各行业加速探索人工智能商业利益 采用率增加了三倍

人工智能正在迅速成为组织开展的当务之急。无论是提高效率，寻找新的商业机会，还是与时俱进，或者在竞争中取得领先，各行业的组织都在探索人工智能的商业利益，仅在过去一年，人工智能的采用率就增加了三倍。

对于一些组织来说，这意味着从头开始构建人工智能系统。但调研机构Gartner公司表示，招募合适的人才既困难又昂贵，而85%的人工智能项目很有可能失败。即使构建的项目成功，供应商也可能很快就会以更低的成本提供更好的产品，并定期升级，更多集成，以及提供更直观的用户界面。或者，当组织正在开发的人工智能新功能作为一个免费功能或升级到已经使用的平台时，其自己构建的人工智能资产可能会变得多余。

另一方面，使用商业化的人工智能产品可以快速尝试许多不同人工智能技术，并且投资更少。IBM公司数据和Watson AI总经理Rob Thomas表示，要想在人工智能领域取得成功，数量至关重要。

Thomas 说，“我鼓励客户采用100个人工智能试点项目，而不是一两个。哪怕这些项目中有一半毫无作用，但另一半项目可能真的有所回报。”

他表示，市场上已经有了一些轻量级的商业工具，而且只需要几个星期的实施。此外，嵌入式人工智能的想法（例如人工智能内置到其他平台和系统中）正在兴起。

因此，组织决定是否转向现成的人工智能解决方案或构建自己的解决方案时需要考虑一些相关因素。

确保顺利旅行

根据加拿大多伦多机场管理局的统计，加拿大最大、最繁忙的多伦多皮尔逊机场每年发送将近5000万旅客。而在机场管理局的49000名工作人员中，只有1600人专注于管理、运营和技术工作。

其中一项工作是售票亭，供乘客快速办理登机手续使用。当售票亭发生故障或打印机票的纸张耗尽时，就会发送警报。然而，从收到警报到重新启动并再次运行的时间平均需要1小时12分钟。

该机场管理局信息服务交付副主任John Thompson说，这是一个问题。而知道机器何时发生故障或纸张或墨水用完，并不是可以通过简单的计算而得知。有些售票机比其他机器更繁忙，或者在一天中的不同时间得到不同程度的使用。因此，机场决定寻找智能分析的解决方案。

他说，“通过预测分析，我们知道售票机什么时候会用完纸张，所以我们可以更快地处理。”

但他表示，“机场没有足够的资源从零开始开发自己的工具，因为我们决定不再自己构建任何东西。”

去年，该机场启用了基于Symphony Summitai云计算技术的内部IT支持购票系统，这需要几个月的时间来实现和配置机场的工作流程。

Thompson说，从一个小项目开始证明实施人工智能的一个好方法。

他说，“如果试图快速实施人工智能，那么通常不会很好地运作，因此需要每次只能完成技术的一个方面。因为欲速而不达。”

现成人工智能的兴起

Gartner公司分析师Svetlana Sicular表示，“多伦多机场管理局的经验和教训代表了大多数公司进入人工智能的行为，因为很多公司选择购买而不是构建。很明显，自己构建是行不通的。很难找到合适的人才，并且耗费资源和成本。”

与此同时，越来越多的平台供应商将人工智能嵌入到他们的系统中，使这项技术一键可用。此外，将人工智能工具构建到其平台中的供应商已经可以访问非常大的、组织良好的培训数据池。

例如，Salesforce有大量的标记和分类信息，它可以分析趋势和模式，然后为客户提供最常见或最需要的分析。供应商也从规模经济中受益。他们可以雇佣专业的人才来开发和改进自己的人工智能模型。

Sicular说“但真正关键的是数据。”

她说，“从长远来看，数据是企业机器学习的最主要的组成部门。这就是像谷歌这样的公司如此成功的原因。他们了解如何获取机器学习数据以及如何进行解析。”

相比之下，一些公司仅限于他们自己收集的数据，或者可以购买的培训数据集。

商业的人工智能工具还提供其他优势，总部位于旧金山的风险投资商General Catalyst Partners公司的常务董事，VMware前首席技术官Steve Herrod指出，与那些可以使用本土系统的员工相比，更容易找到熟悉商业工具的员工。此外，供应商还在其平台上提供免费或低成本培训。

他说，“最好是在现货供应充足的情况下使用现成的产品。随着时间的推移，我们将拥有越来越多现成的人工智能软件，将构建满足自己需求的更小、更为利基的空间。”

何时构建自己的人工智能工具

虽然购买现成的人工智能工具可以快速便捷，但有时一些企业别无选择，只能从头开始构建。这包括数据或模型极其敏感或专有的情况，或商业工具根本无法获得的情况。

例如，专注于公用事业行业的软件商EnergySavvy公司已经建立了专有算法来分析公用事业客户的能源使用模式。

EnergySavvy公司工程副总裁Kalpana Narayanaswamy说，“我们近十年来一直为客户提供服务，这让我们深入了解他们的计划如何运作，他们如何细分数据，以及如何从中获取见解。”

