数据是 AI 解决方案中最重要的要素之一，甚至可以说是最重要的。您需要有足够大的数据量，才能识别出可供 AI 学习并据此做出判断的模式。根据具体用例，数据可以来自企业内外的多种来源。
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
了解什么是 AI、它如何演进，以及它与其他非 AI 的数据解决方案有何不同。在本章中，您将开始搭建将 AI 引入业务的框架，包括 AI 战略的关键要素、实施阶段以及基础技术设计。最后，您将了解在整个过程中开展负责任的 AI 治理为何至关重要。
您已经了解了什么是 AI，以及如何以负责任的方式看待它。现在是时候更清楚地认识 AI 在业务中的优势、局限和用例了。本章将带您做到这一点！您将理解 AI 能为组织带来的价值，以及它存在不足的领域。您还将浏览企业内不同部门的一些高层用例。最后，您将学习选择优质 AI 用例的原则。
确定用例后，就该构建概念验证（POC）了！这是一个小型项目，用于评估可行性，并在全面实施时预估进一步的业务价值。在本章中，您将学习 POC 的各个阶段、成功要素，以及与技术基础设施和数据相关的关键考量。最后，您将了解 POC 项目团队所需的角色类型。
当前练习
在课程的最后一章，您将学习实施 AI 解决方案的收尾步骤——评估 POC、扩展落地，以及对齐文化与技能。您将了解评估 POC 的重点领域，以及推进解决方案规模化的良好信号。您还将学习迈向全面实施需要关注的关键环节，包括企业文化要求与员工技能提升。
