人工智能(AI)的迅速崛起為工業界、學術界和社會帶來了新的價值承諾。據估計，到 2030 年，人工智能可為全球 GDP 貢獻 13 萬億至 15.7 萬億美元。這些估計背后的共同假設是，企業正在并將廣泛采用人工智能技術來改變產品和服務、流程甚至整個商業模式以創造價值。然而，現實卻描繪了一幅不同的景象：組織努力將人工智能試點和原型成功地推向生產性用途和可擴展的市場產品。缺乏進展的主要原因之一是難以讓組織成員廣泛使用現代人工智能技術(例如機器學習和深度學習)，從而使他們能夠探索和實現有價值的人工智能應用。

在本文中，我們使用“大眾化”一詞.人工智能描述了在引入人工智能時通過涉及和整合領域專家、數據科學家和 IT 專業人員的獨特技能來識別、實現和擴展人工智能用例的組織能力的發展。人工智能大眾化的過程反映了一個重要的范式轉變：人工智能應用程序不像傳統軟件開發那樣被編程，而是基于算法和大量數據進行訓練。這種從確定性編程到概率性編程的轉變提供了新的應用場景(即做出預測和潛在的決策)，但也給組織帶來了新的挑戰。

先前的研究強調，由于數據、算法和領域知識之間的相互依賴性，在引入人工智能系統時需要巧妙地整合領域和人工智能專業知識。Zui近的一項研究提供了充分利用人工智能潛力并通過確保員工了解人工智能的策略來減輕意外后果的策略。處理基于人工智能的決策并指導其專業角色的轉變。盡管管理人工智能的研究仍處于起步階段，但lingxian學者表示，研究“數據科學和人工智能大眾化”將有助于提高組織中數據科學家和領域專家的生產力。

為了了解組織如何實現人工智能大眾化(即在引入人工智能系統時培養讓員工廣泛參與的能力)，我們對西門子進行了深入的案例研究。我們的研究以以下研究問題為指導：組織如何實現人工智能的大眾化？

我們的發現基于分析西門子的人工智能之旅。我們描述了西門子所經歷的發展階段通過它使人工智能大眾化，并分析幫助西門子利用人工智能推動業務轉型的具體活動。然后，我們提供了管理視角，說明人工智能大眾化如何增強企業的價值和成本驅動因素，并為希望讓組織大規模利用人工智能價值潛力的高管和CIO提供了建議的行動。這些建議源自西門子的經驗教訓。

定義人工智能大眾化Defining AI Democratization

《韋氏詞典》強調了“民主”這個形容詞的可及性和包容性，將其定義為“與廣大人民群眾相關、有吸引力或可用”。與此定義一致，我們使用“人工智能大眾化”這一術語來指發展組織能力，使人工智能技術在引入人工智能時對組織內的廣泛人員具有相關性、吸引力和可用性。研究人員使用這個術語“......任何人，即使是那些幾乎沒有專業知識的人，如果提供充足的數據和用戶友好的分析工具，都可以進行數據科學”，而從業者則建議“將人工智能從前一個觀點側重于向非人工智能專家提供數據和軟件工具，而后者則強調所有組織成員的參與。

在我們的研究中，我們重點關注組織在引入人工智能時如何通過吸收和整合領域專家、數據科學家和 IT 專業人員的獨特技能來實現人工智能的大眾化。這種三方視角考慮了組織成員的不同背景和技能：領域專家貢獻業務和領域數據科學家處理和開發構建人工智能模型的方法，IT 專業人員提供軟件工具和平臺，以將人工智能擴展到高效的信息系統。

人工智能大眾化有幫助解決人工智能問題的組織采用挑戰

在過去的十年中，人工智能與組織的關系越來越密切，因為它允許全新的應用程序，例如圖像分類、語音識別和檢測大數據集中的模式。企業尋求有效地部署人工智能以產生商業價值，但由于Zui新人工智能技術相關的挑戰而常常失敗。我們概述了這些人工智能特征如何對人工智能的組織采用帶來挑戰，并指出它們的實際相關性(見表 1)。

挑戰一：定義人工智能任務

人工智能應用程序利用數據解決狹義業務問題的特定任務。有價值的業務問題往往源自有能力的業務用戶或領域專家，而不是主要關注數學的數據科學家優化和模型性能。人工智能從想法到實施和擴展需要跨學科團隊的協作，這些團隊可以解決人工智能的重大、明確的問題，并有效評估解決方案的業務成果。

挑戰 2：處理數據的雙重角色

AI系統的學習很大程度上取決于在訓練上，系統識別數據中存儲的結構、模式和知識以生成 AI 模型。這種迭代、計算密集型過程生成的 AI 模型受到所選學習算法、其參數化和處理的訓練數據的影響。AI 模型可以然后用于根據新的輸入數據進行預測。數據的這種雙重作用(即作為學習的輸入和作為預測的輸入)不僅需要可用且可能策劃的數據，還需要建立假設以選擇相關數據特征的能力。從IT角度來看，學習對模型存儲、數據聯合以及人工智能系統開發和運行過程中的處理提出了要求。