内容
资料来源：Kittipong Jirasukhanont / Dreamstime.com
带走：
该企业已开始将AI和ML集成到其运营中，但是还没有达到许多互联网企业所能达到的程度。这些公司的帮助可能是采用企业AI的关键。
自2015年以来，超大规模互联网公司通过提高数据处理和建模复杂程度的自动化程度，跨越了机器学习的多个级别。除少数例外，该企业在人工智能的应用方面一直滞后，但在互联网公司中却看到可以提供帮助的合作伙伴赶上。
机器学习的潜在企业用户在匹配人才储备，计算能力，规模和互联网公司积累的训练算法的数据量方面还有很长的路要走，尤其是在过去四年中。在企业的许多垂直行业中，业务流程尚未进行数字化转换，以实现数据处理的自动化以及基于从人工智能中获得的洞察力即时执行业务决策。此外，一些垂直领域还没有定义明确的用例，这些用例有助于实现盈利的人工智能。 （有关业务中的AI的更多信息，请参阅克服IT服务管理变更管理使AI的功能无法解决。）
在业务中采用人工智能
人工智能在商业中的应用尚处于初期阶段，尤其是当我们认为人工智能的成熟用户已经从探索和试点发展到通过使用人工智能获得商业价值的阶段时。技术媒体公司O’Reilly在其2018年的调查“企业中机器学习采用状况”中发现，老练用户仅占全球企业用户总数的15％，而在北美则为18％。
外部专业知识和学习资源在帮助业务用户赶上最新的机器学习（尤其是先进的AI技术）方面发挥着重要作用。德勤（Deloitte）在2018年进行的一项调查发现，59％的企业购买者从具有AI功能的企业软件公司那里获得AI专业知识，53％与合作伙伴共同开发它，49％从云AI公司那里获得它，39％从GitHub之类的网站上进行众包。云AI公司将AI作为服务提供，从而节省了基础架构成本和内部人才开发。
对于高级AI开发，云公司是更重要的专业知识来源。 39％的业务受访者表示更喜欢云公司作为高级AI的来源，而本地软件则为15％。人工智能即服务以48％的活跃速度增长。
在垂直领域采用人工智能
我们采访了专注于人工智能和机器人技术的行业分析公司Tractica的研究主管Aditya Kaul。考尔一直在研究在全球30多个垂直行业中为300多个用例使用人工智能的情况。考尔告诉我们：“电信和金融服务一直是人工智能采用的领导者，它们始于更原始的统计技术，最早可以追溯到1980年代。”他补充说：“零售业，汽车业和医疗保健业的采用率在最近几年猛增，而大多数企业仍处于采用的初期阶段。”他补充说，“ CRM，供应链和人力资源等横向业务服务已扩大了采用率。人工智能迅速发展，因为其预测能力有助于识别前景，消费者需求趋势和有才华的员工。”
“对复杂且异构的软件定义网络进行监视，同步和优化是电信领域的关键用例，”考尔推测道。他指出：“汽车语音助手在汽车领域迅速发展，越来越重视汽车的个性化服务。”他还告诉我们：“银行业正在将人工智能用于客户服务，其中包括聊天机器人，因为聊天机器人面临着来自小型互联网银行的激烈竞争，除了将其用于欺诈检测，贷款分析和其他后端操作之外。”
尽管医疗保健行业具有巨大的潜力，但由于监管方面的障碍，其使用数据一直滞后到最近。考尔透露：“现在，有几家由风险投资支持的初创公司已经将重点放在机器学习的临床试验中，以加快药物研发的速度。”
没有错误，没有压力-在不破坏生活的情况下创建可改变生活的软件的分步指南
当没有人关心软件质量时，您就无法提高编程技能。
零售商店已经掌握了准确预测需求和供应的能力，因此加快了对机器学习的投资。麦肯锡的一份研究报告显示，德国零售商奥托（Otto）每年使用深度学习算法预测顾客将购买的商品，从而将退货减少200万件以上，并将多余库存减少20％。它的AI引擎现在可以每月自动订购200,000件商品，因为它可以预测Otto在未来30天内将以90％的准确性出售。 （不确定AI如何适合您的公司？查看公司可能想考虑使用AI的5种方法。）
与Cloud AI公司合作
超大规模云AI公司一直愿意与企业客户合作以提高其人工智能技能，但是他们不确定与后端管道必不可少的企业软件公司合作的方式。 Kaul观察到：“云计算公司对免费的云时间，咨询和培训资源等免费服务的企业客户非常慷慨。”
由于像Google这样的云AI公司已经从2015年的人工算法快速过渡到2016年的深度学习，以及最近的更高级算法（例如强化学习），它们能够为早期采用者提供咨询，帮助他们在AI学习的过程中取得进展到期。
Kaul解释说：“随着我们看到预训练模型，标记数据集的可用性增加以及云AI定价普遍降低，人工智能的成本也在下降。”他说：“目前，使用AutoML之类的技术可以缩短用于数据处理，摄取，数据准备和标记的时间，这些时间占据了90％的工作量，”。超大规模云AI公司的合作伙伴Nvidia已为企业重新包装了其GPU（图形处理单元）。 “ Nvidia已重新定位为以企业中的数据科学和分析用例为目标，与CPU（中央处理单元）相比，它可以加快大型分析模型的培训，” Kaul解释说。
企业软件公司将必须找到容纳云AI公司的方法，尤其是当它们将新功能引入市场时，这些新功能已成为企业业务结构的一部分。 “通过深度学习实现了聊天机器人和计算机视觉功能等用于图像识别的功能，这些功能扩展了AI带来的价值，” Kaul断言。他补充说：“软件本身不再经过硬编码，而是可以适应数据和分析的需求。”到目前为止，没有足够的证据表明，除Microsoft等少数例外，企业软件公司可以在算法上赶上云AI公司。种种迹象表明，云AI公司与企业软件公司之间的新聘用条款尚未解决。
结论
机器学习将重新定义企业软件本身，从而重塑企业。企业将基于从缩短数据学习时间的算法中获得的见解，通过数据处理的自动化和业务决策的更快执行，更快地适应外部业务环境。企业软件将不断发展和重新配置，以与算法保持同步。
