人工智能(AI)和机器学习(ML)曾经被认为是企业的“空白支票”，现在已成为主流。越来越多的企业正在使用这种模仿人类思维行为的技术来吸引客户并增强业务运营。在Gartner的一项调查中，接受调查的106名IT和业务专业人士中有59%表示他们迄今为止已经部署了AI技术，平均有四个AI/ML项目。这些受访者还表示，他们预计在未来一年内再增加6个项目，并在未来三年内再增加15个项目。Gartner分析师WhitAndrews表示，到2022年，这些组织预计平均部署35个AI/ML项目，他对这些计划项目的数量感到惊讶。安德鲁斯说，通过客户服务和内部决策的虚拟助手改善客户体验和自动化任务是最受欢迎的项目。研究公司IDC对2,473个组织进行的一项更大规模调查发现，仅增加项目并不能形成更广泛的AI战略，只有25%的组织拥有企业范围的AI战略。IDC的调查发现，多达25%的受访者表示，他们的AI战略在50%的情况下会因缺乏熟练员工和不切实际的期望而失败。但这并不能阻止组织继续尝试。在这里，正在试验、构建和实施AI和机器学习技术的CIO分享了他们的机器学习用例和一些实用建议。1、保险公司使用聊天机器人改善客户体验（CX）相互保险巨头Guardian的首席信息官DeandelVecchio表示，该公司正在测试人工智能以改善客户体验（CX）和提高员工生产力。该公司的一项客户体验(CX)试点涉及使用IPsoft制作的虚拟助手Amelia来帮助自动化入职流程并回答福利问题，从而使CX员工能够专注于更复杂的案例。Amelia学习了Guardian的商业逻辑，能够回答诸如“重病是什么意思？”之类的问题。以及Guardian数百万客户可能遇到的其他问题。Guardian在内部测试了IBMWatson如何帮助它更好地了解客户如何与企业互动。作为试验的一部分，IBM的认知计算软件读取了Guardian每天收到的数百万封电子邮件并确定了优先级。及时解脱。关键建议：机器学习项目应该在更大的业务环境中考虑。在Guardian，支持AI/ML的流程自动化只是其更广泛的数字化转型的一小部分，DelVecchio正在改善客户体验(CX)以简化运营。这包括迁移到AWS云平台、采用敏捷开发和构建API市场。2.Zulily使用AI推荐衣服有人可能会争辩说，如果没有机器学习，服装零售商Zulily就不会拥有一项可行的业务，即使用机器学习为消费者提供个性化商品。Zulily的首席信息官LukeFriang表示，该软件依靠多种信号来决定是通过推送通知还是电子邮件向客户发送优惠信息，包括购买历史记录、浏览选择所花费的时间、移动应用程序的点击和滑动以及社交媒体行为。“随着我们更好地了解消费者，我们可以更好地倾听他的意见，”他说。虽然Zulily构建自定义算法，但它依靠许多开源技术（例如Hadoop、TensorFlow、H20）来完善其机器学习堆栈。重点推荐：人工智能项目受益于完善的云计算架构。例如，Zulily的个性化工作依赖于AmazonWebServices和GoogleCloudPlatform之间的关键组合，其中GoogleCloudPlatform提供的建议在被选中时可以将消费者吸引到由AWS提供支持的Zulily电子商务平台。Friang说，这种联系凸显了谷歌云和AWS如何推动竞争，从长远来看，这将使CIO受益。3.JiLL：企业的人工智能助手从表面上看，人们不会认为人工智能对商业地产供应商有多大用处。但在6月，仲量联行与谷歌合作开发了JiLL，这是一款语音助手，可以让上班族安排会议、联系同事、查看火车时刻表以及通过语音或文本填写服务请求。.例如，JLL首席数字产品官VinayGoel表示，Jill可以处理诸如“JiLL，帮助我的团队安排每周会议”或“JiLL，今天下午在三楼给我找一张空位”之类的事情。他在一份声明中表示，JiLL考虑了JLL关于建筑物、用户交互和物理空间交易的数据集，这些数据集是在GoogleCloudPlatform和Kubernetes容器中处理的。“随着时间的推移，我们希望JiLL成为一个重要的平台，提供数百种技能，帮助员工每天提高工作效率。主要建议：对于希望转向服务的组织，虚拟助理可能是一项值得的投资。JLL的JiLL是利用技术提供增值服务以吸引更多企业客户的战略的一部分。作为旨在提高采用率的上市战略的一部分，仲量联行计划增加更多技能并向第三方功能开放平台。这一举措展示了虚拟助手多年来如何转向垂直市场。4.机器学习将动态定价与便利结合便利连锁店WawaInc.计划使用机器学习根据竞争因素动态改变价格。CIOJohnCollier表示，这对于WawaInc.向忠诚度计划客户提供的个性化服务大有帮助。Collier补充说，“我们想使用数据和算法，所以我们不定价，我们制定规则。诀窍是平衡用户体验的改善与交付体验的成本。重点推荐：Collier希望启用动态定价，但存在一个问题：新兴技术无法与其遗留系统很好地交互。因此，现代化对任何人工智能战略都至关重要。Wawa正在改造其遗留系统，作为数字化转型的一部分。他说，“我们已经投资5.信用报告公司构建机器学习分析引擎信用报告巨头Experian表示，数字化转型正在为利用机器学习核心功能的新战略产品铺平道路：AscendAnalyticsOnDemand，一个自助分析平台这使公司能够建立预测模型来确定关键因素，例如2.2亿消费者中的任何一个是否有资格获得他们所需的信贷额度愤怒。Experian消费者信息服务总裁AlexLintner表示，与目前需要数周的时间相比，客户可以在几分钟内对这些数据进行复杂的分析。