當專家確認你懷疑的是什麼時，總是令人滿意的。今年夏天，研究公司gartner在我們的早晨咖啡中投入了一筆現實，其關鍵分析表明，人工智慧（ai）已經達到了「膨脹預期的高峰期」。坦率地說，我認為很多技術**商對自己的能力。如果您對elon musk令人擔憂的ai抱有期望，請將其撥回商業軟體級別。它實際上並不像聽起來那麼平凡。ai已經改變了我們如何使用資料來理解我們的世界
，這也成為一種企業風尚。對於每乙個alphago zero來說，都有上千家公司 - 初創公司和老牌公司 - 在80年代的汽車上貼上ai標籤，像
褲子上的
細條紋。我不懷疑過去幾年人工智慧方面取得了重大而迅速的進展。我不信任的是炒作的高潮，這與20世紀90年代末和21世紀初的科技泡沫相呼應。風險：購買過度旺盛的承諾
,而不是具有可靠的投資回報（roi）的產品。哄騙我們的判斷，有時是故意的。
如果您同意我的懷疑態度，但同樣感覺到重要的機會並希望避免過度小心，以下是六個問題來幫助您調整bs檢測器。
1.我試**決什麼業務問題？
這是最重要的問題，它與ai沒有任何關係。誠然，少數公司會在實驗中發現價值，但對開放式專案應該極其小心。最好清楚地定義你想解決的業務問題。您應該根據三個標準評估任何商業投資：它會增加收入，降低成本還是降低風險？ 將新技術固定在其中至少一種基本原理上將確立其價值。在此之後，分配所有權和問責制是使技術倡議保持正軌的最佳途徑。
2.為什麼我需要人工智慧來解決這個問題？
也許你沒有。真正的ai獲得並應用知識和技能。這對於存在可變性和新穎性的情況是很好的，但是很難建立並因此要求**。考慮在繁忙的城市街道上駕駛自動駕駛汽車的複雜性。您的業務問題是否涉及不可**性？在任務中逐漸變得更好的機器聽起來很有吸引力，但您需要關注交付的結果，而不是用於實現它們的技術。你會獲得改善的餘地，使人工智慧的成本值得嗎？ 找出乙個測試來評估邊距的大小。在紙上執行並再次在概念驗證專案中執行並確保ai獲得溢價。
3.我有足夠的資料來使用ai嗎？
最好的人工智慧解決方案在具體任務上勝人一籌，例如在掃瞄中識別癌細胞或在投資銀行中發現錯誤的交易者。但教一台機器來理解雜亂和不一致的資料需要廣泛的培訓。人工智慧使用模型來理解世界並進行概括。找到足夠的例子來建立乙個好的模型可能很困難。醫療保健系統或銀行可以利用大量的歷史資料。 你可以嗎？ 即使可以，通過拖網查詢相關示例可能會非常耗時且成本高昂。為了克服這個障礙，一些公司已經開始研究ai模型訓練軟體，這個軟體使得這個過程更快，更便宜。即便如此，只要資料不足，這項任務就很難完成。
4.我應該建立還是購買ai解決方案？
5.**商如何知道我的網域名稱？
一些**商聲稱ai使得網域名稱體驗無關緊要。
請不要相信它
，與不需要從頭開始學習您的業務的顧問一起工作會更快捷，減輕壓力。檢查任何潛在**商的相關經驗和合作關係。**商的領導可以提供其他人解決的可比較問題的生產例項嗎？
如果您的問題確
s實是獨一無二的，那麼請尋求能夠應對並行挑戰的專家 - 可能在具有類似資料的不同行業中工作。
6.是否有可靠的投資回報率？
—roi
在gartner的報告中，「充滿期望的高峰」隨之而來的是同樣異想天開的「失望幻覺」。當技術買家看到過去的承諾並開始要求證明的結果時，ai將失去光彩。在我看來，這只是合理的商業慣例。那麼為什麼要耐心呢？要求今天檢視投資回報率措施。您的智慧型資金是針對買方或**商無需延長學習曲線的解決方案。雖然我顯然有點憤世嫉俗，但我親眼目睹了真正的人工智慧所能做出的區別。機器可以承擔對人們來說重要但艱鉅的任務 - 並且做得更好。它不僅僅可以節省時間，還可以提高效能。它為組織變革開啟了空間，獲得更大的回報。這是人工智慧的真正承諾，但實現它不僅僅需要聰明的軟體。
阿馬拉的法律規定：「我們傾向於高估短期內技術的影響，並低估長期的影響。」這是乙個很好的建議。領導者面臨雙重挑戰，即決定投資人工智慧是否可以在短期內創造價值，同時弄清楚如何使他們的組織適應人工智慧無處不在的世界。培養積極的經驗並進行投資以實現健康的投資回報率將有助於揭示面臨的問題並為未來的深層變革奠定基礎。考慮到業務基礎而不是炒作會讓組織今天做出明智的選擇，並為未來構建他們的ai體驗。
本文部分內容根據
brett jackson在。
設立企業BLOG的5個關鍵點
連寶潔的衛生紙都要通過惡搞的部落格來吸引眼球，可口可樂的征途206專案一定也會深入的應用專門的部落格進行宣傳。企業部落格在市場營銷中越來越受到重視。這種應用在歐美一線品牌的市場上非常廣泛，企業都在盡全力研究企業blog，微博，sns等新誕生的數字營銷方式。www.cppcns.com我們相信這個確實...
成功商業智慧型戰略的6個關鍵
bi的成功需要的不僅僅是強大的技術平台。更需要專注於流程和人員，以及從業務第一的方法來獲取資料的見解。商業智慧型 bi 對於業務增長和競爭優勢至關重要，但從bi中獲取收益不僅僅需要實現支援它的技術。部署該技術是任何bi計畫中最容易的部分，反而是人員和流程部分正確處理更具挑戰性。因此，企業必須將人員和...
2017企業不得不推崇AI的8個原因
本文講的是2017企業不得不推崇ai的8個原因 it168 資訊 在2016年，我們看到人工智慧成為主流，從許多不同行業捕獲的資料量上來看也是呈現成倍增長。金融服務，醫療保健，電信，公用事業，教育，汽車和其他垂直行業正在採取重大舉措使用 分析和ai以更好地服務客戶，從而獲得更大的投資回報。在2017...