企业采用人工智能——当它有或没有意义的时候爱尔兰德国比分直播

丹尼尔Faggella.
《阿凡达》

Daniel Faggella是Emerj的研究主管。他受到联合国、世界银行、国际刑警组织和领先企业的呼吁,是一位全球广受欢迎的专家,研究人工智能对企业和政府领导人的竞争战略影响。

1
此EMERJ Plus文章已公布有限的时间。
解锁我们的完整图书馆使用案例和AI策略最佳实践,访问Emerj +

您已经在社交媒体或收件箱上轰炸了所有这些“革命性的AI”这个和“游戏变化的AI”。

AI技术的供应商经常被激励,使他们的技术听起来比它更有能力 - 但是在比实际拥有的更真实的牵引力更加真实的牵引力。是的,如何在业务中应用AI的更广泛的动态是深入讨论的。在本文中,我们将采取“直升机观点”的企业的进步(有时,有时,缺乏进展),以及采用是否适合您的业务。

本文基于佐治亚州佐治亚州佐治亚州佐治亚州数据科学事件技术协会的Daniel Faggella提供的演示文稿。本演示文稿中的调查结果和意见是基于访谈和调查数百个AI公司创始人,以及与实际AI咨询公司的首席执行官的几十次采访。

简言之,人工智能正在被大肆宣传,其商业潜力在很大程度上仍处于试验阶段。尽管人们确实认为人工智能将改变行业,但能带来这种价值的实际应用和项目大多是未知的,商业领袖需要从战略上考虑人工智能可能(或可能不会)对他们的公司产生什么影响。

在本文结束时,你会对人工智能的当前应用和限制有一个更好的想法——最重要的是——你会有一个框架来思考人工智能可能对你的公司有什么承诺。

下面是演示的幻灯片,下面的文章更深入地介绍了企业中的AI状态,以及采用AI的重要考虑因素。

AI与企业的相关性

从商业用途的角度研究人工智能非常重要的原因是,它很有可能在未来15年彻底改变整个行业。行业研究人员并不总是达成共识,但有一件事他们似乎是一致的,那就是人工智能和机器学习将——在未来的几十年里——极大地改变商业运作方式(你可以在我们的网站上听到我们对研究人员的数百次采访)人工智能的播客)。

很明显,无论是通过自动化还是增强,人工智能都将改变“工作”,就像20年前的互联网一样,人工智能是考虑长期发展的商业领袖必须关注的一个技术因素。

与AI初始熟悉的人不会感到惊讶地认为人工智能应用不一定是2010年的新颖性。爱尔兰德国比分直播AI首先进入商业世界(通过所谓的“专家系统“)始于80年代,主要由硬编码人类智能组成,进入规则和步骤。

这一策略成功地建立了一些富有成效的应用,但它只能迄今为止兴趣和发展最终死亡(在有限的资金和热情经常被称为“人工智能的冬天“)。

随着机器学习的兴起,人工智能(AI)开始复兴。机器学习不是将人类知识硬烘焙成一个技术系统,而是使用来自现实世界的数据来训练计算机“神经元”,以预测结果并检测未来的模式(更完整的定义请参阅我们的定义机器学习“ 文章)。

在商业应用方面,那时和现在人工智能最重要的区别是,在80年代和90年代,世界上最顶尖的企业并不是基于人工智能。爱尔兰德国比分直播

现在他们。

你只需要看看今天最赚钱和最成功的公司就会发现:

  • 亚马逊-一个依赖于基于机器学习和大量关于产品和购买的用户数据的推荐引擎的业务。
  • 谷歌- 建立在其搜索引擎上,可以说是世界曾经认识的人工智能最无处不在的和有意义的应用。爱尔兰德国比分直播
  • Facebook-基于其新闻动态和广告网络,基于数万亿的数据点和行为最大化用户活动和广告参与度。
  • netflix.- 依赖的业务推荐引擎基于机器学习和大量的电影和媒体的用户数据。
  • 苹果- 当目前被视为AI研究中的比较落后者,虽然与谷歌这样的科技巨头同行相比,Apple在2011年的Siri出现了语音界面主流。

如果没有机器学习,这些科技巨头就不会有今天的成就,人工智能的影响也不会仅限于上市科技巨头。

如今的商业领袖应该了解人工智能如何以及何时可能与他们的公司相关(通常是这样)没有)。本文其余部分的目标是“将您的天线”,以检测AI应用程序的相关和可信赖趋势,并筛选出炒作和过度索赔。

