对20世纪80年代人工智能 (AI) 的商业采用进行了研究。该研究发表在《MIS季刊》上，发现企业急于投资AI，预计市值为40亿美元。
然而，结果令人震惊。
研究发现，在五年的时间里，只有33% 的AI解决方案提供了业务价值，而其余的则被放弃了。人工智能的许多流行应用被证明是纯粹的炒作，几家公司对人工智能的幻想破灭了。
今天，同样的故事又在重演。
尽管人工智能研究取得了数十年的进展，并且最近取得了许多突破，但企业仍在为采用该技术而苦苦挣扎。麦肯锡 (McKinsey) 的一项调查发现，只有8% 的公司拥有使他们能够采用和扩展人工智能的做法。
人工智能具有非凡的能力，但它并不适合每种情况。以下是投资人工智能不付费的五种情况。
1.当更简单的解决方案将完成工作时
大多数业务问题可以通过简单的分析来解决。即使在当今使用机器学习的组织中，基于简单回归的技术也是最受欢迎的。只有一小部分企业真正需要人工智能。随着人工智能功能的民主化，很容易将其用于每个业务问题。但是，为什么要用大炮打苍蝇呢？
100万美元的Netflix奖金是一项全球挑战，旨在提高10% 年Netflix电影推荐引擎的准确性。Netflix从50,000多个全球团队中找到了赢家。他们付了钱，但从未使用过他们的算法! 相反，他们部署了排名较低的提交。尽管精度较低，但这种更简单的解决方案具有较低的工程成本，并且更适合实际使用。
2.当你没有足够的数据时
分析技术需要数据来发现可操作的见解。技术越强大，所需的数据量就越高。AI拥有巨大的数据胃口，它需要数十万个数据点来完成检测图片等基本任务。这些数据必须以特定的格式进行清理和准备，以教AI。不幸的是，高质量的带标签的数据并不是每个组织都能负担得起的奢侈品。
例如，人工智能可以预测你未来4周的销售额。但前提是您有许多月的细粒度历史数据。如果你只有最近几周的数据，人工智能将无法提供帮助。因此，请使用一种简单的预测技术，例如外推法。只需几个数据点，它就可以为您提供可靠的见解，从而为您的业务决策奠定基础。
3.人工智能仍在试验中的地方
我们每天都在看到人工智能研究的惊人进展。今天，人工智能可以从你的字幕生成图片，或者控制一群无人机。但是，在精心控制的场景中做事与在现实世界中执行任务之间存在很大差异。AI的许多令人印象深刻的成就仍处于实验阶段。
2013年，MD安德森癌症中心 (MD Anderson Cancer Center) 大胆地部署IBM Watson的AI，以帮助其临床医生进行癌症诊断。在接下来的几年中，为了使其在实际情况下工作而花费了超过6200万美元之后，该系统终于退役了。今天，人工智能在检测癌症方面变得更好，但还没有看到主流的采用。虽然尝试人工智能是件好事，但你必须知道它在黄金时段准备好了。
4.当成本大于收益时
今天，在某些领域，人工智能可以很好地完成这项工作。然而，总拥有成本如此之高，以至于它可能在经济上还不可行。当组织考虑人工智能时，他们通常只是为了实施成本而计划。这些只是冰山一角。让人工智能为你工作需要更多的投资。
例如，如果您正在构建AI驱动的客户体验平台，则必须收集新数据以捕获更深层次的客户信号。您必须手动标记数据以训练人工智能，甚至在您花在软件平台、高级硬件和分析团队上之前。此外，您必须对最终用户进行数据素养培训，定制您的业务工作流，并为持续的变更管理留出预算。
要扩展人工智能，你必须为采用预算和在实施上花费的预算一样多。但是，最大的问题是，更快乐的客户是否会为您赚取足够的增量收入来支付人工智能的所有这些成本。在你冒险之前先做这个数学。
5.在那里你需要理解和同情
假设您的业务问题不属于上述四种情况。如果你的用户需要理解和关心，人工智能可能仍然不适合你。人工智能非常擅长模式识别，它可以揭示人类没有机会发现的更深层次的趋势。然而，人工智能什么都不懂。它也不能与人类用户建立情感联系。
我们看到了人工智能是如何在癌症研究中破题的。它击败了专家医生的诊断。然而，你认为患者已经准备好从机器上听到他们的癌症诊断吗？情商和同理心是人类的深层技能。这些对你的解决方案有多重要？思考这个问题将帮助你决定你是否真的需要人工智能，并向你展示需要的高水平的人类参与，即使你部署了人工智能。
如何不本末倒置
我们已经研究了人工智能的不足之处，以及它可能非常合适的情况。要正确看待这一点，您必须将AI视为分析工具包中的另一个工具，尽管它是功能强大的工具。
如果AI适合您的需求，您如何确定？
从你的业务需求开始。找出技术和数据应对挑战的方式。制定最佳解决方案来解决您的业务问题。从最简单的技术开始，评估您可以使用的所有工具。随着复杂性的提升，平衡结果的简单性和有效性。如果您选择AI，请确保您拥有正确的数据，所需的预算以及适当的人工干预水平，以使其正常工作。