人工智能技術顯然對于大多數企業來說過于復雜，無法在內部構建。他們需要獲得人工智能提供商的幫助來外包其人工智能解決方案。這個過程本身很復雜。那么從哪里開始?如何選擇供應商?鑒于人工智能變化如此之快，企業如何知道選擇某一家人工智能技術提供商合作在幾年之后仍然是一個很好的選擇。

簡而言之，企業如何才能更好地開始其人工智能旅程?人工智能領域的領先專家，IBM數據和人工智能開發副總裁，IBM硅谷實驗室站點主管Dinesh Nirmal為此提供了指導。

Nirmal表示，最近的一項調查報告表明，只有4%的企業真正采用人工智能技術并開始在人工智能領域發展。如果企業正確地看待人工智能，就必須成為一個接受人工智能的企業。也認為這是企業業務在未來生存和發展的一條重要途徑，尤其是在激烈的市場競爭中。因此，采用人工智能對企業來說都是非常關鍵的。很多企業都在關注人工智能，但他們并沒有真正采用或部署人工智能。

開發人工智能首先要開發模型，而數據科學團隊可以做到這一點。但是對于一些企業來說，部署人工智能變得具有挑戰性，因為其應用程序很可能是在上世紀60年代或70年代編寫的，采用的第三方軟件也是如此。如何將人工智能部署到其中，對于企業來說確實是一個挑戰，這是很多企業或客戶面臨的挑戰，開發模型雖然變得更加容易，但是當涉及到部署時，將變得非常具有挑戰性。

因此，他將人工智能的應用過程總結為三個D：數據(Data)、模型開發(Development of models)和部署(Deployment)。如果從人工智能來看，這就是三個階段。第一個D(數據)和最后一個D(部署)至關重要，即如何獲取數據，信任數據，以及如何清除數據?

如何讓數據科學家以一種更快的方式訪問它?開發的產品變得越來越商品化，這意味著可以使用許多可用的開源工具來構建這些模型。但是最后一個D(部署)也變得非常關鍵，由于現在必須采用人工智能或在企業中構建那些模型，因此涉及的過程非常復雜，其中涉及到第三方軟件，企業如果無法訪問，沒有技能，以及所有這些東西，因此變得非常具有挑戰性。

企業如何部署人工智能

Nirmal說，“企業如何以人工智能為中心?需要采用我們稱之為‘人工智能階梯’的技術。

人工智能階梯包括：一是如何收集或連接數據?因為它可能是已經存在的現有數據源。二是企業如何組織這些數據?數據的組織變得非常關鍵，例如哪些數據是敏感的，哪些數據是不敏感的。因此必須組織數據，或者圍繞數據添加一些治理以使其可用。三是分析數據，也就是如何分析數據?分析數據所需的工具是什么?四是注入數據或部署已構建的模型。因此通過這四個步驟構建一個人工智能階梯。

企業需要擁有大量數據來建立模型，必須將數據用于訓練模型，而且大多數企業可能并不愿意在公共云平臺上遷移非常敏感的數據，因此，它將成為一種混合云方法，企業可以使用該方法在防火墻后面進行所有訓練，然后準備部署模型時，可以將其部署在公共云上。”

企業在部署人工智能時遇到的挑戰

Nirmal說，“我堅信，除非企業愿意接受人工智能，否則將失去競爭優勢。我們看到越來越多的人工智能應用案例。以聊天機器人為例，即使只能進行回答簡單的問題，客戶對此也會很感興趣，那么如何通過聊天使客戶更滿意呢?

由于采用聊天機器人，客戶可以立即得到答案，可以即時滿足需求。客戶不必打電話等很長時間才有人回答問題。因此在未來幾年內，人工智能的采用率可能會從4%加速增長到40%或50%，這對每個企業來說都是至關重要的。

現在人們在一些地方看到越來越多的人工智能應用，例如在客戶服務、自然語言處理(NLP)、情緒分析等行業領域將有更多的采用。

例如，我遇到了一些客戶，他們說，‘我們認為技術是最大的人工智能優勢之一。’例如，企業的一位擁有30年知識和經驗的 員工退休，就不能再應用其知識和技能。但是如果訓練一個人工智能模型，可以不斷地學習知識和技術，并且人工智能技術不會退休，也不會離職。

人工智能將會不斷學習，知識和技能的保留將變得非常關鍵。所以我認為，采用人工智能對于企業來說非常重要，因為這將使其從競爭中脫穎而出，以確保生存和發展。另一個例子是，如果是一家制造公司，那么如何在產品交付給客戶之前檢測出產品缺陷?如果能在問缺陷出現之前找到并解決，每年可以省下幾百萬美元的費用。

這就像模式檢測一樣。我認為需要從人工智能應用的角度來看待這個行業。越來越多的行業將會采用人工智能技術，并且人工智能技術將會在各行業領域加速應用。”