今天企业的AI状态

Dan Faggella, Ashok Goel
我与乔治亚州科技博士Ashok Goel博士,一天聊天我在佐治亚州科技协会谈话后的一天。Ashok是我们近3年前的嘉宾,近3年前,很有趣。

艾西企业现在是什么?如果你读过你的社交饲料,你会得到这个想法,如果你没有在一切中做爱,你必须是恐龙公司。

事实上,情况并非如此;至少,现在还没有。如果你的业务中没有人工智能(或可以利用的数据科学人才),这并不是一件好事,但如果你没有,那么你并不孤单。大多数早期的人工智能应用才刚刚开始在商业领域试用,对于大多数人工智能应用来说,清晰的商业ROI仍然相对较少。

它主要是飞行员

企业中的大多数人工智能应用不过是“试点”。”Primarily, vendor companies that sell marketing solutions, healthcare solutions, and finance solutions in artificial intelligence are simply trying stuff.

在EMERJ,我们经常在特定部门研究数百和数百家AI公司(我们所做的那样营销, 在医疗保健和其他行业)。

在任何给定的行业中,我们发现销售AI软件和技术的数百家供应商公司,只有三分之一的公司实际上将有必要的技能来首先做人工智能。爱尔兰德国比分直播换句话说,只有三分之一的AI公司拥有具有合法培训和必要的心理能力的人 - 无论是通过教育或为谷歌,Apple或Facebook的公司工作 - 开发机器学习系统。

此外,我们的研究表明,这些公司的有能力生产机器学习系统的能力,只有三分之一的速度超过了他们的产品或服务的“驾驶”阶段。他们的应用程序有点合理的牵引力,他们真正似乎可能有一些对客户的投资回报,或者甚至进一步,并且实际上销售了对企业的真实问题解决方案。

总而言之,您可能遇到的10家II公司中只有一个,在AI Universe中有一些东西会对业务产生积极影响。

避免“人工智能玩具”

人工智能采用者的另一个常见错误是出于错误的原因。当商人们看到他们的收件箱里塞满了人工智能的报道,比如,他们看到亚洲的一个竞争对手刚刚发布了一份爱尔兰德国比分直播关于创建一个聊天机器人应用程序的新闻稿,那么就会有一种社会压力让他们说“让我们也做人工智能吧”。它是为了人工智能而人工智能,这使得它成为一个“玩具”应用程序。

“玩具”应用程序是技术或项目,因为他们使用AI,而不是因为他们解决了业务问题。供应商参与其中,因为他们需要豚鼠“飞行员”产品,他们有时候也会鼓励关闭交易,即使它们没有很好地组织。

你知道这是在问题变得“我们可以用AI做什么的时候发生这种情况?”而不是“我们如何最好地利用我们的资源来满足我们的业务目标?”

因为其他人也在使用AI而想出方法,这就成了一个“玩具”应用程序,因为这并不能真正有效地利用你的资源。它需要大量的时间、训练、修补和专业技能,而且往往没有任何进展。即使在采用方面取得了进展,但有可能在进行到一半的时候,高层的某些人就会意识到这不是对现有资源的最佳利用。

说到“玩具”应用,不管是谁在一开始就支持采用人工智能(出于错误的原因),最终看起来更像一个傻瓜,而不是冠军,涉及的顾问和利益相关者都以失望告终。

AI采用的最大挑战

在企业中采用人工智能存在一些重大挑战,其中大多数是结构性的。人工智能和机器学习不是万能的解决方案,至少目前还不是。它们不是即插即用的,因此将其应用于您的业务需要一组特定的技能和资源。仍然有一些“巫师技能”涉及。

AI人才差距

第一个挑战是寻找人才。你的团队需要具备必要的技术能力的人来培训AI系统,比如使用客户支持数据来自动回答问题,或者在未来使用营销数据来细化和定义你的活动。这种类型的训练是一种微妙的技能,而不是周末学习类型的球赛。不幸的是,拥有这些技能的人相对较少,而且差距很大。