理想情况下，该工具将使消费者在需要时有资格获得信贷。据研究公司Gartner称，随着人工智能技术应用于几乎所有新软件产品和服务的普及，AscendAnalyticsOnDemand应运而生。“客户希望能够随时随地实时查看大量信息，”ExperianGlobal首席信息官BarryLibenson说，他使用Hadoop和其他分析工具监督平台的构建。关键建议：用户不能在遗留软件之上构建新的分析平台并期望它们运行良好。为支持AscendAnalyticsOnDemand，Experian采用了混合云方法并投资了开源工具，包括容器、API引擎和微服务。Experian还对其构建和使用软件的方式进行了标准化，其应用程序和代码可供其全球员工和客户使用。6.信用卡公司使用机器学习打击欺诈与信用监控公司一样，信用卡公司也必须应对欺诈者。MasterCard技术和运营总裁EdMcLaughlin表示，在许多专家将数字视为隐私和安全的祸根的时候，机器学习和人工智能工具可以使信用卡服务更加安全。MasterCard使用机器学习和人工智能技术来消除恶意用户。McLaughlin说，其保护的核心是一个内存数据库，自2016年使用以来，该数据库已为万事达卡节省了10亿美元的损失。该软件使用200多个属性来预测和阻止欺诈。该核心系统与标记化、生物识别、深度学习和其他新方法相结合，帮助万事达卡保持了促进价值数十亿美元安全交易的声誉。关键建议：在网络安全方面，人是最薄弱的环节。McLaughlin说：“最重要的是尽可能让员工脱离循环。机器学习、人工智能、自然语言处理软件都是万事达卡工具包中的关键组件。”7.赛车公司使用机器学习来分析汽车洞察Mercedes-AMGPetronasMotorsport使用机器学习功能来帮助可视化赛车性能。公司IT团队负责人马特·哈里斯(MattHarris)表示，公司从一级方程式赛车收集多个渠道的数据，有时每秒收集多达10,000个数据点，以做出关键决策。Mercedes-AMGPetronas使用Tibco软件可视化天气、轮胎温度和燃油油位等变量对其汽车的影响。该软件还使工程师能够分析汽车齿轮的性能和磨损等细节。车手通常每圈换档100次，每次车手换档时，Tibco都会收集大约1,000个数据点。“当你查看数据时，你实际上可以让传输持续更长时间，或者更重要的是，更彻底地改变传输，”哈里斯说。一种特定模式每圈快约50毫秒。在排位赛中，汽车可以快千分之一秒，因此50毫秒对于它获胜很重要。”哈里斯说，“Mercedes-AMGPetronas正在构建机器学习算法来帮助做人类做不到的事情，或者说这是一种昂贵的工作方式。”哈里斯认为，这些能力最终将成为团队竞争优势的关键推动因素。关键建议：为什么要构建不是企业核心竞争力的东西？在采用Tibco之前，Mercedes-AMGPetronas使用的是本土开发的可视化软件，但事实证明该软件效率低下无法维持。依靠Tibco，Mercedes-AMGPetronas可以专注于其专业优势：制造高性能汽车。哈里斯说：“最重要的是让人们发挥创造力并思考解决问题，而不是编写软件来解决问题。”8.使用机器学习预测员工何时离职与大多数汽车维修公司一样，CalibreCollision长期以来员工流失频繁，因为公司的机械师、油漆工和客户支持人员一直在离职，有时高达40%公司每年有600多家工厂。Calibre发现，部分问题在于其维修厂有时没有足够的汽车供工作人员修理，从而导致工资不一致。这让公司的首席信息官阿什利·丹尼森(AshleyDenison)想知道：如果它能够预测员工何时离职并进行干预会怎么样？Calibre开始与技术顾问Sparkhound合作，后者创建了可以从Calibre的Workday人力资源软件中提取的软件。员工数据并将其与MicrosoftPowerBI混合以创建自定义回归模型来预测员工是否可能考虑离职。Calibre然后通过数字调查或个人联系方式联系员工进行干预。例如，如果员工的工资连续几周下降，Calibre公司区域经理可以确保他们获得更多汽车进行维修。相反，如果员工看起来工作过度，公司可以重新分配一些工作给他的同事。因此，Calibre每年最多可节省100万美元。关键建议：使用机器学习算法来避免问题和节省资金是一种实用的方法。9.人工智能作为产品和业务推动者在2018年MITCIOSloan研讨会上，AdobeSystemsCIOCynthiaStoddard表示，公司正在使用机器学习来分析帮助台记录的系统故障趋势，然后在问题引起之前主动解决问题主要停机时间。如果系统检测到可能中断的事件，它可以在故障发生之前主动消除或减轻故障。该工具称为HAAS，意为“修复即服务”，可以捕获并修复从Adob??eInc.的ERP集成故障到针对公司各种分析系统的错误数据源的所有内容。Stoddard说，HAAS将人工执行的30分钟手动修复时间减少到一分钟。她估计在过去几个月中节省了330小时的恢复时间。使用详细说明问题的报告，Adobe工程师可以创建永久性修复。“如果你知道你必须修复某些东西，并且你知道如何修复它，那么你就可以将它自动化。这是一个巨大的好处，”斯托达德说。这项工作建立在Stoddard团队于2017年创建的基于机器学习的诊断测试框架之上。关键建议：使用机器学习识别模式是创建自我修复能力的关键。“如果你知道如何修复它，你就可以在其中放置一个自我修复组件并拯救船员，”斯托达德说。
