为什么董事会和首席执行官必须具备AI才能领先
您无法逃脱人工智能（AI）的日常现实。所有来自不同行业的《财富》 1000强企业领导者都在积极开展针对AI的计划。企业和中端市场的全球公司都在迅速创新，以通过具有AI优势的诱人前景来增加收入，增加利润并在产品和服务产品中发现新价值。
尽管AI有所增长，但董事会和CEO在AI语言素养和风险管理实践方面仍然远远落后。人工智能的加速几乎就像一场暴风雨，一场完美的风暴可能正在酝酿之中，因为很少有董事会和首席执行官能够回答这个问题。您的AI算法（算法）和模型位于何处，您的AI算法/模型是否具有风险特征？
AI的增长就像狂野的西部：2020年7月初发布的新的全球研究报告指出，AI市场的复合年增长率超过42％，美国将超过$ 733.7B。根据麻省理工学院斯隆研究中心（MIT Sloan Research）的说法，超过90％的大型企业正在使用AI改善他们的客户交互旅程。人工智能创业投资的增长让人想起了.com牛市，您可能还记得2002年3月牛市下跌了76％，这唤醒了人们对价值实现和盈利能力的重要性的觉醒。
根据CBI Insights的数据，2019年投资了266亿美元，涉及全球2200余笔交易，尽管Covid-19，尽管医疗应急和智能化机器，医疗机器人等变革性技术的增长，但其发展迅速成为AI解决方案帮助控制流行病。
平均而言， 到2022 年，对高级分析的投资将  超过整体营销预算的11％。  随着组织将AI和机器学习工具纳入其业务流程，到2025年，在AI软件上的支出将达到  $ 125B。
您可能会认为，通过所有这些增长活动，更多的董事会和首席执行官可以轻松地生成一个综合列表，以识别其所有AI算法/模型的位置，并提供可靠的风险状况，并能够通过清晰的关键绩效指标来证明价值实现）（KPI）和投资回报率（ROI）标记。
不幸的是，许多公司都被采用黑盒子AI实践的AI计划所吸引，这意味着清晰的问责制并不容易显而易见，透明，更不用说审计风险了。董事会董事和首席执行官知道员工的位置，无论是在远程工作还是在办公室中，应联系谁来解决客户服务或个人问题。
但是，我不知道一家全球公司的董事会或首席执行官可以在不到五分钟的时间内生产出该公司在其企业运营中所有AI算法/ AI模型资产的完整列表，并且不知道上次修订模型的日期，并具有可靠的风险分类证据，并由第三方审核员验证。
随着数据的民主化成为AI支持的基础，必须提高AI和机器学习（ML）的KPI使其像我们的财务KPI一样具有更高的重要性，从而提高透明度，就像审计师受到了损益表的信托责任制的约束。我们的世界已经发生了变化，数据现在已成为我们最具战略意义的资产，但是很少有公司在其数据管理实践中扮演榜样的角色，他们很容易知道在哪里设计，收集和存储数据以实现和跟踪AI模型转换的价值。
很少有公司拥有成熟的AI卓越中心，而机器学习运营（MLOps）是能力中心，尽管许多公司现在开始投资ML Ops。福布斯撰稿人 Ron Schmeltzer最近以出色的摘要介绍了AI ML Ops的出现，以增进该领域的知识。此外，New Relic的最新研究研究发现，在接受调查的750位全球高级IT决策者中，有89％的人认为AI和机器学习对于组织如何运营IT运营至关重要。将近84％的受访者确认AI和机器学习将使其角色更易于管理。对AI的乐观乐观的展望将加速采用数据管理实践的改进，这是AI建模和风险管理实践的关键。
我自己的研究来自过去18个月中对大型B2B企业直接与500多个全球C级员工的交谈，我无法确定一家可以在五分钟内产生以下大多数这些问题答案的公司。
提出正确的AI问题以保持领先地位-每个使用AI算法或一系列AI算法构建定制化AI模型以解决特定问题或业务挑战的项目都应能够回答以下许多问题：
用例历史
·AI模型/算法用于什么用例？
·AI模型/算法解决了什么业务问题或挑战？
·在设计，构建和实施用例之前，AI模型和方法对组织的初始估计值（ROI）是多少？