将AI带入现有企业的文化挑战

然而,尽管人才无疑是一个重大挑战,但它并不是将人工智能引入企业的首要挑战。最突出的挑战是结构性挑战,这涉及到研究和开发如何将其应用到实际的企业环境中。

大多数企业IT采购或多或少在某种程度上只是选择您想要使用的软件或硬件,插入它,并最终让它做您想要它做的事情。人工智能的问题在于,你需要进行大量的初始培训,并在早期处理数据,所以它将与你现有的系统兼容,并校准它,以便交付结果。

在商业中集成一个非常庞大和强大的人工智能解决方案涉及到一定程度的研发,这爱尔兰德国比分直播是大多数公司在心理上无法承受的。他们不需要在公司内部进行长时间的修修补补才能让技术发挥作用。采用人工智能会产生一些严重的成本,大多数公司根本没有能力承担这些成本。

使用数据科学家——并且让他们在身边

此外,在没有彻底了解它的情况下,使用AI的公司经常不利于它,即使他们能够首先提供人才。

如果聘用了数据科学团队以帮助解决业务问题,他们与他们聘用的团队不太可能会知道如何与他们合作。例如:

  • 营销团队可能不知道AI可以解决什么类型的营销问题,因此他们从不与数据科学团队交谈
  • 商业智能团队可能对人工智能有很多误解,在对让数据科学团队解决问题的难度感到沮丧之后(主要是因为商业智能团队不理解使用人工智能所需的迭代过程),他们完全停止提出建议
  • 当数据科学/ AI团队创建AI解决方案时(经过长时间的修补和研究),IT团队不熟悉如何将这种新解决方案集成到其常规工作流程中,进一步令人沮丧的所有缔约方

令人沮丧的沟通渠道的另一个缺点是,一个无聊的数据科学团队可能不会呆很长时间。数据科学家无论到哪里都能找到工作(和高薪),而且几乎总是有人愿意支付更高的薪水。

我们很多次听到(包括我们对赋予Equifax的首席数据科学家的访谈,标题为“建立并保留一个数据科学团队“)在没有有意义的,有用的有趣的项目的情况下工作 - 他们可能会将他们的简历发送到其他潜在雇主(或者只是回应已经每天电子邮件给他们电子邮件的招聘人员)。

示例和用例

虽然人工智能对许多行业来说是一个难以攻克的难题,但在一些领域,人工智能中的机器学习已经具有很大的吸引力。

下面,我们将探讨一些广泛的业务功能,这些功能正越来越多地利用现有的企业吸引力集成人工智能。

网络安全

人工智能在各个行业中远远超过了试点阶段的一个关键领域是数据安全,因为安全对每个人都很重要。在这个领域,牵引力以一种强劲的形式存在,人们相信,跨行业的企业将会有更大的牵引力。

机器学习特别适合于数据安全。当有人入侵你的东西时,用硬编码规则来检测是非常具有挑战性的,因为它具有对抗性。这需要一种灵活的方法。

为了说明这一点,考虑营销。使用AI产品用于营销的人不会培训系统错误的破坏过程。在数据安全中,有大型团队的非常聪明的人,他们正在努力绕过你正在做的事情。检测异常和检测有点不同的行为或访问的能力是AI可以处理的东西。在接下来的两到五年里,大多数人在安全或卖入那个空间的企业中会认为你没有在机器学习中做安全。

其他背景:

客户服务和白领自动化

另外两个跨行业相当普遍的领域是客户服务和白领自动化。在客户服务中,你有通常的支持问答、技术支持和票选,在这些方面,自动化节省了很多时间。对于白领自动化来说,这些是几十年来人们希望机器能够完成的任务。这些都是死记硬背的任务,比如数据输入、处理和排序。

其他背景:

[Tecarousel]

最热门的AI企业牵引力产业

在特定行业方面,AI最强大的是在医疗保健和金融方面,因为这些是为其研发提供最金融支持的部门。在这些领域工作的人现意识到存在数据的丰富性。在金融中,这主要是在医疗保健中的欺诈和安全性;这主要是在发现和诊断中。

诊断技术一般是顶级风险投资收件人,因为它在医疗保健方面有许多好处。例如,系统可以在患者的特定条件的顶部映射基因组数据,以查看是否存在先前的处理。医生可能无法建立联系,但如果它可以通过现场的可用研究,并且映射特定药物或治疗组合的机器学习系统,医生可能没有想到。

其他背景:

采纳或等待?

鉴于大多数AI需要大量资源,在未来几十年里,尚不是不可避免的,商业领袖现在应该采用AI,或等待该技术成熟?

