，以满足对训练数据数量、质量和速度日益增长的要求。很少有金融服务公司开发了 AI CoE，因此没有充分利用最新的最佳实践，从而危及 AI 项目的成功。
如何建立人工智能卓越中心
构建 AI CoE 涉及几个关键步骤：
为人工智能辩护
确定 AI 的业务用例以及您的组织将如何从 AI 计划中受益。确定您拥有哪种数据以及您需要哪种数据。确定您的 CoE 的范围。
获得利益相关者的认可
建立 CoE 需要团队共同努力。与组织内的相关利益相关者（尤其是执行团队）分享您的 AI 案例。调查结果表明，80% 的 AI 项目由副总裁或更高级别的人员管理。
许多组织都在努力协调业务主管和技术人员之间的关系，尤其是在数据挑战、核心问 荷兰电报数据 题和预算分配方面。请记住，协调对于创建强大的 AI 基础设施至关重要。
建立您的 CoE 团队和架构
考虑哪些团队对成功至关重要并拥有领域专业知识。您可能需要跨产品、产品管理、机器学习、数据分析和 DevOps（或其下一代技术 AIOps）的团队。
DevOps 值得特别提及——这些团队确保公司基础设施内的一切顺利运行，并且需要他们的支持来启动模型和管理后期制作交付管道。与 DevOps 一样，AIOps 监控模型是否按预期运行，但通过机器学习和高级分析技术增加了 AI 的利用。
构建飞轮来启动你的人工智能计划
飞轮是由最佳实践组成的自我强化循环。您的 CoE 应该充当飞轮，即推动收入的核心机器。要建立可扩展的实践并创造初始动力，请从小处着手，快速取胜。
确定每项计划的成功指标，包括节省金钱和时间、创造收入或提高效率。这些指标将指导您的启动过程并确定您需要的数据。
收集高质量数据（干净、完整且可靠的数据），并在开发解决用例的算法之前能够收集、存储和注释这些数据。不要忽视这一步的重要性；训练数据是人工智能的基础，也是模型成功或失败的关键指标。