AI模型所有权历史
·谁编写了算法或建立了AI模型？
·流程所有者当前在公司吗？
·考虑到AI模型和算法方法的风险，是否存在AI模型的辅助流程所有者？
·算法和模型结构是否由创建者以外的其他人审核？是谁啊
创建和修订历史
·何时创建AI模型/ AI算法？
·自从首次发布产品以来，对AI模型/ AI算法进行了多少次修订？
·使用哪种类型的AI算法？
·该算法是开源的吗？或者有人编写了独特的AI算法来解决您独特的业务挑战？
AI算法/模型方法历史
·AI算法的数学结构/公式是什么？
·数学是否已由第三方专家验证以验证准确性？
·负责监督正在运行AI算法的模型的当前AI模型/算法流程的所有者是谁？
·用于AI模型开发的数据类型（结构化/非结构化数据）和数据源（内部，外部，两者均是什么）是什么？
·数据集的大小是多少？
·分析之前是否已清洗数据集？如果是这样，谁清洁了谁，使用了什么方法？
·AI模型中使用的数据源的质量和准确性如何？
·与所有版本历史记录相比，基线预测准确性得分是多少？
·使用的AI模型和AI算法是否有风险类别以及风险缓解计划？
·开发的AI模型是否经过数据偏倚测试？
·使用了哪些数据偏差方法？
·完成了几种类型的数据偏差风险评估？
·上一次审查和优化/重新训练AI模型是什么时候？
AI算法/模型价值实现
·就投资回报率而言，人工智能模型对组织的结果是什么？
·是否明确定义了支持ROI的效率或效果价值结果？
·第一个用例的ROI /价值结果预测与实际的AI生产ROI结果相比有多准确？
·AI价值结果是否已由财务专家或第三方专家验证，审核或签署？如果是这样，是否已提交报告？
·这种AI模型方法与其他行业最佳实践相比如何？
·是否有针对AI模型/文件的有效流程改进计划？
如果您记录了所有这些答案，那么我想听听您的看法，因为您是世界一流的，他们敏锐地意识到使用AI推进业务模型所需要承担的责任。
尽管还有很多其他问题，但要管理一个AI卓越中心来跟踪AI模型的发展，年度审计风险评估和治理运营流程是董事会董事和CEO领导的领域。
不幸的是，通常是由数据科学家，计算机程序员或专业服务公司（第三方供应商）创建AI模型，每个模型都致力于构建特定的AI模型，而不论其是否预测了AI的强度。美国热区的第二次Covid-19浪潮，现在有超过20％的美国公众生活在这里，或使用具有AI技术的无人机或预测收入预测，或确保对潜在的风险管理实践，确定果树的昆虫收获风险AI方法等等，在大多数情况下，设计和构建AI模型的参与者都有最好的意图。
董事会董事和首席执行官必须认识到，人工智能素养是他们发展和招聘合适人才以发展其组织所需要的一种新能力。人工智能模型需要培育才能成功进入生产环境，而对数据管理基础架构进行现代化投资是确保数据和机器学习操作成功进行现代化的关键。如果高管们不监控AI模型的生产环境，对模型进行再培训以及随着时间的推移而增加其他数据源以加深模型的洞察力等，他们就会犯错误。
AI就像种了一个花园，补充了养分，除草是收获美丽的一项长期投资。AI就像雕塑一样，您可以在未来的几年中创建模型并欣赏其原始状态的艺术性。我喜欢将AI称为新氧气而不是新石油，因为AI越来越普及，并且像气候变化一样，潮起潮落无处不在。能够看到花园如何在您的后院之外生长，需要巨大的远见才能做出明智的计划。
不幸的是，对于董事会董事和首席执行官而言，他们的许多技术领导者或CIO都不擅长AI和数据科学实践，这进一步加剧了从事AI实践的公司的风险。首席数据官（CDO）和首席数据科学家官（CDSO）的兴起正在推动AI和模型构建以及风险管理实践的发展，尽管大多数公司在数据支持支持系统中的投资必须跟上将算法和AI模型引入更安全的牧场。
董事会董事和首席执行官有责任通过确保AI审核和风险管理框架得到合理实施而在AI治理方面向前迈进。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！