对这些企业来说，它们关心的是，既不能错过新技能浪潮，但也要等待技能成熟到“鲜嫩时候”才行——不宜迟，但也不宜过早。

人工智能不是“万能钥匙”。
让AI真正能为企业赋能，须要提前评估和决策以下几点：何时是关键；核心商业目标是AI项目的出发点；评估运用AI的必要性：如果有其它办理方案呢；须要准备好大量的高质量数据；对预算、韶光表、人才等进行合理把控……

更主要的是，我们须要建立一套衡量AI驱动型企业的新指标，而不能再是传统的以资产为核心指标的体系。
平台参与度、数据代价和客户参与度等成分变得更主要。

--------------

关于人工智能，每天都有各种吹得天花乱坠的夸年夜宣扬。
该如何判断像人工智能这样的新兴技能是否值得花费韶光投入？这是每次某种新技能开始成为主流的时候，CTO们须要回答的问题：

怎么和企业领导者阐明，该项技能可以运用在企业的什么方面，这是一个竞争机会还是潜在威胁？

对付好奇的员工，如何用易于理解的措辞来大略描述这项技能可以做什么，如何区分哪些是宣扬、哪些是当前现实、哪些属于未来潜力？

对付有志于考试测验的员工，我们要表示支持吗？该当让他们研究哪些问题，该当花韶光学习这一新技能的哪些方面？

对付某些开拓者推销的运用方案，是现在就该采取，还是为时尚早？该如何评估呢？

莫稠浊浮夸宣扬和现实

一旦你对历史和科技有所理解，这时候对新兴技能所处生命周期的阶段做出判断，会是很有帮助的做法。

Gartner预测“通用型AI”（用以办理任何智能问题的人工智能技能）将于2020年之后涌现。
Venture Scanner表露的数据表明，大约2/3的AI创业公司的融资还处于初期融资阶段，这表明许多发卖AI办理方案的公司都还处在产品开拓及发卖周期的早期阶段。
麦肯锡称只有20%的有AI意识的公司实际采取了AI，而在AI上的投资超过50%是来自于大型技能公司和创业公司，而非刚好在利用这项技能的企业。

这些数据足以让CTO或企业高管在投资AI前三思而行。
只管AI的确很有前景，但这些算法的大规模商业运用才刚起步。

早期赢家都是大型科技公司和有能力、有资金、有耐心试验新技能的创业公司。
大多数企业和中型公司并不具备这些奢侈的条件，它们的AI之旅才刚刚上路。

AI是具备高度毁坏性的技能，我们不该视若无睹。
但我们该当谨严地提高，避免中了那些浮夸宣扬的催眠术。

比如，当声音在某些运用上成为比屏幕、键盘更好的人机交互手段，或者当谈天机器人变得比人类客服更加智能、反应更加迅速时，许多企业就不得不采纳这些技能来改进用户体验。

同样的，当深度学习算法在识别诱骗、风险交易或安全威胁上日趋完善，企业也要做好采取这些新手段的准备。

而随着我们利用数据库，最大限度地从口头措辞、音频和***等资料数据采集智能，这些技能手段的利用会使得很多企业得到主要竞争上风。

何时是关键

企业该当努力成为反应迅速的追随者，而不是早期采取者。
这意味着，企业要在早期阶段关注AI技能，乃至可以考试测验利用AI技能，但要等到技能足够成熟了，得到反复验证了，或者可以大规模产出的时候再来依赖AI技能。

理解AI功能的时候，你须要探求那些可以帮助评估AI运用及其成熟度的工具和运用案例。
比如：

研究公司Forrester定义了七项AI核心技能，并提出一种“搭积木”模型（building-block model），该模型以假设和研究为开始，以三个层次的实际运用为结束。

Workday发布了人工智能成熟度模型，这个模型将AI分成四个阶段，分别是自动化、关照、创造以及改造。
只有当AI运用于办理人们正在办理的问题上时，评估AI取得成果才更随意马虎。

还有很多行业案例，如保险、医疗、银行、农业、法律、广告、建造、慈善、媒体等等。

将企业的核心商业目标作为AI项目的出发点

环绕AI和机器学习的各类浮夸或虚假宣扬使得一些CTO和企业决策者武断地采纳了技能第一的策略。
相反地，看看企业存在的问题以及有哪些能带来显著上风的机会，以此为出发点，才能让研发投入得到有目的地产出。
而且，所创造的机会应有相称规模的数据集，或是能轻易得到并进行整合的数据集作为支撑。

要以一个明确的商机为出发点，缘故原由在于，你可能在此过程中创造实在有其它办理办法，无需用到最新的AI技能。
如果须要用到一部分的AI技能，通过这一方法你还可以对办理方案进行分类，评估所需AI技能的整体成熟度。

反过来，若是办理方案须要深度的评估和思考，那解释你即将驶往的是不成熟的AI领域。

评估AI成熟度的一个方法是：浏览关于AI创业公司的各种供应商评估报告等资料，你会创造很多创业公司都把关注点放在独立而分散的几个问题的办理方案上，而不是想寻求一个普遍的认知上的办理办法。

当某个开拓者跟你说“只管把数据交给我们的AI吧”，你千万别信，不要期待能得到专家级的智能化作为回报。
这是不可能发生的。

要真正起浸染你的AI系统须要大量数据

以下是成功利用AI的第二个条件：你须要大量的高质量数据来演习AI算法，评估输出结果。

自动驾驶汽车得以成为可能的缘故原由之一在于，在一个小时的驾驶中，激光定位器和其它感应器可以产生4000GB的数据。
而如此大量的数据，仅仅是用于车要不要转弯、加速、减速或停下这样几个关键决策而已。

许多成功的AI办理方案也属于此类，也便是将大量的数据转化为有限数量的决策。

除了数据集，企业还须要具备数据整合及自动化能力，这样才可以让数据在任何AI处理引擎中自由转移。
如果你的企业习气靠人工运行脚本，手动地转移数据，我强烈建议你先投资自动化，再投资AI办理方案。

考试测验AI的几种选择

一旦你创造了商机，也具备了大样本的干净数据集，你的AI之旅就准备好了。
这两个步骤是为企业装备AI技能的条件条件。
下一步则是考虑采取哪种AI办理方案以及如何实行。

如果没有专业技能，聘请专家前要三思，毕竟科技巨子公司都在花重金争抢懂AI的罕有人才，以是这场游戏的入场费是相称昂贵的。

还有一个选择是，可以利用那些办理方案中嵌入了AI技能的供应商。

选好一个或多个方案后，你须要让董事会或其它利益干系者建立符合实际的期望，这点很主要。
投资AI后，你须要全身心的投入于灵巧的实验中，由于你很可能会时时时地步入去世胡同，要进行许许多多实验才能使其最优化。
以是，对预算、韶光表、人才等，都要提前做好评估。