導讀：

從聊天機器人到預測分析，IT***們將會分享他們如何通過人工智能和機器學習來產生商業洞察力和新的應用場景。

已經沒有什么技術能比AI和機器學習更熱。當下，一些企業正在利用這些技術模仿人類的思考方式，以吸引顧客和支撐商業運營。這一趨勢在未來幾年會得到更多的關注，因為根據Gartner的數據，到2020年超過30%的CIO將把人工智能和機器學習作為前五大投資重點之一。

最初人們擔心機器人會取代每個人的工作崗位，但現在這種趨勢有些緩解。因為人類和機器一起工作的可能性會更大。埃森哲CTO兼***創新官Paul表示，企業已經沒有興趣讓那些從事高度自動化崗位的員工再就業。他最近也與別人合著了一本關于人工智能對全球勞動力影響的書——《人類+機器:在人工智能時代重構工作》。

在對1500家企業調查的過程中發現，65%的CEO承認他們的員工、CIO還沒有為人工智能做好準備。只有3%的高管表示，他們已經加大了培訓力度來應對人工智能帶來的轉變。因此，這是一個巨大的鴻溝，CEO們必須快速接受改變，并告知員工應該做好哪些準備以應對這一變化。

但無論結果怎樣，通過AI、機器學習和機器人工作的自動化時代已經到來。CIO們正在學習、實驗和構建在人工智能和機器學習方面新的商業應用場景。

場景一：AI成為員工“世界末日”的預言者

新興的數字技術正在改變勞動者的工作模式，即使在埃森哲也是這樣。他們已經將大約2.3萬個崗位自動化，并重新部署了員工。而更令人吃驚的是，埃森哲的45萬名員工將隨時會被重新分配工作角色，他們需要重新掌握新的技能。

而為了幫助員工完成這一轉變，埃森哲自主開發了一款機器學習的應用，它可以掃描簡歷，并預測一名員工的工作何時將變得不再重要。這個APP將會結合員工的工作經驗，為他們所在崗位潛在的不必要性打分。例如，因為AI和自動化的應用，一名員工的技能將在18個月內過時。

Paul認為這款應用對員工來說不僅僅是一個”世界末日”的預言者，它還能自主考慮員工的綜合素質和想法，推薦他們將來可能需要的技能，以便保住工作。

關鍵點：CIO需要承擔企業的人工智能戰略，并積極與人力資源和其他業務部門的關鍵利益合作，以確保戰略上的共識。CIO還必須快速識別和消除他們在人工智能認知上的偏見，因為有責任的組織會讓人工智能快速融入到企業中來。

場景二：Spark讓企業在100億條數據發現奧秘

機器學習是很多國際化企業數字化戰略的核心組成部分，來自于市值40億美元的Lennox公司的CIO Sunil說，他們利用數據庫中的Spark軟件分析公司商業供暖和空調系統的信息流，并實時監控機器性能，以此能夠預測何時機器會出現故障，并快速做好預案。

“Databricks（Spark領域的技術公司）可以支撐我們使用這些數據，并以90%的準確率預測設備的運轉情況。以往我們經常會自行做出預測，并聯系空調的經銷商。但是這通常是虛假的警報，令我們非常苦惱。”CIO說。

在選擇Databricks之前，Lennox公司調查了很多分析工具，但每一個分析工具都被用來處理單一的事例。而Databricks提供了一個統一的平臺，他們可以在該平臺上管理數百個數據庫中的數百兆字節的數據，并且它運行在微軟Azure上，因此Lennox不必維護系統。借助Databricks, CIO Sunil的團隊和業務人員一起構建數據流模型。基于sparks軟件，他們可以輕松從數據分析出提取價值。

關鍵點：當人工預測給業務發展帶來極大風險的時候，CIO就必須果斷引入新的工具。正如Sunil掌握了100億條數據，令他無所適從。但當他積極通過分析軟件去發現數據中奧秘的時候，也因此得到了令人驚奇的結果。

場景三：企業商旅公司提升客戶滿意度的抓手

David是美國運通全球商務旅行公司CIO。在他任職的早期就實現了機器人流程自動化(RPA)和機器學習技術，以此提高企業旅行服務提供商處理業務的效率。現在，他已經利用RPA實現了取消機票和退款流程的自動化。同時David還創建了一個新的機器學習的算法，該算法可以通過搜索行業內價格，幫助客戶找到更好的機票和酒店住宿。而這之前都是通過員工手動完成的。可以說這項技術提高了客戶滿意度，創造了更多的業務收入。

