人（rén）工智（zhì）能是一（yī）个复杂的过程（chéng），通常需要（yào）花费数年的时间（jiān）才能正确完成，这需要大量的时间，资源和金钱投资。设（shè）计，开发和（hé）实施强大的长期AI解决（jué）方案的平均成本可能高达50万美元（yuán），公司需（xū）要精确而谨慎地开（kāi）展自己的AI计划（huá）。您可能需要花（huā）费一些时间（jiān）来查看解决方案（àn）在一段时间内的“智能”程度，以（yǐ）及预测结果（guǒ），确定模式或帮助公司更好地（dì）与客户互动的（de）准（zhǔn）确性。

但这不（bú）是进行（háng）AI开（kāi）发的唯一方（fāng）法。相反，公司可以求助于AI设计和开发“冲刺”，以比全（quán）面部署更低的成本（běn）快速踢出AI轮胎，并帮助他们测试AI水（shuǐ）域。由于这是一种更简单（dān），风险更低且（qiě）成（chéng）本更低的初始方法，因此我们（men）可以预期（qī）今（jīn）年会有更多公（gōng）司使用sprint。

人（rén）工智能冲刺（cì）是一项短期（qī）的概念（niàn）验（yàn）证性人（rén）工智能项目，可（kě）以帮助公司在1-3周内以某种确定性水平确定（dìng）人工智（zhì）能是否可以帮助实现特定（dìng）的业（yè）务（wù）目标。它们通常由AI开（kāi）发人员或供应（yīng）商实（shí）施，并且该解决（jué）方案可以作为持续AI开发和参与的基础。

人工（gōng）智能冲（chōng）刺（cì）是Google部门（mén）Google Ventures在（zài）几年前推（tuī）出的设计冲刺（cì）概（gài）念的自然演（yǎn）变（biàn）。这是一个为期五天的过（guò）程，通过与客（kè）户（hù）的设计，原型制作和想（xiǎng）法测（cè）试来创建解（jiě）决方案。它提供了一个时间密集的视图，以了解针（zhēn）对业（yè）务挑战的（de）特定解决方案（àn）的有效（xiào）性和实用性。自Google推出以来，许（xǔ）多（duō）公司都从设计冲刺概念（niàn）中获利，可以在各（gè）种（zhǒng）行业中创建新产（chǎn）品和服务。

物（wù）理学家兼作者（zhě）马克·布坎南（Mark Buchanan）表示：“人（rén）工智能（néng）仍将（jiāng）深刻地改变（biàn）世界（jiè），尽管确切的方式还不清楚。” 在AI发展中采用冲刺策略可以消除恐惧，不确定性和怀疑（FUD）因（yīn）素，这是更大程度地采用AI的关键挑战（zhàn）。许多（duō）业务用户不仅发现AI的概念极其（qí）复杂（zá），而且常常不相信（xìn）AI的价值。冲刺使他们可以追逐并体验AI的好处，同时为全面执行（háng）设（shè）定清晰的路线图。

创新（xīn）冲（chōng）刺过程

以下是典（diǎn）型的创新（xīn）冲（chōng）刺应该包括的五个关键（jiàn）步骤：

确定业务挑战。说起来容易做（zuò）起来（lái）难，并且由于不同（tóng）的决策者（zhě）可（kě）能对（duì）关键（jiàn）问题（tí）有不（bú）同的（de）看法，因此就您要解决的问题（tí）进行讨论并达成共（gòng）识非常（cháng）重要。有时（shí），人（rén）工智能（néng）可能无法解（jiě）决所确定（dìng）的特定问（wèn）题，因此清（qīng）楚地阐明问题很（hěn）重（chóng）要。

进行数（shù）据审核。一旦确定（dìng）了业务挑战，下（xià）一步就（jiù）要（yào）确定您（nín）拥有哪（nǎ）些数据可（kě）以（yǐ）帮助（zhù）解决它。数据可以来自不（bú）同的来（lái）源-CRM系统（tǒng），公司数据库或结构化或非结构化格式的文件。数据科学家可以帮助（zhù）您识别适当（dāng）的数据，确定您是（shì）否有足够的数据来提供（gòng）AI算法，并在需（xū）要（yào）时帮（bāng）助您使用外部数据集来补充该数（shù）据。

建立算法（fǎ）。一（yī）旦收集到足（zú）够的数据，数据（jù）科学家就会将（jiāng）其输（shū）入原型以验证（zhèng）其（qí）准确性。如果发现表明（míng）数据可以（yǐ）解决业务（wù）问题，则数据工程师将对数据进行清理，标记和（hé）分类;数据科学（xué）家将选（xuǎn）择最相关的AI架构并开发算法。

评估结果。AI团（tuán）队（duì）将在几天之内确定解（jiě）决方（fāng）案预测可靠结果的（de）效果，并做出相应的调整。例如（rú），我们进行了一次AI创新冲刺，以（yǐ）帮（bāng）助一家主要的健康保险提供商确定客户流失的原（yuán）因。通过多次（cì）迭代扩展和完善数（shù）据集以不（bú）断改善结果（guǒ），我们能够开发出一种算法，该（gāi）算法（fǎ）可以以93%的准确（què）度预测流失的可能性。

可操作该算法。一旦算（suàn）法证明了（le）自己，解决方案就可以投入使用-通常在（zài）几周之内。但是，由于（yú）该解决方案在（zài）接收（shōu）新（xīn）数据时（shí）会不断学习（xí），因此其准确（què）性（xìng）将不断提高。