如何集成人工智能到企业业务数据中？

为了成功地将人工智能（AI）集成到企业现有的业务数据中，企业需要考虑基础设施、环境、员工培训等因素。

十年来，少数新兴技术吸引了人们更多的注意力，而人工智能（AI）就是其中之一。产生这种兴趣是合理的，因为这项技术有望彻底改变目前的业务环境。

例如，最近对财富500强企业的首席执行官的一个调查发现，81％的受访者认为人工智能／机器学习技术对他们来说很重要。

正如人们所看到的，人工智能（AI）对于很多企业的首席执行官来说比虚拟现实、远程传感器、纳米技术、3D打印、高级机器人更为重要。越来越多的人意识到人工智能（AI）不再是科幻小说描述的事物，而已经被广泛使用。

准备好接受人工智能（AI）提供的无限可能吗？

企业需要为人工智能（AI）的业务数据做好准备，以下将回顾需要考虑的确保成功实施的事项，以及企业需要实施的四个操作：

人工智能的实施注意事项

为了整合人工智能成功奠定基础，企业需要考虑以下几点：

熟悉人工智能以及其可以为企业的业务数据做些什么。企业管理者必须了解人工智能的能力，否则可能会失去很多很好的机会。所以，为了确保知道人工智能可以做些什么，企业的员工可以参加在线课程培训，并了解这些知识。而Udacity的人工智能入门和哥伦比亚商学院的商业人工智能是一些很好的培训课程。

确定人工智能可以使企业业务受益的最重要的领域。在没有明确行动计划的情况下使用人工智能并不是一个好的举措，因为在这种情况下，企业正在进入未知领域。在讨论企业如何从人工智能获益时，一定要确定特定领域，并优先考虑其中的一些领域。

确保企业的IT基础设施能够应对变化。企业必须拥有坚实的IT基础设施来处理人工智能，其中很多人缺乏这方面的知识。例如，Belatrix公司最近的一项研究发现，29％的受访者认为“难以管理和分析数据”是开始采用人工智能面临的几大问题之一。

（1）业务数据已经帮助人工智能理解它的标签

人工智能和机器学习在没有标签的情况下分析数据的能力有限。即使机器学习中的无监督学习可以对这些数据进行探索性分析，但它不能产生有见地的信息。因此，不建议企业在没有正确标记数据的情况下过渡到人工智能和机器学习。

例如，假设企业有大量的客户支持电子邮件和根据问题类别标记的票证（交付问题、退款请求等）。通过开发一个系统，可自动标记即将到来的客户支持聊天、电子邮件和电话呼叫，该业务将确保人工智能产生的见解具有意义。

（2）所有情境必须来自企业本身

人们知道应该为人工智能算法提供什么信息吗？事实上，这不应该掉以轻心，因为思考通常提供什么信息并不像听起来那么容易。例如，大多数人工智能和机器学习算法精通确定相关性，但是他们不了解周围的数据信息。

因此，他们无法确定信息是否相关或不相关。以下是“情境”（context）如何破坏人工智能和机器学习的发展良好解决方案的能力的一个例子：例如，网上商店的某个推荐工具过度推荐一些特定产品。为了发现其问题所在，专家们进行了一项调查，发现这种产品在六个月前大量推广，所以历史数据显示当前客户的销售额大幅增加。此外，这个促销活动是基于“折扣”的，而不是针对客户的实际效用。

为避免出现类似的问题，企业应该为人工智能提供数据和情境。在这种情况下，它会理解数据的相关事实，并确保其生成的解决方案是相关的。

（3）评估现有流程

企业应该全面评估所有部门以及每个部门的所有流程。在某些情况下，企业可能必须自动执行一些任务，以确保其人员专注于提供更多价值的任务。

要确定巨大机会的领域，并消除耗时和耗费人力的责任，请向自己的员工询问以下问题：

可以删除的低价值工作有哪些？

哪些可重复的任务需要很长时间？

（4）确保员工在人工智能上学习的机会

投资于员工对人工智能及其对数据的影响的知识是所有企业的必备条件。除了增加新技术成功应用的机会外，它还将是获得长期竞争优势的保证。

许多企业已经在员工教育方面进行投资，并计划在未来几年内开展更多工作。根据Genpact公司发布的“企业的业务人工智能就绪”的调查报告，82％的企业计划在未来三年内实施人工智能，38％的企业表示正在为他们的员工提供重新学习技能的机会。

人工智能不会自己做任何事情。企业管理者有责任鼓励员工继续进行教育和培训。它可以通过几种方式完成：

通过在线人工智能学习课程

现场组织研讨会

组织培训

通过对员工进行投资，企业还可以提高数据的准确性，因为这样可以提高他们对数据集成的了解。

根据Genpact公司的上述研究，以下是在员工教育方面的人工智能带来的改变：

此外还有一件事：确保所有的培训和学习会议都能适应企业的需要。例如，在咨询教育专家选择课程时，企业需要考虑所在的行业、公司规模和数据需求。

结语

人们越来越认为人工智能是创造独特的竞争优势，并释放企业积累的数据价值的关键。虽然集成人工智能并不是一件容易的事情，但任何创新型组织都不能长期脱离这个平台。

为人工智能准备数据是确保累计数据转化为增值现实的关键组成部分，但也需要进行认真的准备和监测。希望以上提示能够确保企业的准备工作是无懈可击的，并为人工智能的整合打下坚实的基础。