情况不是黑白。正如我上面提到的,有五种类型的采用者:创新者,早期采用者,大多数,迟到的大多数和落后者。作为一项经验法则,大多数商业领袖将避免成为创新者(因为所涉及的不确定性,人才和成本)或落后的行业,其余的行业已经利用了AI的投资回报率。

作为一个创新者需要一套独特的能力——以及一套独特的业务需求。微软(Microsoft)、谷歌和Facebook等公司都是这个独家俱乐部的成员,它们自己也在进行深度学习中的人工智能基础研究。

其他一些“革新者”公司(早期在实验阶段应用人工智能的公司)并没有走得太远,推动人工智能科学的发展,但他们经常使用大量资源充实人工智能的商业应用,以寻找人工智能。例如,JPMorgan Chase正在努力用AI分析法律文件, 和达美航空正在使用面部识别技术在它的一些内心的信息亭 - 但这些公司都不是在基本的AI研究中推进 - 例如 - 谷歌或亚马逊。

让大公司来解决问题吧

对大多数公司来说,最好的出路是中间路线——成为早期或晚期的大多数,不要理会那些声称人工智能实现简单或廉价的流行词和营销策略。

大多数商业领袖应该密切关注行业领先组织的真实案例研究和真实应用。当这些组织清楚地从这些应用程序交付ROI时,它们可能值得研究和探索。

随着人工智能技术在未来几年变得更加普及,越来越多的供应商将致力于复制和提供行业领先企业的人工智能应用,使它们更容易被没有大量人工智能人才的中小型企业和公司(即大多数公司)使用。

当它可能在AI中创新时可能有意义

作为一种警告,一些公司确实可以在AI中进行创新,或者至少可以成为早期的采用者。一般来说,这些公司:

  • 有一个战略计划在他们的市场竞争,包括特定的优势,对竞争对手,和特定的价值为客户
  • 利用这种优势或能力的最佳(或唯一)方法是通过人工智能爱尔兰德国比分直播

这样的公司的一个例子可能是需要找到新的方法来检测欺诈以在市场上保持竞争力的商家账户业务,或者需要更好地预测需求以在市场上保持竞争力的物流公司。

值得注意的是,在这种情况下,公司永远不要认为人工智能或机器学习是解决公司问题的答案,或者是其差异化的关键。相反,公司应该探索所有可能的技术选项(可能在外部顾问的帮助下),以确定人工智能是否真的是正确的解决方案。为自身利益而使用的人工智能几乎注定要失败。

为了让公司考虑这条路线,公司必须:

  • 是否有预算、时间和资源来聘请顾问和新员工来充实AI应用,而不期望短期内获得任何投资回报
  • 清楚地了解他们的问题,并强大的理解验证为什么Ai被用作解决方案
  • 是否有一个相信人工智能的领导团队,并愿意学习新的术语和方法来促进公司人工智能的发展

用一粒盐取所有索赔

在阅读AI创新时,应调用一个人的信息来源。在我们的经验中,业务领导者的意见往往通过以下来源摇曳(远离客观性):

  1. 供应商公司(他们想要客户)。供应商经常过分夸大他们的技术能够做到什么,而过分低估集成他们的技术需要多长时间。此外,供应商公司对其案例研究的具体结果含糊不清——特别是当他们没有真正的结果来谈论时(我们已经尝试用我们的解决这个问题这里是Emerj的案例研究部门)。
  2. 咨询公司(他们想要企业交易)。IT咨询巨头们知道,人工智能有可能(通过自动化)伤害他们那些以人为本的公司,但人工智能也提供了一个从那些想“跳上浪潮”的企业客户那里赚取巨额资金的机会。“我们认为,咨询公司经常欺骗企业,让它们相信,如果你在业务的很多领域不大量使用人工智能,你肯定会被竞争活活吃掉。虽然在某些情况下这是正确的,但这只是在长期来看是正确的。在短期内,公司应该对人工智能持怀疑态度并保持警惕,不会像对其他技术一样急于“砸钱”。
  3. 科技媒体(他们想要点击和分享)。常见的标题可能是“XYZ公司革新自动驾驶卡车”。”With 5 minutes of digging a bit deeper, it’s easy to learn that this company is just a few guys out of college who raised a few million dollars. No traction, not evidence of “revolutionizing”, no product. Business leaders see their social feed and inbox full of these kinds of statements and think that AI is making much more progress than it is. We’ve built objectivity into our company DNA (see our“关于”页面)虽然这意味着我们变得越来越少的炒作诱导的社会股,但我们认为,从长远来看,我们的目标是建立“信任”是履行我们使命的最重要的原则之一。

