在已经通过数字化转型进行工作的高管解决与大流行相关的恢复问题的同时，他们却依靠可靠且创新的技术来保持步伐。

大多数领导者将人工智能视为至关重要，并描述了实施人工智能的“最紧迫感”。然而，他们努力整合公司范围的AI计划。接受调查的高管中有百分之七十五认为，如果他们不这样做，他们的公司将在五年内消失。

未来五年，商业世界中的AI可能会以稳定的速度增长，然后飞向天空。到2030年，预计大多数公司将使用AI来支持和加速高层指导和决策。大多数用例将涉及一种称为机器学习的强大AI形式，其中计算机分析大量数据集以帮助回答问题。但是，仅凭人工智能是不够的。高管们已经看到机器学习程序需要真实世界的上下文才能将AI与物理世界联系起来，而桥梁是位置智能(LI)。

通过地理信息系统(GIS)实现的位置智能使企业能够在位置的上下文中进行地图绘制，分析和共享数据。具有LI的AI机器学习可实现趋势发现和预测，以支持市场评估，站点选择，风险管理，资产跟踪和其他核心业务需求。简而言之，机器学习管理复杂的数据，而位置智能则为该数据提供关键位置信息。在这里，我们探索真实的例子。

例如，在哪里开设商店的问题涉及确定社区各个部分的商店可达性。同时，人口统计信息可以揭示某些消费者行为的热点。通过分析这两个数据集(潜在的站点可达性和附近的人口统计数据)，零售商可以更好地了解哪些客户将偏爱某些位置。

使用GIS技术，人们始终能够快速回答问题，并在地图和仪表板上显示可达性和人口统计信息。现在，他们可以通过利用诸如消费者移动性和购买模式之类的数据源来添加AI工作流。

这揭示了以前看不见的消费者模式并回答了重要问题。客户的平均年龄会如何变化?有多少家人会来?有哪些移动性模式会影响商店的访问模式?有多少人乘坐公共交通工具?商店应该在某些日子延长营业时间吗?

随着公司越来越多地为特定地理区域定制产品和服务，此类信息有助于预期并满足客户需求。机器学习程序通常可以实时执行高级分析，以识别销售数据中的模式，并将这些模式链接到位置。例如，一个程序可能会帮助公司发现区域人口统计特征中的共同点，例如城市与郊区，或有年轻家庭的地区，这些可能会被忽略。