企业如何使用业务中的人工智能

作者: 企业网D1Net 2019-02-14 09:10:52

如今,业务中的人工智能(AI)正迅速成为企业的一种常用的竞争工具。显然,很多企业已不再争论人工智能的利弊。从客户服务聊天机器人到数据分析,再到预测性建议、深度学习和人工智能,企业***都将人工智能视为一种必不可少的工具。

这使得人工智能不仅成为了企业应该关注的技术,而且应该积极探索如何利用新兴技术,例如机器学习、云计算和大数据。

如果不相信人工智能已准备好处理越来越多的任务,可以参考IBM公司的Watson 2011年在Jeopardy上的表现。或者考虑一下可能已经在个人生活中使用支持人工智能设备和服务的各种方式,例如智能助理应用程序或亚马逊的Alexa或苹果的Siri等设备。更不用说其他人工智能应用程序,例如驾驶汽车时使用的GPS应用程序。

以下简要介绍一下企业在其业务中如何使用人工智能,以及企业如何采用人工智能的一些建议。

\

最近的一项调查结果表明,人工智能可以在从客户支持到个性化等领域为企业提供帮助

了解竞争对手如何使用人工智能

企业不可能希望竞争对手能够告知如何使用人工智能技术。但是多亏有了互联网,企业可以了解竞争对手的应用情况。例如,在网络搜索“Staples公司如何使用人工智能”,而对于该公司将人工智能技术应用于自身的过程,网络将会提供丰富的信息。

接下来,了解竞争对手的网站和社交媒体(特别是LinkedIn和Facebook),浏览他们的新闻稿、新闻报道和博客。甚至需要查阅可能无法在网上获得的通讯、年度报告或其他文献。然后在更广泛的网络实施行业搜索,例如“医院如何使用人工智能”、“杂货店如何使用人工智能”,甚至进行更广泛的搜索。

例如,当搜索“在企业中使用人工智能”时,就会得到各种关于人工智能的业务用途的文章和信息,其中包括:

  • 改善客户决策管理
  • 改进软件和制造的质量保证
  • 编写代码
  • 阅读头部CT扫描等医学成像。

另一个建议是:研究供应链的其他部分(部件、运输、支持等)将如何使用人工智能。

不要忘记其他的非数字途径。如果业界人士要参加行业活动,可以参加有关人工智能的会议,与参人员沟通交流。当然,也可以阅读人工智能的书籍。

了解人工智能可以为企业做些什么

根据企业的研究,应该能够建立一个列表,并对人工智能可以为企业以及其所在行业做些什么建立一些认识。

在几个主要关键领域的人工智能应用:

人工智能技术的类型,如机器学习、深度学习、自然语言处理和认知计算。了解这些是什么,以及每种数据和任务的不同类型,应该有助于企业更好地了解人工智能,并了解各种目标的需求和限制。

人工智能可以使用哪种处理方式,例如图像和语音识别,预测分析。这将有助于企业全面了解人工智能的用途,不仅仅是公司,还包括政府、教育、科学和其他研究人员,以及其他人。

用例:这些功能可以帮助完成哪些特定任务,例如智能代理(用于电话、聊天机器人等)、优化库存订单、预测机器或系统故障、识别计算机威胁、发现欺诈客户活动。

根据此列表,下一步是提供一份简短的列表,列出人工智能如何帮助企业的特定任务和用例。

要帮助制作此列表,请执行以下操作:

  • 决定企业希望获得什么样的福利——提高员工生产力?更快的工作流程?提高产品生产率?降低成本?
  • 目标时间范围。
  • 然后,根据估计成本、实施时间、风险/收益和整体价值的组合,对该列表进行优先级排序。

同时,选择一个或两个规模较小的任务来为企业尝试人工智能。这可能是更大任务中的一小部分。在此给出提示,从非业务关键的任务开始,以及从不面向客户的任务开始。

搜索并比较供应商

现在是企业确定潜在的技术供应商的时候了,而顶级人工智能公司并不缺乏。

为了找到并对供应商进行比较,企业首先必须评估如何将人工智能功能添加到公司的IT中,而这又取决于以下因素:

