随着各行各业对于数据科学方法与认知技术的需求不断加深，组织机构也在积极学习如何成功实施并管理智能化水平更高、更代表最新技术成本的工具与系统。他们在采用AI和机器学习模型时会遇到哪些挑战，团队又该如何克服这些阻碍?
在即将召开的Data for AI大会上，Verizon公司执行董事兼AI产业化主管Anil Kumar将带来这家电信服务巨头运用AI科技克服关键挑战的故事。今年1月，2021年机器学习生命周期大会则邀请到Verizon Wireless算法客户体验执行总监Radha Sankaran，她在会上分享了关于AI应用现状、相关挑战、技术趋势及影响的见解。而在接下来的Data for AI线上会议中，同样来自Verizon Wireless部门的Anil Kumar则打算着眼于自己的现实从业经历。
AI应用现状与相关挑战
Verizon目前主要运营两大块业务，相对传统的家庭或固网业务，外加无线电信业务。公司内部的当前AI应用状态可以算是成熟期的中间阶段;由于需要在控制成本方面推动创新，有线网络业务早就开始了先进数字化的探索之旅。而在无线业务方面，随着首席数据官(CDO)与首席客户官(CXO)等职位的相继上马，整个部门在2019年至2020年期间也迎来了重大转变。CDO主要负责一切涉及数据的项目，也是数据科学家们的最高领导者。客户服务部门则专注于在企业内部推广最佳实践，并通过持续分析将这些指导方针扩展至无线业务之内。该部门还负责将客户需求整合进数据部门的执行与改进流程当中。通过双方合作，两大部门已经开始推动并监督越来越多AI方案在Verizon Wireless移动业务领域的实际应用。
企业在朝着AI及机器学习技术过渡的过程中，往往面临着诸多挑战。这类挑战可能集中体现在新方法与大规模运营体系及团队中的固有传统相冲突方面。Verizon团队面临的最大挑战之一，就是如何将一切客户相关体验与现有数据整合起来。由于Verizon之前一直采取以渠道为中心的方式观察用户体验，因此习惯于单独优化渠道，导致各渠道间的数据彼此孤立。所以团队要想真正全面提升客户体验，最大的难题就在于如何将这些孤立数据整合到集中且有凝聚力的统一渠道当中。另外，Verizon公司的企业文化也需要接受洗礼，即由为不同渠道分别设立CDO与CXO部门逐步转向集中式领导形式，通过汇聚力量的方式实现上述整体方法。总结来讲，Verizon团队的迫切目标就是打破孤岛，将CDO、CXO以及全球技术服务团队等部门聚集起来，共同讨论问题与解决方案。各团队将共同致力于确保以最高效的方式建立起正确的数据架构、治理政策与最终产品。
AI模型开发与管理
从更偏技术的角度来看，AI模型的构建与实施都需要匹配合适的人员和工具。这些人员和工具要么由组织内部培养、开发，要么以外包形式获取。对Verizon而言，近年来收购雅虎已经为其AI部署加速提供了良好基础。由于雅虎组织内部已经拥有非常成熟的数据湖和相应的机器学习工具，Verizon团队得以使用已经存在的CI/CD(持续集成/持续交付)管道自下而上构建起模型并执行实时评分。无需外包，整个过渡能够以内部消解的形式实现平衡推进。
但与能够独立运行、维持不变的传统软件不同，AI模型在初步实施之后还需要持续监控与维护，防止出现模型退化或者漂移。在Verizon，部门将个性化客户体验统称为“提议”，并不断监控这些以数据和AI驱动的提议、开展优化与性能评估。利用自适应建模与预测建模，团队必须确定后续出现的一切问题源自模型本身、还是受到数据偏差/偏见或者数据质量的影响。通过使用流数据与批量数据，Verizon部门得以在数据反馈循环的支持下不断实时训练自己的AI模型。
新冠疫情影响与未来需要克服的障碍
尽管近年来突然爆发的新冠疫情给全球几乎所有产业均带来巨大破坏，但Verizon确实把握住了危机下带来的新机遇：疫情蔓延推动Verizon快速转型为一家数字优先企业。在新冠疫情之前，Verizon的相当一部分销售额需要通过零售门店完成。但几乎是在一夜之间，Verizon就意识到自己必须探索出一条通过数字优先组织的新道路。零售与电话销售等非传统领域的全面数字化转型必须全面提速，同时要求各个团队齐心协力共迎这波转变。在这场转型浪潮之下，CDO与CXO等团队也一马当先、成为数字化应用与数据/AI普及的先行者与推动者。
展望后疫情时代，AI技术大规模应用的核心障碍恐怕还在于数据本身。保障对正确数据的访问能力、贯彻分析数据的最佳生成方法、乃至理解如何将必要的组件和信息整合在一起，仍然是Verizon以及众多同等规模巨头级企业的主要挑战和目标。让我们共同期待Anil在2021年12月2日的Data for AI线上会议中带来更为详尽的解读。
