SolarWinds事件持续发酵

但是，人工智能的偏见不仅限于知名公司和备受瞩目的丑闻。凯捷(Capgemini)公司最近的一份报告对800个组织和2,900名消费者进行了调查，结果显示90%的组织至少知道一个人工智能系统导致其业务出现道德问题的情况。

此外，调查结果显示，虽然三分之二(68%)的消费者期望人工智能模型是公平的且没有偏见，但只有53%的企业拥有负责人工智能系统道德的领导者，例如首席道德官。接受独立审核的人工智能系统的道德影响甚至更少(只有46%)。

显而易见，随着人工智能融入我们生活的方方面面，公司需要做更多的工作来确保其系统不受偏见影响，甚至需要找到使用该技术来减轻有害偏见的方法，以便做出更公平的业务决策。

团队建设

那么我们该怎么做呢?首先要建立一支多元化的团队，而这个行业仍然无法做到。根据人工智能Now Institute发布的研究，人工智能教授中有80%是男性，Facebook上只有15%的人工智能研究人员，Google上只有10%的人工智能研究人员是女性。

Sopra Steria公司的数字道德与技术负责人Jen Rodvold表示：“多样性不仅是成功实施人工智能策略的关键，而且对于企业的底线至关重要。多元化的员工队伍将提供各种不同的观点，标记出开发过程中涉及的任何偏见，并有助于审讯可能使这种偏见永久化并以不可预见的方式影响您的技术开发方式的更广泛的组织过程。”

Imagination科技公司的人工智能高级产品总监Andrew Grant同意这种观点，他说，确保多样化的数据科学家对于发展符合道德的人工智能至关重要。
 

在最新技术的帮助下，各种规模的组织都可以获取有关其运营和客户的丰富，细致的信息，这对他们而言是至关重要的重要资源。但是，对于组织而言，了解如何管理庞大的数据量可能既麻烦又昂贵，即使使用了可用的正确工具，也很可能会给您带来巨大的负担。

组织对数据集犯错的可能性很高，而围绕大数据的复杂性如此之高。这是组织在使用大数据时常犯的错误。

从过时的业务战略开始

世界瞬息万变，没有发展到适用于第四次工业革命的商业策略就不会具有吸引力。您的数据策略应支持适用于当今世界的业务系统。在过时的业务策略方面，投入精力和资产来收集和分析数据似乎很糟糕。您不仅不能到达应该到达的地方，而且会浪费时间和资源来实现目标。

随意收集数据

从一开始，可能很诱人直接反弹并收集整个点上的数据，而没有适当的思路来了解这将如何帮助您的业务。原始信息通常对大多数业务用户而言什么也没说，而大量信息泛滥而建立庞大的数据库则没有任何特定的好处或有用的目的，除非占用您的时间和资产。

协助企业摆脱陷阱的明智之言是制定大数据路线图。这应该使关键业务决策(短期和长期)为零，这将帮助每个人了解哪些数据可以为其业务带来价值。

投资回报率有限

为了有效地处理客户数据的重要业务资源，组织需要技术来简化数据收集，随着信息量的波动而自动扩展并为包括人工智能在内的核心业务提供支持，同时还要考虑到自定义。组织犯下的一个典型错误是，从这些进步中寻求短期的投资回报，而不是专注于其为企业带来的长期价值和优势。

忽略数据质量

下一个最重要的角度是确保您拥有出色的数据。您可能有大量来自正确来源并符合您目标的数据;在任何情况下，这都不会破坏对数据的准确性和可预测性的要求。庞大的组织实际上只是雇用人员来清理大量数据，以确保一致性和统一性。

隐私和法律问题

在任何数据项目的开始，都应建立适当的数据治理。应定义对道德使用数据以及数据使用的法律和隐私问题的思考。客户的信任至关重要。客户应该确信您将安全地利用他们的信息，并且他们会从允许您利用他们的信息中获得切实的价值。确定信息访问权，安全性，道德，隐私以及如何确保数据质量的重要性不可低估。

缺乏专门的商业智能团队

在有效地收集数据之后，许多组织认为很难从数据中获得价值和洞察力，主要是因为他们没有投入足够的资源来建立专门的BI组来帮助他们收集、分析和共享数据，以及推动进步的方法。

（编辑：平顶山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!