值得注意的是,上述各方的意图都不是特别恶意,他们只是按照自己的动机行事,做可能对自己的生存最有利的事情——这并不一定是我们所说的道德失败。话是这么说,重要的是商业领袖要警惕他们的信息来源,以及信息提供者的动机。

考虑到AI对您的业务的重要性,如何通过炒作

当我被打电话给商业观众的演示时 - 它几乎绝不只是为了“找到有趣的用例”。也许营销观众希望了解营销用例,也许医疗受众希望了解医疗用例 - 并且在这两种情况下我都会提供 - 但是所有群体都在寻找更深的观点。他们都希望回答这个问题:

“我应该注意什么,我应该忽略什么?”

最重要的是,回答这个问题是Emerj的价值主张,也是我大多数演讲活动的终点。

培养你的“注意天线”来调整95%的AI炒作,实际上并不与您有关,并且能够考虑重要的事情。以下是我建议的步骤:

  1. 拥有坚实的构想和肉体在您的业务部门内享受AI的可能性空间,以了解可行的是什么,以及可能的事情。通过快速谷歌搜索或通过我们的网站制作一点来解决AI可以解决的问题的基本了解,因为有一点让您了解映射到人工智能的问题,这可能会解决它爱尔兰德国比分直播它适用于此。你看待空间的越多,你的学习就越多。除非你知道,除非,一切都会很容易,这不是真的。
  2. 熟悉自己所在行业的优先级和用例。找出在你的领域中使用这些东西的行业领导者。你可以在我们的网站上找到一些有趣的案例研究,比如收入最高的5家制药公司在人工智能方面做了什么。爱尔兰德国比分直播你也可以在谷歌上找到任何政府来源,他们通常使用一些尖端的IT。
  3. 与开发和实施类似应用的公司交谈,并对自己施加的内容进行逼真的理解。找一个已经做过类似的人,了解成功采用ai需要多长时间。它需要什么样的内部专业知识?训练需要多长时间,调整这些系统,实际上摇动一美元的投资回报率?
  4. 想想你的战略举措。想想你的主要目标。考虑您必须击中的基准,您必须开发的技术以及最强调的发展领域。决定如果投资AI是实现企业目标和战略目标的最佳方式,并且在您的市场中保持竞争力。在某些时候,将必须采用,但你不应该从FOMO或害怕失踪中这样做。

除非您拥有所需的人才,否则您的竞争力可能对大多数企业的早期采用可能不对,以及您使用机器学习对某些特定尖端技术的奉献精神探测。如果是这种情况,那么现在认真考虑AI采用。

否则,最好是静观其变,看看大公司或其他行业是否有一些吸引力,是否有一些表面上的回报。不要深入研究,因为这不是一件容易的事。

在为你的业务考虑人工智能时,具体询问供应商,哪些公司与你的公司相似,并获得了你想要的结果。你通常会看到处于试点模式的人工智能公司从金融转向其他类别,如保险,并声称它适用于不同的行业。这可能是一个代价高昂的假设。

你应该像在任何其他IT采购情况下一样,对人工智能的概念有一个明确的理解,看看这些人是否正在交付某种结果。供应商并不一定要欺骗你。这只是每个人都想弄明白人工智能。像你们这样的企业家和供应商公司只是试图把这些难题连接起来。大多数公司还没有做到这一点。

特别感谢查尔斯马丁博士为了帮助突出并突出这个演示中的许多关键点。在我的旅行之前,我和查尔斯谈到了这讲话,他对AI的“采用摩擦”的洞察有助于使这个演示完成。

本文的原始转录和写作(在2017年9月佐治亚州佐治亚州科技协会的介绍)由Tini Abadicio完成,后来编辑和添加了Daniel Faggella。

标题图片来源:乔治亚州技术协会

保持领先于AI曲线

发现在业务未来将赢家分开获奖者的关键AI趋势和应用程序。

注册“AI Advantage”通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
subscribe-image
走在机器学习曲线的前面

加入超过20,000名以上的可调性的商业领袖,并收到每周提供的最新的AI研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。