David說，在上一份工作中，他也曾經利用機器學習來掃描金融的欺詐行為，而現在也同樣是利用這項技術讓業務得到大幅度提升。

關鍵點：關于自動化的處理、機器學習，CIO通常是謹小慎微的，因為誰都對新鮮事物沒有足夠的把握。但是CIO必須要明確、果斷的在業務中樹立影響力，要使用技術和自動化流程來解決業務的難題，因為他們才是技術商業真正的推動者。

場景四： Adobe的自愈能力

Adobe公司CIO Cynthia正在利用機器學習來幫助分析Adobe系統的故障趨勢，然后自動的修復問題，以免導致更嚴重的后果。他們的想法是，如果有個工具可以自主發現可能出現中斷的情況，那么它就可以主動地消除或減輕這個問題帶來的損失。

這個工具被命名為HaaS，Health-as-Service。該工具可以捕捉和糾正錯誤，比如與Adobe ERP失敗的集成，或是試圖進入公司各種分析系統的錯誤數據源。Cynthia認為，HaaS已經將人工操作的30分鐘時長減少到1分鐘，已經為Adobe節省了330小時的時間來解決問題。通過詳細的問題報告，Adobe工程師就能夠創建***性的修復。自動化監測和修復對于Adobe來說是一個巨大的利好。而這項工作的開展基于2017年創建的機器學習診斷測試框架。

據悉，Adobe的業務使用了人工智能。早在2016年底，公司推出了Sensei，它是全球***數字體驗的***。通過一個 AI 與機器學習的統一框架,開發者在云平臺上創建和發布文檔，并可以析和跟蹤Web和移動應用程序的性能，以此推動創新。

關鍵點：使用機器學習來識別模式是創建自我修復能力的關鍵。CIO需要讓系統自愈，而無需人類的干預。

場景五：用機器學習連接全球醫療設備數據庫

美國Hearst商業媒體，他們的核心業務資產包括藥品數據庫軟件First Databank，以及信用評級Fitch Ratings。而他們正使用機器學習連接醫療設備數據庫，使客戶更容易獲取信息。

企業SVP兼CIO Mark說，他們正在開發自己的機器學習算法，并使用谷歌的TensorFlow 機器學習軟件，用于對公司的數據集進行模型訓練。他認為企業傾向于使用開源工具，以此應對業務上的難題。

關鍵點：采用一種可推廣的方法是Hearst成功使用機器學習的關鍵。從企業的角度來說，機器學習非常具備實用價值的原因之一就是它可以以通用的方式來處理不同的數據庫。比如信用評級Fitch Ratings產品需要了解很多企業實體，而First Databank又需要了解藥物是如何被使用到全世界的。

場景六：人工智能增強股票投資的成功率

Putnam Investments是一家提供基金、機構投資策略的公司，該公司認為AI和機器學習是推動金融服務公司分析師提高股票投資成功率的關鍵。

其CIO Mehta說，分析師們與公司數據科學家們密切合作，共同撰寫論文，以幫助他們從大量數據中收集信息。而公司也正在研究相關算法以提高銷售的推薦準確率。這對于他們來書是一個巨大的變革，并推動整個商業驅動力的效率和生產力。

在開始執行AI和機器學習戰略時，CIO組建了以軟件工程師、數據科學家、分析學家和供應商為主的組合，并創建了一個卓越的數據科學中心。而這些商業伙伴也已經開始擁抱變化，以此實現更好的自動化推薦。他認為人工智能和機器學習是企業數字化轉型的一部分，這個工作需要用云計算實現IT基礎設施的領先性，并創建一個單獨的平臺來運行業務。

關鍵點：在AI落地方面，企業應該循序漸進，適當地設定期望，并考慮到由此導致的新問題，以及積極尋求答案。在人工智能領域，并不是突然間算法就會產生洞察力。

場景七：人工智能降低稅務負擔

在軟件廠商CDO Ashok的領導下，Intuit公司正在加速人工智能和機器學習的研發。他們正在使用Amazon Web服務來幫助其QuickBooks聊天助理機器人更好地理解和處理自然語言，并在Verizon的大數據平臺中建立了自己的角色。越來越多的處理將通過數百個Quickbooks的分類來引導用戶。

