在这个阶段，鼓励团队问自己这是否是一个可以而且应该解决的问题。可以用AI来解决

1.发现：第一步旨在了解项目的目标、客户需求以及他们的问题以及商业机会。它通常涉及客户研究。

2. 定义：第二步，团队定义挑战范围：他们选择要解决的问题或要追求的机会。此步骤包括研究背景和人工智能的可能性。

3.人工智能设计决策：在这个阶段，鼓励团队问自己这是否是一个可以而且应该解决的问题。可以用AI来解决。如果是，他们会评估需要哪些数据，并研究解决方案是否可能产生不道德的后果。如果人工智能不是正确的解决方案，这也是一个很好的结果。人工智能既昂贵又耗时。如果其他替代方案可以解决问题，则应选择它们。

4. 开发：第四步旨在了解如何才能最好地解决问题。现在是探索不同解决方案并研究所需数据和建模的时刻。人工智能工程师可以进行探索性数据分（EDA），这意味着深入研究数据以更好地理解数据，看看是否存在异常值、缺失值以及是否可以建立基线模型。

5. 测试：在致力于构建和部署解决方案之前，团队应该确定有哪些风险假设并尝试验证它们，例如使用原型测试。这是检查是否应该构建解决方案或是否需要“pivot”的最快方法。

6. 交付和评估：最后，团队应该迭代、完善、推介并最终将解决方案交付给最终客户和关键利益相关者。然而，这个过程并没有就此结束。相反，团队需要不断迭代解决方案。随着时间的推移，将会出现更多的数据，这些数据可以为解决方案带来新的启发。需要设计一个监控系统（反馈回路），以确保尽快检查和纠正现实生活中的偏差和数据漂移。

前面的六个步骤旨在为那些希望改进团队实现人工智能创新方式的人提供指导。