人工智能(AI)和機器學習(ML)目前可能處于發展規律周期的高位，但這并不意味著企業沒有從部署利用這些技術的過程中獲得切實的收益。

本文介紹人工智能和機器學習怎樣改進內部業務流程并為企業帶來回報的三個實例。

[[412948]]

促進銷售和營銷

Beacon Street Services希望其公司所有的數據都有一個“單一的真實來源”，以保證應用程序的一致性和準確性。該公司是Stansberry控股的服務機構，專門通過購買和訂閱來獨家制作金融出版物。

Beacon Street Services使用基于云的數據倉庫服務：Snowflake，收集和存儲了大量數據，希望利用這些數據幫助其銷售和營銷團隊改進以前的銷售訂閱策略和流程。

Beacon Street Services的工程副總裁David Kline說：“我們的營銷和銷售團隊發現了通過應用數據科學方法改進銷售流程的機會。通過這種方法，我們希望能夠更好地確定采購標準，幫助營銷團隊更有效地開展工作。”

從2019年開始，該公司將Snowflake中的歷史用戶數據加載到DataRobot部署的企業人工智能平臺中，使用數十種最新的數據科學算法，能夠快速自動地構建一系列模型。通過這些模型，確定了采購標準，以幫助營銷團隊更有針對性、更有效地開展活動。

Kline說，該公司現在繼續從數據倉庫向人工智能平臺提供大量數據。

新流程的結果是，Beacon Street Services的銷售額增長了10%，年銷售額有望額外增加1500萬美元，這直接歸功于人工智能平臺。Kline說，自從組建這一平臺以來，該公司在收入增長和成本降低方面的投資回報率達到了30至35倍。

Kline說：“例如，對于一個單獨的項目，我們必須手動檢查以前的交易記錄，以確定自動續訂后的退單風險，并創建一個風險評估模型。利用人工智能實現了自動化，而且主動處理即將到來的交易也讓我們受益匪淺。”

除了使用人工智能提高準確性和優化營銷工作外，DataRobot平臺還節省了大量的時間。以前，開發一個模型需要長達六周的時間，而且不能保證選擇了最優算法。有了人工智能平臺，開發和部署更合適算法的模型所需的時間縮短到一星期。

另一個好處是，公司的IT部門分析數據的時間減少了，而將更多的時間放在了對業務有潛在價值的項目上。

對文檔進行分類以提高安全性

Company Nurse公司為服務對象提供新冠病毒健康篩查、工傷報告和護士分診服務，正在多個方面利用人工智能。

其中一個項目涉及改進文件分類過程。Company Nurse在2020年在Concentric公司部署了一個名為語義智能(Semantic Intelligence)的平臺，為客戶和最終用戶保護員工的薪酬數據。

該系統自動發現Company Nurse的關鍵非結構化數據，從而使該公司有機會緩解數據蔓延壓力和減少威脅面。

作為其客戶服務的一部分，Company Nurse完成了工傷賠償事故報告，為受傷員工提供適當的護理建議，并管理轉診服務提供者。該公司首席技術官Henry Svendblad介紹說，報告和表格中的信息包括大量非結構化數據。

通過使用由Concentric提供的人工智能系統，Company Nurse保護了文檔中的私人信息，而且員工不需要手動瀏覽數據。該平臺使用深度學習對數據進行分類、發現業務關鍵因素并降低了風險，從而自動保護了非結構化數據的安全。

Semantec Intelligence使用針對每一類數據的基準安全措施來計算每個文檔與基準的“風險距離”。風險距離能夠發現不適當的信息共享、危險的存儲位置和不正確的分類事件等。

Svendblad說，該平臺部署后不久，Company Nurse就能夠識別不需要維護的重復文件，并找到了增強訪問權限的機會。該公司還發現，由于過度共享和訪問權限不嚴，在一個開放共享應用程序上留下了大量私人受傷報告。

Svendblad說：“這些文件出現任何泄露都會對Company Nurse造成毀滅性的打擊。由于人工智能為我們自動分類這些文檔，我們已經關閉了文件被過度共享的幾個小‘盲點’。防止一次泄露事件對我們來說價值數萬美元。解決方案的成本非常值得投資回報，即使不是‘硬件’投資回報。”

