除非您一直生活在岩石下，否则您会听到有关人工智能的嗡嗡声。因此，根据麦肯锡全球研究所 (McKinsey Global Institute) 发布的2017调查，在3,000位人工智能高管中，只有五分之一的人在其业务的核心领域使用任何与人工智能相关的技术，这可能会让你感到惊讶。
为什么企业家和高管不跳上他们所知道的改变市场的技术？一句话，不确定性。由于人工智能还很年轻，领导者们不确定在哪里应用它，如何确保他们的投资回报，或者最重要的是，如何实施它。
可以肯定的是，人工智能可能令人生畏。这不是你翻转的开关，也不是你塞进产品的小部件。用人工智能取胜需要认真分析在哪里玩和如何赢，并辅之以对软件、数据和机器学习的快速投资。
那么从哪里开始呢？我们喜欢从三个粒度层次来思考人工智能: 业务模式、核心技术和用例。因为实际上AI的所有业务应用程序都属于三种模式，所以检查它们是了解AI的用例和特定技术的好方法。
经常性业务模式
人工智能描述了一系列技术，从粗略的意义上讲，这些技术可以与人脑相提并论。虽然人工智能可能永远不会复制人们能够解决的创造性问题，但它确实提供了巨大的处理能力和决策技能。实际上，超级碗之后的星期一，它永远不会感到无聊，疲倦或请病假。人工智能的优势意味着，在某些情况下，它可以在几分钟内完成工作，这将花费人类数千个小时。
人工智能作为分流，这种模式代表了我们在多种多样的工作的大约一半，有助于增强人类的决策能力。人工智能解决方案可以标记可疑活动的实例，从而大大减少了人工工作量，而不是让保安人员监视数小时的监控录像。AI作为分类是特别有利的，因为软件不需要100% 准确。即使是80% 精确的算法也可以节省令人难以置信的时间; 此外，在许多情况下，其准确性随使用而提高。
实体解析和主题建模是AI作为组织者的复杂示例，但是此AI解决方案本质上涉及标记数据资产，以解锁它们可以提供的见解。随着大数据的接管，人工智能对于管理和操纵大量信息至关重要。
作为分类和组织者，人工智能需要一定程度的人工输入和指导。然而，自主人工智能能够学习某些需要做出复杂决策的任务。自动人工智能经常受到最多的关注，因为它使自动驾驶汽车等创新成为可能，但至少在短期内，商业世界可能会更多地利用人工智能的组织和分类能力。无论您选择使用人工智能做什么，都不要拖延。马克·库班 (Mark Cuban) 在最近于洛杉矶举行的前期峰会上说: “人工智能将比过去30年的任何其他技术进步都给世界带来更多的革命。”就像互联网一样，人工智能将产生一个富裕到富裕的环境，那些领先的人将会开始竞争。到目前为止，人工智能的以下领域显示出特殊的商业前景:
1.预测分析
想象一下，一旦客户购买了您的服务，就能够预测客户的价值。听起来不可能，对吧？嗯，在我们的人工智能分类工作过程中，我们帮助一个领先的在线注册机构在注册后几天内以90% 的准确性预测其顾客的终身价值。现在，注册管理机构可以对其客户服务做出更明智的决定，为其最忠实的用户提供尽可能多的价值。
当然，创建预测性解决方案需要完整的客户互动记录。建立这个数据库需要时间，但许多必要的组件是现成的。即使预测分析对你的业务来说是一条路，现在就开始收集客户数据，这样当你决定利用人工智能时，你就会拥有它。
2.计算机视觉
最初是一种成本高昂的技术，在日常生活中变得司空见惯。计算机视觉是存储图像和视频以理解其内容之间的飞跃。每次您的照片应用程序识别您的脸部或通过移动设备存入支票时，您都在使用计算机视觉。如果您的企业以几乎任何方式使用非结构化的视觉数据，则可以利用这种类型的AI。
如果您陷入困境，请考虑计算机视觉正在出现的市场各个角落。自动驾驶汽车用它来检测道路线路、行人和其他汽车。Twitter使用它将用户上传的照片裁剪到他们最有趣的部分。电脑视觉可以自动给照片和视频贴上标签，而Google的图像搜索则利用这一技术对互联网上的所有图像进行索引。
3.自然语言处理
计算机不仅在理解视觉数据方面变得更好; 他们已经开始通过自然语言处理来掌握人类语音和写作的复杂性。简而言之，NLp算法解码自由文本中包含的信息。通过深度学习，NLp可以搜索大量文本以获取特定信息和上下文相关领域。
作为分诊，人工智能可以查看病历并确定要编码的内容。例如，apikio正在使用NLp在电子健康记录系统，独立图像等中查找和 “读取” 图表。根据进行的一项研究，apifxio的AI驱动平台比典型方法20% 更准确，400% 更高效。同样，NLp可以通过法律文件来查找与特定案件相关的文件。
就像计算机视觉一样，使用NLp需要识别您想要在大块文本中检索或更改的信息。示例包括客户反馈，对公司的媒体提及，搜索查询和内部记录。例如，为了解决健康IT客户端的实体解决问题，我们使用NLp构建了一个AI解决方案，该解决方案吸收大量记录，识别重复项并将其合并到主记录中。如果没有自动化，客户将花费数千个工时来审查和组织这数百万条记录。
无论你做什么，人工智能集成都不会在一夜之间发生 -- 但除非你主动启动这个过程，否则它根本不会发生。首先要确定快速赢得业务的机会，以建立势头，并确保未来的人工智能投资处于坚实的基础。根据实施的复杂性和回报的重要性来安排和优先考虑您的机会。人工智能经常因其降低成本的能力而受到称赞，但其推动增长的潜力同样重要。
你的下一个任务？开始考虑如何收集、存储、转换和标记关键数据资产，为您的AI解决方案提供动力。您需要对它们进行组织和更新，以正确筛选您发现的机会。幸运的是，一旦你把你的数据准备好，你就会有最难的部分。