現(xiàn)在沒有什么比人工智能(AI)和機器學(xué)習(xí)(ML)更熱的技術(shù)了。領(lǐng)先的企業(yè)組織已經(jīng)在利用這種模仿人類精神行為的技術(shù)來吸引客戶、促進業(yè)務(wù)運作。Gartner的數(shù)據(jù)顯示，未來幾年這一趨勢將進一步加速，到2020年人工智能和機器學(xué)習(xí)將成為超過30%的首席信息官的五大投資重點之一。
人們對人工智能和機器學(xué)習(xí)將取代工作的最初恐懼感似乎正在消失，普華永道調(diào)查的企業(yè)高管中有超過67%的人表示，人工智能將幫助人類和機器更好地協(xié)作。一些CIO們已經(jīng)意識到有機會運用于他們的業(yè)務(wù)，并且正在試驗、建立甚至專利開發(fā)新的人工智能和機器學(xué)習(xí)技術(shù)，這些IT領(lǐng)袖們與我們分享了他們的機器學(xué)習(xí)使用案例。

人工智能幫助強化證券研究
Putnam Investments是一家共同基金、401(k)計劃、IRA和其他退休計劃的提供商，該公司首席信息官Sumedh Mehta認為，人工智能和機器學(xué)習(xí)是幫助這家金融服務(wù)公司研究分析師提高股票覆蓋率的關(guān)鍵。
分析師們與Putnam的數(shù)據(jù)科學(xué)家密切合作，撰寫了一篇關(guān)于從大量數(shù)據(jù)中獲得洞察的論文，Mehta說。Putnam也在研究一套推薦最重要銷售前景的算法。
Mehta在談到人工智能和機器學(xué)習(xí)的時候表示：“這是一個巨大的具有顛覆性和變革性的力量，整個業(yè)務(wù)驅(qū)動因素就是效率和生產(chǎn)力。”
Mehta依賴軟件工程師、數(shù)據(jù)科學(xué)家、分析和供應(yīng)商各方的幫助，創(chuàng)建了一個卓越的數(shù)據(jù)科學(xué)中心，這個中心對于支持業(yè)務(wù)利益相關(guān)者的人工智能和機器學(xué)習(xí)工作來說基本上是從零開始。他說他的“開明的”商業(yè)伙伴已經(jīng)采取了這些方法來實現(xiàn)更好的自動化。
人工智能和機器學(xué)習(xí)是Putnam廣泛的數(shù)字化轉(zhuǎn)型的一部分，這一轉(zhuǎn)型需要IT基礎(chǔ)設(shè)施與云計算現(xiàn)代化結(jié)合，創(chuàng)建一個單一平臺來統(tǒng)一運行業(yè)務(wù)。
主要建議：企業(yè)組織應(yīng)該花一定的時間，設(shè)置適當(dāng)?shù)钠谕担⑶艺J識到，最開始的少數(shù)幾個想法將會帶來新的問題而不是答案。Mehta說：“就人工智能而言，沒有什么比現(xiàn)在更好的時機了。突然間你的算法生成了你并不知道的洞察力，事實并不是如此。”
人工智能幫助金融公司減稅
Intuit在10月份開始加速推進人工智能和機器學(xué)習(xí)，因為這家金融軟件提供商迎來了一位首席數(shù)據(jù)科學(xué)家——Ashok Srivastava。
Srivastava構(gòu)建了Verizon大數(shù)據(jù)平臺之后，加入Intuit公司。Srivastava表示，Intuit正在使用AWS來幫助其QuickBooks Assistant聊天機器人更好地理解和處理自然語言。現(xiàn)在他們越來越關(guān)注的領(lǐng)域，是通過數(shù)百個通知Quickbooks的分類來引導(dǎo)用戶。
Srivastava補充道：“我們正在處理來自QuickBooks的超過10億筆交易，我們能夠以高精度進行分類。”
該公司的TurboTax使用人工智能來幫助用戶獲得最高的退稅，引導(dǎo)他們逐項完成抵稅過程，潛在地為用戶節(jié)省高達40%的報稅時間和用在搜索文檔上的精力。
Srivastava說，Intuit正在使用AWS的機器學(xué)習(xí)和云技術(shù)更快速地進行擴展。
主要建議：開發(fā)良好的算法需要吸引合適的工程人才來解決實際的業(yè)務(wù)挑戰(zhàn)。曾在美國宇航局艾姆斯研究中心工作的Srivastava目前正在招聘能夠使用機器學(xué)習(xí)和人工智能技術(shù)來實現(xiàn)公司目標(biāo)的工程師。
歷史數(shù)據(jù)預(yù)測未來表現(xiàn)
旨在提高廣域網(wǎng)性能的軟件供應(yīng)商Riverbed Technology公司的首席信息官Rich Hillebrecht面臨著獨特的挑戰(zhàn)。Hillebrecht表示，他正在測試如何使用機器學(xué)習(xí)從公司供應(yīng)鏈的多個來源獲取數(shù)據(jù)，以推動獲得更好的業(yè)務(wù)洞察力。
Hillebrecht表示：“我們希望運用機器學(xué)習(xí)技術(shù)來處理更多的數(shù)據(jù)。”
例如，Riverbed可能會將訂單管理和其他ERP數(shù)據(jù)與關(guān)于天氣和其他因素的歷史數(shù)據(jù)結(jié)合起來，找到可以預(yù)測未來業(yè)績的模式。Hillebrecht說：“我們希望在下游風(fēng)險方面更具有預(yù)測性，包括能力和向客戶下單的能力。”
Riverbed的其他使用案例包括使用機器學(xué)習(xí)自動調(diào)整性能配置并發(fā)現(xiàn)網(wǎng)絡(luò)安全威脅。 Hillebrecht預(yù)計未來將創(chuàng)建一個數(shù)據(jù)湖，從中可以獲得業(yè)務(wù)洞察力。
主要建議：針對人工智能和機器學(xué)習(xí)制定合理的戰(zhàn)略，需要謹(jǐn)慎而為。Hillebrecht表示，他正在仔細評估各種工具和技術(shù)，包括IBM Watson。