很多企业仅仅是因为“人工智能解决方案”的日益流行而纷纷加入并寻求实施“人工智能解决方案”。他们假定这些方案可以解决任何问题,但这并不意味着AI是可以解决任何问题的魔法杖,它必须被应用于它适合解决的问题。
人工智能要求即使是最有经验的软件工程师都要重新学习如何编程的知识。由于AI技能的稀缺,且对它的需求非常旺盛,所以真正的挑战是不容易雇佣到有经验的人员。
确保人工智能的推荐或决策过程完全可追溯是非常重要的,这可以保证企业能审计模型和相关的训练数据的血缘关系,以及审计每个AI推荐的输入和输出。为了能够在生产环境里使用人工智能应用,企业必须能够解释它们的产出结果。
1. 营销:机器学习算法能够加深我们对人类心理的了解,通过对用户数据的分析,找出其中的特征和趋势,从而提高营销的效果,精准地调整内容策略,最终增加销售额。比如,哈佛的一份报告就表示,在分析了成功销售案例的聊天记录之后,可将销售的成功率提高54%。
2. 行政工作:人工智能可以替人类完成许多行政任务, 从而节省时间精力,让人们能够关注更需要创意的工作,挖掘出更多潜力。
3. 情绪分析:目前已经有人开发出了情绪分析类应用, 可以通过调研、社交媒体、图像识别软件等判断出人类在具体话题上的一般立场,而且可靠性还不低。2012 年美国大选时,这类应用就曾被用来衡量具体政策公布后的公众情绪。企业可以用这项技术实时监控市场导向。
4. 业务流程效率:可以利用人工智能分析供应链或工作流, 找出可供改善的地方,从而提高资源的利用效率, 加快企业的成长。据福布斯的一份报告称,在商业流程管理中整合了该技术的制造商可以将生产力提高20%, 物料用量减少4%。
5. AI辅助工具:市面上有数以百计的公司专门设计简单易用的AI 工具,提供给大大小小的企业客户。有些帮你检查拼写,有些帮你处理法律文书, 还有些能自动应答,减少客服工作量。不过在应用这些技术之前,不妨先检查网络条件、人手和预算是否已经准备齐全。