她说，解决这些问题需要了解公用事业公司的内部运作方式。她说，“必须知道如何应用它，这就是问题的所在。”

为此，该公司成立了一个专注于行业专业知识的数据科学组织。她说，分析平台本身建立在开源技术之上。因此，EnergySavvy公司能够超越其他地方提供的基本见解、基本定位和基本定制。

人工智能组件也是企业业务增长的核心，也是一个关键的区别点。一般来说，当企业采用的人工智能技术是一个差异化因素时，很难用商品化现成的系统来做到这一点。

Dialpad公司是一家总部位于旧金山的企业VoIP服务提供商。尽管商业语音识别和自然语言处理系统可用，该公司的首席战略官Dan O‘Connell表示，该公司从头开始构建其VoiceAI系统。

他说，““我们将使用一种API，它会更慢、更准确、更昂贵。我们最终聘用了自己的自然语言处理和语音识别专家和数据科学家。还有一些拥有计算神经科学博士学位的人才。”

通过从头开始构建，该公司还能够提供独特的功能。例如，除了实时通话记录，它还具有现场指导、情绪分析和实时智能笔记和行动项目。

他说：“这为团队提供了一个在其他方面尚未开发的机会，让他们能够采取科学的方法来理解并在对话中采取行动。”

购买者放弃自己构建

Insight公司是一家位于坦佩的技术咨询和系统集成公司，该公司首席技术官Brandon Ebken表示，“并非每家公司都需要拥有自己的人工智能技术。但是，越接近核心业务流程，越可能改变客户体验，就越有可能需要进行某种类型的定制。”

他说，“越早开始，就能获得越多的竞争优势。我不建议企业一直等待。人工智能已经得到更广泛的应用，几乎所有的客户都有某种类型的人工智能计划。数字转型是由人工智能推动的，而一直等待的组织将被竞争对手超越，或错过更多的机会。”

另一个可能需要自己构建的解决方案的用例是存在隐私考虑因素，例如在受到严格监管的金融和医疗保健行业。

Booz Allen Hamilton公司负责人Lauren Neal表示，“例如，许多商业翻译引擎需要将数据上传到云端，但政府用户和受监管行业的用户希望确保他们的数据安全。他们宁愿拥有一个本地解决方案，将其锁定并使其安全。但是，没有很多商用人工智能工具可以设置用于该模式。这是这个空间刚刚起步的标志。”

她补充说，“很多企业也担心供应商锁定。对于使用平台供应商的内置人工智能工具的公司来说，尤其如此。他们的灵活性可能会降低。”

而且由于技术变化如此之快，被锁定在单个供应商的人工智能技术中将会成为劣势。

两全其美的举措

对于大多数企业来说，构建与购买不是一个非此即彼的选择。相反，企业的策略应该是能买就买，不能购买就自己构建。

“我们目前已经出现两种选择。”ExecVision公司首席技术官Reuben Firmin表示。ExecVision公司为企业客户提供人工智能辅助销售指导，其中包括Workday，Ondeck Capital和Paycor。

他说：“我们已经使用现成的工具进行情绪分析，并建立了自己的工具。我们没有必要做无用功。”

他说，“在项目开始时进行这项研究是很重要的，以避免浪费精力。组织可以开展一个机器学习项目，并会发现六个月内有一种成本更低、更普遍的方法来处理同一个项目。”

他警告说，“企业应该小心不要忽视传统的选择。统计数据足以满足许多项目的需求。很多工程师都被深度学习所吸引，但并非每个属于人工智能范畴的项目都需要这样的学习。”

当商业工具可用时，企业可能需要进行自定义集成，或添加专门的代码或配置。

总部位于埃尔帕索的技术咨询机构PCM公司高级副总裁Herb Hogue说，“没有现成的解决方案可以解决企业所有的人工智能需求和业务挑战。大多数都有核心框架、应用程序或SaaS产品，但企业仍需要修改、增强或使其符合其现有的业务。”

总部位于费城的数字解决方案提供商Anexinet公司分析主管Brian Atkiss表示，包括亚马逊、谷歌、微软和IBM在内的大多数主要云计算提供商都推出了自己的平台，可以更容易地构建定制的机器学习模型和人工智能系统。

它们还提供常用功能的现成组件和API，例如自然语言处理、语音识别、光学字符识别和聊天机器人。

他说，“许多企业都有足够的内部数据用于用例。使用针对每个用例的完全自定义数据集与使用现成工具的通用和广泛可用数据相比，模型将更加准确。”

总部位于休斯顿的数字咨询服务机构Sparkhound公司业务自动化总经理？？Richard Salinas表示，使用具有大量内置功能的平台，企业的开发团队可以专注于业务流程和用户体验。

他说，“人们普遍存在一种误解，认为组织 从头开始构建应用程序意味着最大的灵活性。而从预建基础开始，组织可以更快地进入市场。通过保持底层技术解耦和模块化，可以使应用程序更具前瞻性。”