人工智能的出现推动了与收入相关的KPI

现在大多数公司都可以找到某种形式的人工智能(AI)项目，其余的似乎至少有几个项目处于规划阶段。如果Marc Andreessen现在著名的“软件将吞噬世界”华尔街日报的文章在他七年前撰写时正在成为现实，那么关于人工智能的“吞噬世界”声明在今天同样正确。

人工智能，或者至少声称是人工智能的东西，可以在整个消费者和商业领域中看到。支持亚马逊和Netflix建议的推荐引擎是AI吗？他们似乎是。在Netflix的案例中，他们几年前采取了行动，根据对您喜欢的内容的分析，而不是仅根据您观看的内容来推荐“您可能喜欢”。由Netflix订阅者决定这是否使他们的推荐更加清晰。在亚马逊方面，2016年，该公司通过一个名为DSSTNE的项目开源了其推荐系统的AI框架。

虽然这些推荐引擎涉及机器学习，但由于它们无处不在，我们很少考虑它们背后的原因。对大多数人来说，它们是推荐引擎，并没有太多心思去剖析它们的工作原理。这是人工智能应用于现有技术的正常周期。人工智能通常是最有价值的，因为它是一种成分，可以增强现有的产品和技术。

至此，随着当前人工智能相关创新浪潮的增加，毫不奇怪，首批应用都与新产品或产品增强有关。人工智能助手、聊天机器人和人工智能对自动驾驶汽车的贡献可能是讨论最多的。对人工智能技术的投资支持了这种对创新的关注，布鲁金斯学会报告称，在2014-2017年期间，仅对自动驾驶汽车的投资就达到了800亿美元，预计2018年的投资将更多。

商业战略家可以告诉你，几十年来，人工智能一直在整个组织中传递变革的浪潮，进而影响到我们的一生。例如，预测分析公司从机器学习中受益匪浅，可以在从信用评分和欺诈检测到确定数据库中哪些线索最有可能提供更高生命周期价值的广泛领域为组织提供帮助。

人工智能推动的创新并不是什么新鲜事。人工智能项目已经活跃了几十年，1956年在达特茅斯学院正式开始。并不是他们一直躲在学术界。随着人工智能项目的成熟，它们被融入技术中，这是一种常见的做法。推荐引擎示例显示了这一点。按照这个推理，在不久的将来，我们很可能不会听到人工智能何时出现在一项技术中。例如，今天，您可能会阅读AI如何实现高级欺诈检测或改进的聊天机器人。在不久的将来，只要需要预测分析和主动个性化，最好的品种将包括人工智能。

人工智能已被证明能有效打破技术壁垒。五年前看似不可能的事情现在已成为现实。以产品和内容个性化为例。不久前，数字个性化只能在互联网上实现，通过跟踪过去的访问和购买来提供更个性化的体验。如果移动或物联网设备的用户想要“个性化”的体验，他们需要自己设置偏好，即使有最好的意图，这项任务也常常无法完成。跳转到今天，了解最终用户全天在物理世界中做什么的能力现在用于主动预测最合适的体验以提供给最终用户。结果是使用量增加、客户流失减少和转化率提高。

随着人工智能的加入变得越来越普遍，它在组织中的表现方式再次发生了变化。是的，它将继续成为创新的驱动力，但对它的要求越来越高。这对组织的开发和业务方面都是一件好事。与公司的战略愿景或现有核心业务没有明确联系的项目有可能会分散组织内外的注意力。

在衡量项目工作与规定结果的匹配程度时，KPI是最好的工具之一。定义明确的企业KPI以及部门和个人KPI可以让公司保持：专注于季度数据；其产品路线图走上正轨；或向前推进的长期战略举措。那么如何将AI融入KPI流程呢？

有两种方法可以利用AI来改进KPI——充分利用现有资源和有目的地开发。

首先是利用现有的人工智能项目。我们都看到过很酷的技术，事后看来会引出一个问题：“但我们如何使用它呢？”从创新审计开始。盘点正在开发或已经开发的东西。这有什么作用？而且，它如何与公司当前的KPI和长期目标相结合？这可能需要开发人员或项目经理以外的其他人来帮助进行此评估。我建议召开面对面或网络会议来讨论项目的能力和目标。这是关于如何利用项目的积极沟通。沟通至关重要。您正在寻找利用创新的现有和新方法，而不是评估个人为组织带来的价值。

第二种利用AI改进KPI的方法始于规划阶段。许多公司都知道他们应该拥抱人工智能项目，但他们想知道从哪些项目开始。首先查看贵公司的关键KPI，尤其是贵公司与收入相关的KPI。现在，问：人工智能可以做些什么来改善这些KPI？看看上面的真实世界预测示例，有几个KPI可以解决。如果应用程序开发人员从应用程序内购买中获得收入，则增加使用应用程序的时间支持收入KPI。根据细化的角色交付与用户更相关的内容支持转化率KPI，该KPI通常用于衡量从免费增值订阅转向高级订阅的用户。和，

对于将AI视为其产品及其业务运作方式的重要组成部分的组织而言，它可能不仅是KPI乘数，而且很快就会成为收入乘数。