2025 年上半年美國 GDP 增長的近三分之二是由企業在旨在促進人工智能採用的軟件和設備上的支出推動的。
由於大量投資和精力集中在釋放人工智能的潛力上，許多公司、投資者和評論員開始懷疑我們何時才能看到回報，這是有道理的。
他們指出了一個日益嚴重的“人工智能悖論”，即儘管企業增加了人工智能的投資和採用，但仍然無法獲得切實的利益。
是什麼導致潛在價值和實際價值之間的差距越來越大？越來越多的原因是缺乏對數據、領域專業知識和人工智能工作流程編排之間關鍵相互作用的理解。
雖然大多數企業領導者現在意識到他們需要整理數據資產才能真正利用人工智能的力量，但許多人正在以錯誤的方式處理這個過程。
他們採取大規模數據遷移計劃或專注於業務的一小部分，以使流程更易於管理，但很少有人使用人工智能來解決數據問題。他們將人工智能視為大數據編排項目的最終目標，而不是利用人工智能的力量來開放數據。
數據準備程度決定人工智能計劃的成敗
我見過這種現象發生在無數人身上 這些公司不惜一切代價優先考慮人工智能驅動的創新，而沒有首先解決支持人工智能實現所需的數據和技術基礎。
我還看到了另一面，公司能夠從頭開始重新設計企業工作流程，並從人工智能中獲取巨大的價值。在每個例子中，區分那些正確掌握人工智能公式的人和那些努力通過概念驗證階段的人的唯一區別特徵是數據準備情況。
為了讓人工智能提供真正的企業級價值，它必須能夠利用來自業務各個方面的各種結構化和非結構化數據集。在大多數情況下，這些數據集是孤立的、不完整的、不兼容的或組織的不同部分無法訪問的。
這種碎片化限制了當今許多人工智能項目的潛力。這也是人工智能最適合幫助解決的問題。借助當今的代理人工智能，可以使用人工智能來自動化數據發現、處理和轉換，從而使整個企業的正確數據為人工智能做好準備。
從頭到尾重新設計組織的工作流程
例如，財產和意外傷害保險行業已成為人工智能最豐富的測試領域之一，因為它是一個依靠非結構化數據蓬勃發展的業務，需要一系列標準化和重複性但高度複雜的流程才能正常運行。
從各方面來看，這是一個為人工智能轉型做好準備的工作流程。然而，許多保險公司難以將人工智能完全融入這一流程，因為他們無法獲得自己的底層數據資產來支持信息的無縫流動。
公平地說，這是一個複雜的過程。從承保到理賠支付，保險工作流程嚴重依賴數據，但每個階段處理和存儲數據的方式都不同。擔保人， 客戶服務、財務和賬戶管理使用單獨的數據集，並且該過程通常通過手動切換完成。
儘管技術不斷進步，但保險公司現在處理典型的房主索賠（從申請到付款）平均需要 44 天。該流程不但沒有簡化工作流程，反而變得比以往任何時候都慢。
在復雜工作流程的關鍵點嵌入人工智能代理
事情不必是這樣的。保險公司並不將人工智能視為最終解決方案或概念證明，而是將其視為重新設計關鍵數據通信並將人工智能代理嵌入整個數據架構的機會，他們看到了明顯不同的結果。
例如，一家大型國家保險公司最近啟動了一個項目，旨在加快處理第一個損失通知的過程，目的是縮短客戶報告事故和收到付款之間的時間。
通過在流程的關鍵點集成人工智能代理，並且最重要的是構建所有數據，以便能夠以一致、標準化的格式進行處理，他們能夠將索賠週期時間從幾週縮短到兩天。
整個項目的秘訣並不是更大更好 大語言模型或者更多的AI投資。這是將人工智能更好地編排到工作流程中。
保險公司必須能夠設計一整套事故圖像、語音呼叫、理算員註釋、索賠數據、歷史背景、車輛識別號、數據質量檢查、承保範圍審查和欺詐檢查，以支持協調的人工智能驅動的工作流程。
例如，保險公司能夠引入專注於數據質量的人工智能代理，並與專注於流程的人工智能代理一起工作，監控正在進行的流程，並在工作流程中出現中斷或異常時進行干預。
這種讓人工智能代理協同工作而不是在垂直孤島中工作的能力，使得完整的企業人工智能工作流程能夠提供真正的變革性結果。
通過跨關鍵數據集部署協調的人工智能代理，公司可以構建支持跨職能流程的統一數據主幹。這種方法使系統能夠無縫協作、適應和執行複雜的工作流程。
數據、領域和人工智能
隨著 ChatGPT 推出三週年紀念日的臨近，以及全世界對生成式和主動式 AI 真正改變業務的潛力的巨大覺醒，許多評論家一直在尋找基礎上的裂縫 – 一些例子表明結果並不像宣傳的那樣。
事實上，結果是為更了解流程的企業準備的 人工智能的應用以及花時間不僅構建工具而且重新構想核心功能都是非常了不起的。
對於那些面臨挑戰的人來說，挑戰通常不是技術本身，而是有效集成技術的能力。
這不是那種你可以購買現成的技術，插入並等待結果。它需要人工智能推動者了解如何使用驅動人工智能所需的數據以及對行業特定工作流程的詳細了解，這是轉型的最佳候選人。
這是一種微妙的平衡，但對於那些理解正確公式的人來說，天空才是極限。
我們重點介紹了最佳人工智能作家。
本文是 TechRadarPro 專家見解頻道的一部分，我們在此展示當今科技行業最優秀、最聰明的人才。這裡表達的觀點是作者的觀點，並不一定是 TechRadarPro 或 Future plc 的觀點。如果您有興趣做出貢獻，請在此處了解更多信息： https://www.techradar.com/news/submit-your-story-to-techradar-pro