除了文檔分類過程外，Company Nurse還將人工智能軟件產品應用于銷售機會評分、數據分析、零日安全威脅識別和語音文本轉錄等方面。

Svendblad說，很難估計該公司在人工智能技術方面的投資，因為這些工具內置在其使用的各種軟件產品中。但該公司實際收獲了許多好處，包括提高了安全性，員工們能夠工作生活兩不誤，并提高了客服中心的服務質量。

向自主石油鉆探邁出第一步

石油和天然氣公司在提高鉆井作業效率上正面臨著越來越大的壓力。德文能源(Devon Energy)便是這樣一家公司，它正處于利用人工智能和機器學習進行實時決策的早期階段，這將實現每一口油井的閉環自動化管理，以及鉆機的自動工作，有助于增強現場的整體運營能力、效率和安全性。

德文能源公司最近與WPX能源公司(WPX Energy開展合作。該公司從2020年開始推進人工智能/機器學習)合并，目前正在使用一種名為Hivecell的產品，為西德克薩斯和北達科他油田的鉆井現場提供邊緣計算服務。由同名公司提供的Hivecell是一種“邊緣即服務”產品，能夠在數據源附近進行計算和分析。

數據是由一家服務公司提供的設備中的傳感器產生的，德文能源在水力壓裂過程使用了這些設備。數據從傳感器傳輸到服務公司的系統，然后通過TCP/IP協議從這些系統發送到Hivecell。

德文能源正處于利用Hivecell在遠程鉆井進行機器學習的第一階段。擁有這一功能將使德文能源能夠避免將所有數據發送到云端進行處理，而后者成本高昂且速度緩慢。Hivecell與Confluent的事件流平臺結合使用，該平臺管理來自Apache Kafka的原始鉆井現場數據。

德文能源的高級數據科學顧問Dingzhou Cao說，“我們一直在尋找提高鉆井作業效率的方法，我們希望通過機器學習實現人工操作的自動化。”該項目的第一階段包括收集水力壓裂實時數據，這是一種油井增產技術，通過加壓液體來壓裂基巖地層，使天然氣和石油能夠更自由地流動。

Cao說：“我們正在建立模型，從實時數據中自動檢測出水力壓裂事件。我們希望能夠有預見性，一直在尋找提高效率和改進流程的方法。”

Cao說，目前石油和天然氣公司通常依賴云計算服務來近實時地處理和分析來自遠程位置的數據，但在此過程中存在互聯網連接不穩定等問題。

Cao說：“想想一輛自動駕駛的汽車，在云中處理它的數據。在車輛做出反應時，每一毫秒都很重要，目的是保證乘客和周圍人員的安全。因此，將數據從汽車端發送到云端所需的時間非常關鍵，如果不是真正實時的，可能會導致安全事故。”

閉環優化也是如此，例如，鉆井現場的自動鉆機。Cao說：“我們需要能夠實時做出反應，不能因為不穩定的互聯網連接而冒數據丟失的風險。”

德文能源正在為真正實時、分析驅動的決策奠定基礎，并最終對鉆井現場進行閉環控制。這最終將使該公司能夠使用基于邊緣的流處理功能對鉆井作業進行實時閉環控制。鉆井現場機器學習模型產生的數據流和分析預處理數據也將被復制到云中用于其他目的。

Cao說：“鑒于Hivecell在現場運行，我們不必擔心延遲和互聯網不穩定的問題。”他說，這個平臺將使德文能源能夠輕松地在鉆井現場部署、管理和擴展機器學習模型。

德文能源希望在2021年完成第一階段，然后進入第二階段。在第二階段，它將根據最關鍵的業務需求確定分析模型。

盡管Cao沒有提供具體的成本信息，但他表示，與使用基于云的選擇相比，這種實現方式更加經濟高效。他說：“利用Hivecell，我們能夠處理堆棧上的數據，而不需要為類似的流處理引擎支付軟件許可費。”

實施后，Cao說：“我們將實時數據在最需要的時候交到最需要的人那里。我們的工程師能夠通過手機或者計算機訪問實時數據。雖然我們仍處于第一階段，只是專注于采集這些數據，但隨著我們在未來階段的發展，分析模型將用于幫助鉆井現場的決策。”