自2015年以来，超大规模的互联网公司已经超越了几个级别的机器学习，数据处理和模型复杂性的自动化程度越来越高。除了少数例外，该企业在采用人工智能方面一直滞后，但在互联网公司中看到可以帮助它的合作伙伴赶上来。

机器学习的未来企业用户还有很长的路要走，以匹配人才库，计算能力，规模和互联网公司积累的培训算法的数据量，特别是在过去四年中。在企业的许多垂直行业中，业务流程尚未经过数字化转换，无法实现数据处理的自动化以及基于人工智能获得的洞察力即时执行业务决策。此外，一些垂直行业还没有明确定义的用例，这些用例有助于人工智能的有利执行。

在商业中采用人工智能

在商业中采用人工智能处于早期阶段，特别是当我们考虑其超越勘探和飞行员的高级用户到他们从其使用中获得商业价值的阶段时。技术媒体公司O'Reilly在2018年的调查中发现，“企业中的机器学习采用状态”表明，高级用户仅占全球企业用户总数的15%，北美占18%。

外部专业知识和学习资源在帮助企业用户赶上机器学习的最新技术，尤其是高级AI技术方面发挥着重要作用。Deloitte在2018年进行的一项调查发现，59%的企业买家从拥有AI功能的企业软件公司获得AI专业知识，53%与合作伙伴共同开发，49%从云 AI公司收购，39%从GitHub等网站收集资源。云AI公司提供AI作为服务，节省了内部部署和人才开发的成本。

对于高级AI开发，云公司是更重要的专业知识来源。39%的受访者表示偏好云公司作为高级AI的来源，而内部软件则为15%。人工智能作为一项服务以48%的快速增长率增长。

在垂直领域采用人工智能

我们采访了Tractica的研究主管Aditya Kaul，Tractica是一家专注于人工智能和机器人技术的行业分析公司。考尔一直在调查世界各地企业在30个垂直领域采用人工智能 300多个用例。“ 电信和金融服务一直是人工智能采用的领导者，他们早在20世纪80年代就开始使用更多基本的统计技术，”考尔告诉我们。“零售，汽车和医疗领域的采用在近期飙升，而大部分企业仍处于采用的早期阶段，”他补充说，“ CRM等横向业务服务，供应链和人力资源部门迅速扩大了人工智能的应用范围，因为其预测能力有助于识别潜在客户，消费者需求趋势和有才能的员工。“

“复杂和异构软件定义网络的监控，同步和优化是电信行业的一个关键用例，”Kaul推测道。他指出：“汽车行业的语音助手在车内个性化服务中越来越受到重视。” 他还告诉我们“银行业正在为客户服务部署人工智能，包括聊天机器人，因为他们面临来自小型互联网银行的激烈竞争，除了将其用于欺诈检测，贷款分析和其他后端操作。”

虽然医疗保健行业具有巨大潜力，但由于使用其数据的监管障碍，它一直落后于最近。“几家风险投资支持的初创企业现在专注于临床试验中的机器学习，以加速药物的发现，”考尔透露。

零售商店加快了对机器学习的投资，因为他们能够准确地预测需求和供应。根据麦肯锡的一份研究报告，德国零售商奥托每年减少超过200万件物品，超额库存减少20%，使用深度学习算法预测客户将购买什么物品。它的AI引擎现在每月自动订购20万件物品，因为它可以预测Otto将在未来30天内以90%的准确率销售什么。

与云AI公司合作

超大规模的云AI公司一直愿意与企业客户合作，以​​提高他们的人工智能技能，但他们不确定如何与后端管道不可或缺的企业软件公司合作。“云计算公司对企业客户慷慨解囊，包括免费云时间，咨询和培训资源，”考尔说。

由于像谷歌这样的云AI公司已经从2015年的手工设计算法快速过渡到2016年的深度学习以及最近更加先进的算法，如强化学习，他们能够为早期采用者提供有关如何在人工智能学习过程中取得进展的建议到期。

“人工智能的成本也在下降，因为我们看到预训练模型的可用性增加，标记的数据集和云AI定价的普遍减少，”考尔解释说。“同时，数据处理，摄取，数据准备和标签占据了90%的工作时间，已经通过自动化这些流程的AutoML等技术缩短了，”他补充道。Nvidia是超大规模云AI公司的合作伙伴，已经为企业重新打包了GPU(图形处理单元)。“Nvidia重新定位了企业中的数据科学和分析用例，与CPU相比，加速了大型分析模型的培训 (中央处理单位)，“考尔解释说。

企业软件公司必须找到适应云AI公司的方法，特别是当它们为市场带来新功能时，它们将成为企业业务结构的一部分。“ 用于图像识别的聊天机器人和计算机视觉功能等功能是通过深度学习实现的，这扩展了人工智能带来的价值，”考尔断言。“软件本身不再是硬编码，而是适应数据和分析的需求，”他补充说。目前还有足够的证据表明企业软件公司，除了像微软这样的少数例外，可以在算法中赶上云AI公司。无论如何，云AI公司和企业软件公司之间的新参与条款尚未得到解决。

结论

机器学习将重塑企业软件本身，从而重塑企业。基于从缩短数据学习时间的算法中获得的见解，企业将更快地适应外部业务环境，实现数据处理的自动化和业务决策的更快执行。企业软件将更频繁地进化和重新配置以跟上算法的步伐。