人工智能的正確利用需要首席信息官建立并培養(yǎng)一個數據知識型社會。
鑒于人工智能使用如此廣泛，能否正確利用信息技術促進人工智能的發(fā)展與應用可能會產生深遠影響。如果利用不當，人工智能可能會在無意中放大人類主觀偏見、加劇兩極分化以及產生其他破壞性后果。
Gartner研究副總裁Alan D.Duncan表示：人們對人工智能發(fā)展前景的熱忱以及對于人工智能的大肆宣傳，很容易導致人將重點放在技術與編碼領域，即，人工智能的‘人工’方面。
如同模型與算法一樣，數據也是人工智能發(fā)展與利用的基石之一。
Duncan補充說：然而，如果沒有數據的話，在這個智能數據連接的世界中，任何可能被認為是‘智能’的方面都無法運作，或者可以說，都不復存在。對于大多數高管、業(yè)務與IT專業(yè)人士而言，盡管他們熟知商業(yè)模式中的人員、流程與技術能力，但他們都無法專業(yè)地使用與分析數據。
要想正確地使用人工智能，企業(yè)需要將數據認知素養(yǎng)（data literacy）作為人工智能開發(fā)者與消費者的新型核心能力。Gartner建議負責人工智能項目的首席信息官遵循以下三個步驟：首先，正確構建人工智能系統(tǒng)；然后，正確使用人工智能；最后一步，保持人工智能的正確性。
正確構建人工智能系統(tǒng)
要想正確構建人工智能系統(tǒng)，首先最關鍵的是要建立有關人工智能的基本詞匯，即人們使用與分析數據的技術語言。至少，首席信息官應該確定出在描述人工智能系統(tǒng)或解決方案時使用的主要術語，包括正在開發(fā)的人工智能解決方案的目的或理由，以及其他關鍵術語，例如，從解決方案中使用與收集的數據類型。
Duncan解釋道：與模型和算法一樣，數據也是人工智能發(fā)展與利用的基石。人工智能吸收并生成數據。首席信息官以及數據與分析領導者將負責開發(fā)與解決人工智能的數據管理方面問題。在整個過程中，建立數據管理專業(yè)知識是獲得成功的關鍵。
正確使用人工智能
無論項目范圍或企業(yè)機構成熟度如何，在本地或整個系統(tǒng)中都可能存在信息語言障礙。解決這個障礙需要思維方式的轉變以及對過程正確性的有意認知與干預。為了加強數據素養(yǎng)，首席信息官應該制定數據認知素養(yǎng)培養(yǎng)計劃。
找到能自然而輕松的分析數據并達到流利程度的專業(yè)人士。流利的數據分析者應該善于描述情景化的使用案例與結果適用于這些案例的分析技術以及涉及的基礎數據源、實體與關鍵屬性。
找到熟練的數據轉換人員。典型的數據轉換人員通常是企業(yè)數據或信息架構師、數據科學家、信息管理員或相關項目經理。
確定存在溝通障礙妨礙數據與分析有效性的領域。尤其關注商業(yè)與信息技術的差距、數據分析差距以及熟練度差距。
積極傾聽未采取明確行動的商業(yè)成果。在哪些商業(yè)領域應用改進的數據和分析能力？正在改進哪些運營決策？
確定出有專業(yè)數據轉換需求的關鍵利益相關者。為了評估數據認知素養(yǎng)水平，要求關鍵利益相關者根據業(yè)務成果闡明數據作為戰(zhàn)略資產的價值，包括增強業(yè)務、貨幣化以及風險緩解。
確定并維護單詞和短語列表。參與數據和分析團隊的工作，更好地表達這些短語。
保持人工智能正確性
即使是最成功的公司也會受到不道德行為的負面影響。需要進行廣泛與明確的討論，區(qū)分公司可能會遇到的道德倫理問題與困境類型與實際可以采取的道德倫理立場之間的區(qū)別。
后退一步，將數字倫理和數字關聯主義作為改善數字業(yè)務，或者廣義來說，數字化社會的準則。
主動尋找與使用人工智能數據有關的道德倫理案例研究，因為企業(yè)所面臨的道德倫理問題往往都不是新出現的類型。其中，機遇包括競爭差異化和優(yōu)越的價值主張；危險包括聲譽風險、監(jiān)管問題和財務損失等。
將人工智能算法與數據交換作為實現數字交互的推動力，并以此讓利益相關者參與生態(tài)系統(tǒng)而非特定流程控制。鼓勵每個人都能在人工智能環(huán)境中貢獻他們的數據并成為互惠生態(tài)系統(tǒng)的積極參與者。
