《AI系统的挑战3——变更管理》

吴恩达老师的小短文翻译。

原文链接：https://blog.deeplearning.ai/blog/the-batch-google-achieves-quantum-supremacy-amazon-aims-to-sway-lawmakers-ai-predicts-basketball-plays-face-detector-preserves-privacy-problems-beyond-bounding-box?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&utm_content=80323254&_hsenc=p2ANqtz-9gxwZaqkMz1t_GZLN8HhNeNDJZeWB1xzqGdw7zRv12xCC8c2uD62p3MAPfYZnPrRLZm1F3mFIBWoITbZA4u5q5T3ooxA&_hsmi=80323254

译者注：这里的“变更”指由技术带来的各种变化。“变更管理”指主动介入让这种变化更好的被接受。

变更管理不是AI特有的问题，但考虑到技术的破坏性，如果想让项目成功我们就必须要关注变更。比如一个帮助医生在紧急抢救室分类患者的AI系统影响到很多相关人员，从医生到护士到保险公司。为了保证项目成功，必须让相关人员参与进来，系统必须不断调整。

我近期看到一个团体由于担心AI会替换掉人工工作而拒绝甚至小规模的实验。这很不幸，因为AI系统被认为会增加雇员的价值而不减少雇员数量。一个变更管理流程会让相关人员对实验更接受并且帮助他们理解为什么这不是威胁而是有价值的事情。

很多工程师低估了变更管理中人的作用。一些小贴士如下：

1. 安排足够的时间。变革管理需要问很多问题，评估各种角色将如何改变，并向许多人解释人工智能将做什么。

2. 识别所有利益相关人员。要么直接与他们沟通，要么想办法让同事与他们交谈。许多组织以协商一致的方式做出决策，将任何利益相关者阻碍或减缓实施的可能性降到最低是很重要的。我们还需要在利益相关者中树立信任，让他们相信人工智能会发挥作用。

3. 提供保证。总是尽可能向人们解释他们的工作将如何改变，以及新系统将如何使他们受益。

4. 解释发生了什么和为什么。对人工智能的恐惧、不确定性和怀疑依然存在。而提供基本的教育——按照人工智能课程的思路——可以简化沟通。其他方法包括可解释、可视化、严格的测试和审计，也有助于在人工智能系统中建立信任并说服我们的客户（和我们自己）它真的很管用。

5. 第一个项目的正确选择。如果不能建立一个影响很多人的复杂系统，考虑先开始一个小的先行性项目，影响小部分利益相关人员，使得项目更容易被接受。

正如我们在自动驾驶中看到的，建立一个AI系统通常意味着解决系统性问题。这不但需要利益相关人员的角色和组织架构发生变动，还有围绕AI的其他很多事情，比如司机、行人的预期，首批响应者，围绕道路维护和建设的更新流程。解决系统性问题会增加项目成功的概率。

如果你理解稳定性，小数据和变更管理等问题，如果你能提前发现和解决这些问题，你将在搭建成功AI系统的路上遥遥领先。

搭建AI项目是困难的。让我们继续推动和分享彼此的经验，共同前进。