对于企业而言，构建持久且可扩展的人工智能系统——而非仅能运行一次的系统——至关重要。在人工智能开发中，若追求速度而缺乏规范，将带来风险，因此必须强调在初始成功之后仍能持续保持功能正常。 现代人工智能的对话、推理和自主能力要求极高的可靠性和治理水平。作者所在的公司在将人工智能应用于各类旅行者旅程方面拥有丰富经验，因此制定了机器学习和人工智能原则来指导其系统开发。这些原则旨在确保业务价值、可扩展性和安全性，并明确了系统如何被评估、设计、治理和运营。 真正的挑战在于将这些原则转化为切实可行的运作机制，例如在推出具有代理能力的AI功能前进行强制性检查。将这些要求自动化地融入软件开发生命周期，对于将其嵌入AI系统设计和审批流程至关重要。聚焦业务成果、优化成本回报率，并根据基准评估复杂性的合理性，是衡量真正关键因素的核心所在。 构建可扩展的系统需要建立共同的基础，将数据视为第一类产品，并优先考虑通用性而非局部优化。明确的责任归属、遵守治理标准以及相称的风险管理，对于建立信任至关重要。最后，在设计中注重公平性、隐私性、透明度、安全部署和持续监控，才能确保人工智能既负责任又具有适应性。