首先要了解业务问题
有时很容易陷入新技术可用性的兴奋之中。警惕你的组织没有实施AI，因为它似乎很酷或只是说我们已经完成了。有一个明确的商业案例，并了解您试图解决的问题。
NoiseGrasp的首席战略官Sajid Mohamedy表示，“对于人工智能正在解决的业务问题没有明确的计划是最常导致结果”糟糕“或无法使用的 情况。
要前瞻性思考
需要在发现结果之前制定基于调查结果的决策，并且一旦结果准备好，就不会偏离该决定。
在开始之前要采取的另一个行动项目是决定“完成”的定义是什么。但是，这样的建议可以归入说起来容易做起来难的范畴。为了帮助读者浏览人工智能旅程的这一特定部分，我们收集了专家的建议。
优化和可解释
DarwinAI首席执行官Sheldon Fernandez表示，确保AI驱动的应用程序在被集成到业务流程之前进行优化和解释。他说，优化的应用程序使用更少的计算能力，占用更少的空间，从而降低运营成本，并且通常允许计算资源保持在公司的基础设施或消费者设备中。
对于不熟悉的，可解释的人工智能是一个在研究人员中引起关注的概念，其中人工智能及其决策如何对用户更加透明。“人工智能应用程序的可解释性同样重要，因为组织必须能够证明人工智能应用程序做出的决策是合理的，特别是在银行业等受到严格监管的行业中，”费尔南德斯说。“如果没有办法追踪决策过程并确定用于达成特定结论的具体数据和分析，那么实施人工智能衍生的结果会带来各种监管，法律和道德挑战。
指定内部人员以确保质量AI结果
如果人工智能在1％的时间，10％的时间或100％的时间内出现这种错误会产生什么影响，如果AI出错，1％的时间可能会产生很大的负面影响，那么它将被视为一个关键应用程序。
另一方面，如果AI在10％的时间内出错，这是一个正常的应用程序。在“正常”应用程序的情况下，可以信任构建算法的软件供应商或内部组，基本上，您信任软件供应商以确保AI的质量。
从小处开始
人工智能并不是一个神奇的子弹 - 期望它从跳跃中解决组织最高价值的战略问题是不明智的。” “首先要确定可以应用AI并在那里进行迭代的小型但有影响力的业务挑战。
考虑所有利益相关者如何使用数据
通常有一个群体，例如产品所有者，可能会使用这些调查结果，但可能还有其他群体，如营销和销售，这些群体可能会受益。“那些制作人工智能系统的人可能能够对输出进行结构化，使得调查结果与更广泛的受众相关。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
人工智能，机器学习和深度学习之间，主要有什么差异？
http://www.duozhishidai.com/article-15858-1.html
人工智能：如何影响未来职业选择
http://www.duozhishidai.com/article-15831-1.html
AI vs 深度学习 vs 机器学习，人工智能的 12 大应用场景
http://www.duozhishidai.com/article-15385-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站