  • IT员工的规模和深度(以及预算)。企业是否已经拥有人工智能的专业知识?开发人员是否能够添加人工智能?企业的IT员工是否有时间和资源将人工智能添加到现有的业务IT中?研究、提出和开发基于人工智能的新业务计划?
  • 企业的IT提供商是否提供人工智能扩展、模块、工具、功能等。

人工智能功能的供应商涵盖几个类别:

  • 为其产品添加了人工智能功能的供应商。这包括从亚马逊、苹果和谷歌到IBM、Intel和Salesforce等公司,因此企业需要决定是否计划使用所拥有/购买的硬件或云计算资源(或两者兼而有之)。
  • 通过API或其他方法访问特定人工智能功能的供应商。
  • 对于企业正在寻球的一些人工智能功能,当前的供应商可能已经提供。而在其他情况下,企业可以外包。这一切都取决于企业想要什么,企业内部部署数据中心有多少带宽,以及企业如何配置IT运营。
  • 企业最好的选择是获得人工智能专家的帮助,无论是内部人员还是外部顾问。

实施人工智能项目

一旦企业确定最初的人工智能项目,就需要开始着手实施。

首先,企业需要制定计划,说明具体和一般目标、里程碑计划、估计硬成本和软成本以及所需的资源,其中包括人员技能、硬件和软件。

确定哪些人将受到影响,包括现有资源、供应商、用户。了解谁应该受益,同时了解实施过程中可能产生的负面影响。

为项目利益设定目标。这包括确定如何测量结果,以及如何比较启用人工智能的方法和先前的方法。

不要忘记与利益相关者(包括用户/客户)沟通。当试验和操作版本准备就绪时,询问他们的想法、偏好和建议,以及培训文档和课程计划。

关键:随时准备重新访问

企业的人工智能项目如果没有开发和测试意味着并没有完成。除了跟踪企业选择的人工智能供应商进行改进外,企业还希望掌握其他人工智能开发的最新功能。例如,有哪些新功能可用?基础设施性能或价格的哪些改进使现有或新的人工智能产品现在可行?

当然,企业需要了解行业中的其他公司以及为其行业服务的人工智能供应商,他们正在实施的策略或者他们的路线图。

要避免的挑战和陷阱

企业的运营和业务添加人工智能将是一个巨大的变化,以下是应对挑战的一些建议:

  • 了解企业采用的人工智能是如何工作的?它的优势是什么?缺点是什么?
  • 人工智能需要什么样的IT环境?更多内存?更新的硬件级虚拟化?不同的内存或I/O,如迁移到NVMe或超融合基础设施?
  • 企业是否为其人工智能应用程序提供过多的数据?还是太少了?错误的数据?询问的是正确的问题吗?
  • 寻找能够给出清晰、可操作的警报或其他结果的人工智能工具,而不是无穷无尽的发现。
  • 另外,关注为产品/服务提供支持的人工智能,而不是仍在开发中的人工智能。

值得关注的未来趋势

尽管人工智能作为计算机科学领域一个分支,其历史可以追溯到20世纪50年代,但只有在过去的十年中才为各种规模的公司提供多种类型的人工智能。这要归功于持续的硬件价格/性能改进、云计算和人工智能技术的进步。

与此同时,大数据、物联网、自动驾驶车辆、语音和图像识别等技术趋势正在生成更多的“目标”,为人工智能工具提供帮助。

特别是,企业需要关注云计算的成本和功能,以及正在实施或谈论的内容,人工智能是明智的,像几乎涉及计算机技术的事物一样,许多的功能都无法预测。

人工智能 AI
上一篇:2019年应该学习的10个机器学习API 下一篇:IBM:将向所有云平台开放自家Watson人工智能系统
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  2021-02-21 15:47:47
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  2021-02-21 10:26:41
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  2021-02-21 10:21:01
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  2021-02-21 10:14:59
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  2021-02-21 08:41:16
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  2021-02-20 21:09:12
华人博士生首次尝试用两个Transformer构建一个GAN

最近,CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明,transformer 有可能成为计算机视觉任务(如分类、检测和分割)的强大通用模型。

Yifan Jiang ·  2021-02-20 21:04:53
无监督训练用堆叠自编码器是否落伍?ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

Tilman Krokotsch ·  2021-02-20 20:57:16
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载