CIO說，他們正在處理超過10億筆QuickBooks的交易，并可以精準的地優化分類，因為他們正在利用AWS的機器學習和云技術擴大規模。公司的TurboTax系統使用人工智能來幫助用戶獲得***的退稅，這可以節省用戶最多40%的納稅準備時間和檢索文件的工作。

關鍵點：曾在NASA的Ames 研究中心工作過的Ashok認為，培養健全的算法需要吸引合適的工程人才來解決真正的商業挑戰。目前他們正在招聘工程師，以確保可以通過人工智能實現商業目標。

場景八：歷史數據預測未來業績

作為Riverbed技術公司的CIO，Rich面臨著獨特的挑戰。眾所周知，Riverbed是一個旨在提高廣域網絡性能的軟件供應商。他們正在測試如何使用機器學習從公司多個供應鏈中獲取數據，以獲得更好的商業洞察力。“我們希望通過機器學習來處理比以往更多的數據。” Rich說。

例如，Riverbed可以將訂單管理和ERP數據與有關天氣等其他因素的歷史數據相結合，找到能夠預測未來業績的模式。他們希望能更準確地預測供應鏈下游的風險，包括產能和滿足客戶訂單的能力。除此之外，他們使用機器學習自動調優性能配置，發現網絡安全風險。Rich希望能創建一個單一的數據湖，并從中獲取更多的商業洞察力。

關鍵點：對于人工智能和機器學習來說，良好的策略也需要謹慎的方式對待。Rich正在仔細評估包括IBM Watson在內的工具和技術，以應對商業的風險。

場景九：提供客戶更好的個性化金融服務

與許多大型銀行一樣，美國銀行也收集了大量客戶數據。但是他們也難以從這些數據中獲得可操作的建議。美國銀行***分析官Bill正在努力改變這種狀況。在過去幾個月，他一直在利用Salesforce.com的Einstein AI/機器學習技術，在這家銀行的小企業、批發、商業財富和商業銀行部門增強個性化的服務。

例如，如果客戶在美國銀行的網站上搜索有關抵押貸款的信息，客戶服務代理就可以在客戶下一次訪問時跟蹤該客戶。再比如該軟件可以建議代理商在周四上午10點至下午2點間給潛在客戶打電話，因為通過計算他們更有可能接電話。Einstein還可以在代理人的日歷上放一個邀請日歷，提醒他們在下個星期四給潛在客戶打電話。

這些能力將成為許多金融服務機構努力追求的核心。培育一個360度的客戶視圖方便他們精準推薦相關服務。Bill認為我們正在從一個可描述的世界轉變到一個不可描述的世界。這個世界的核心價值是保持領先一步，并期待客戶需求和我們的渠道能夠互通互聯。

關鍵點：企業和CIO對人工智能和機器學習采取的測試和學習方法，要有足夠耐心。但同時也要準備好擴展正在運行的算法。永遠把顧客放在中心是技術實現的唯一定律。

場景十：機器學習消除“辛苦”，使工作更有成效

Ed是萬事達卡公司的運營和技術總裁，他認為人工智能和機器學習遍及了Mastercard的方方面面。他們正在使用這些算法來消除重復性的手工勞作，讓員工有時間去是實現那些更具創造力和價值的工作。

同時，萬事達卡公司使用機器學習工具來增強其產品和服務生態系統中的變更管理。例如，機器學習工具幫助確定哪些更改是無風險的，哪些更改需要額外審查的。此外，萬事達卡正在使用機器學習檢測其系統中的異常，這表明黑客正試圖獲取訪問權限。Ed還在網絡上建立了一個“安全網”。當它發現可疑行為時，它會切斷保護網絡的斷路器。Ed表示:“我們有欺詐計分系統。通過不斷查看交易來更新它，并為即將進行的下一筆交易打分。”

關鍵點：AI/ML只是支付處理器環節廣泛工具包中的一種工具。盡管市場上有這么多閃亮的新工具，Ed說CIO們不應該指望它們神奇地解決業務問題。

總結：應用場景的落地，一直是人工智能飽受爭議的地方。目前所面臨的關于機器學習方面的挑戰，是如何讓機器變得更加智能。我們今天所有的應用，不管是影像、聲音或者是圖像的識別，或者一種語言翻譯到另外一種語言，以及測試等，這些都是人工智能的一些特點。CIO需要結合新的技術將人工智能落地，因為諸多場景下的應用已開始逐步成熟，再不關注就為時過晚了。