人工智能（AI）被视为组织获取竞争优势的关键技术。根据市场数据，2020年人工智能业务的使用量同比增长25%，其中63%的高管认为人工智能能够促进收入增长。当前全球疫情的影响使得这一趋势愈发明显，越来越多的组织正在采用合适的人工智能解决方案，以实现生存与发展，并能够迅速有效地进行部署和扩展。
然而，如同所有重大变革一样，组织在实施人工智能计划时面临着新的挑战，尤其是如何选择合适的数据方法，以快速且高效地部署人工智能计划，并确保其长期可持续性。因此，”AI FAcTory”应运而生。
AI FAcTory是一种有组织的运营模型，系统地整合了不同的人才、能力和流程，帮助组织在人工智能的部署和可扩展性方面取得成功。像家乐福和ENGIE等行业领军者，已经成功利用AI FAcTory实现了重大人工智能项目的交付。但要从零开始建立一个有效的AI FAcTory可能会令人望而生畏，因此需要专家团队的支持和明确的愿景，以确保流程的顺利运行。
制定理想的规划
对于组织而言，第一步至关重要，那就是为AI FAcTory定义愿景和用例，这将成为数据策略的基础。组织必须确定能够最大化业务潜力的用例，无论是供应链优化还是合规管理，均存在诸多机会。
同时，组织的人工智能愿景也应予以考虑。明确的发展路径和未来愿景对规划至关重要。组织可以从宏观角度出发，绘制适用于数据和人工智能的蓝图。
接下来，需通过识别和分类用例来评估具体的业务机会。这一过程涉及对业务影响和复杂性的评估。在此过程中，保持积极的心态至关重要，大规模的变革需要从高管到一线员工的全员参与。
AI FAcTory的四大支柱
在确定了组织的数据策略和人工智能愿景后，应优先列出要实施的用例清单。那么，如何开始研究这些用例呢？AI FAcTory的有效实施依赖于以下四个支柱：
(1) 单一治理
为了提高效率，治理需要具备高级、专门和量身定制的特性。由数据领导者组成的AI FAcTory委员会在总体赞助和指导方面发挥着关键作用，确保与人工智能愿景和团队、路线图保持一致。在项目管理层，应设立AI FAcTory的主管角色，涵盖业务、运营、法律、安全和IT数据专家，负责审查、仲裁和验证进展。
在运营层面，需组建敏捷团队，负责交付人工智能产品用例。这些团队应紧密协作，确保信息流动和透明度，且应跨学科整合组织的技能与专长，致力于以成就为导向的目标。
(2) 多元化的专家团队
为提升效率，结构化组织应在基于敏捷方法的混合团队中，集成业务、数据、软件和数字技术的技能。敏捷性确保工作方式的灵活和适应，避免与孤岛方法相关的问题，如各部门的孤立或过于严格的程序。这需要良好的业务与技术概要的结合，以确保技术开发始终满足业务需求。
团队的可扩展性也是重要特征。其结构应能轻松复制，类似于乐高积木，从而通过完全可扩展的模型添加更多团队来应对其他用例。
(3) 先进的人工智能技术
有效的部署离不开人工智能支持技术的基础。AI FAcTory结合了开源、专有和云计算解决方案。根据最佳实践，整个数据管道（从数据摄取到可视化）需实现标准化。
(4) 行之有效的方法和系统
系统化是确保一系列步骤按特定顺序执行的关键，每个步骤都有明确的目标。这具有双重好处：首先，提供了一个公共引用的整体结构，确保一致性；其次，使方法具备可复制性和可扩展性，从而加快工业化阶段的部署。
MLOps：维持工厂的运转
除了设定用例的方法外，还需部署MLOps（机器学习运营）实践，以弥合概念阶段与生产之间的差距。受到DevOps流程的启发，MLOps结合软件开发与IT运营，以缩短开发生命周期。
MLOps旨在克服传统编码系统无法解决的挑战。其中一个挑战是团队之间的协作：不同的单元往往是孤立的，拥有不同的流程。这削弱了生产所需的协作性。第二个挑战是管道管理，因为机器学习管道比传统管道更复杂，包含在整个生产过程中必须测试和监控的特定构件。最后，机器学习模型通常需要多次迭代，当以人工方式投入生产时，往往变得僵化且难以更新。
与之相反，MLOps方法应将所有机器学习资产嵌入到持续集成（CI）/持续交付（CD）管道中，以确保快速无缝地部署。在每次新版本发布之前，所有数据、功能和模型都应经过测试，以防止质量或性能下降。所有利益相关者应目标一致，并将软件工程的最佳实践应用于数据科学项目——如版本控制、部署环境和测试。
归根结底，MLOps是一种持续管理机器学习项目的学科，以统一的方式与所有其他生产要素相结合，确保从用例早期阶段到产业化的有效技术交付。
成功的框架
人工智能为组织带来了巨大的潜力，但对于无法正确部署的组织而言同样存在巨大风险。AI FAcTory模型的真正优势在于，它为快速成功实施建立了核心框架。其流程、团队和工具本质上是可迁移和可重复的，这意味着组织在追求人工智能愿景时能够保持敏捷。一旦流程建立并获得MLOps的支持，组织便能够获得利用人工智能增强业务所需的条件。
