AI正在迅速从亚马逊、谷歌、微软、Netflix和Spotify等大型科技公司使用的技术转变为中型公司用来开发新产品的工具，增加收入，提高客户参与度和保留率，并扩展到新市场。然而，尽管AI令人兴奋，但许多CIO（首席信息官）都很难弄清楚如何在他们的组织内创建一套技能，不仅可以处理AI的开发，还可以处理任何开发培训和部署的事情。事实上，根据研究公司O'Reilly的数据，今年只有26%的组织在生产人工智能，而43%的组织处于评估阶段。这就是让AI从开发到运营——再回到开发的难处，正如我们将看到的那样。然而，每一个挑战都有潜在的增长，根据普华永道的一项研究，全球人工智能经济预计到2030年将达到15.7万亿美元。任何希望利用这一增长红利的组织，无论是在智能制造、零售、医疗、能源和许多其他行业需要了解推理如何使AI发挥作用。人工智能在哪里人工智能开发领域有大量的信息和专业知识。对于CIO来说，最大的挑战是部署。推理——在生产中运行人工智能模型的过程——是人工智能实施的重要组成部分。例如，在自动驾驶汽车中，关键的AI决策在几毫秒内发生，人的生命处于危险之中。与销售管理软件等传统应用程序不同，运行推理的AI模型需要不断重新训练和部署以保持最新状态。这使得管理AI应用程序生命周期变得更加复杂，但好处是显着的。促进销售，避免关门大吉，并通过推理为客户服务推理是解决当今许多行业面临的一系列挑战的关键。深度学习可以帮助自动化功能、推荐产品，甚至提供自然语言处理。在零售和娱乐，甚至是专业社交网络中，推荐系统的推理可以帮助扭转不稳定的销售周期并有助于留住客户。即使客户没有立即进行额外购买，有针对性的推荐也可以为未来的销售播下种子。它还可以增加品牌亲和力，展示符合消费者品味和兴趣的商品。在制造业中，推理可以帮助公司发现生产中的错误，甚至在设备出现故障之前就发现潜在的故障。人工智能驱动的工业检测可以识别物体、障碍物和人，在毫秒内执行计算，并减少停机时间。这些优势使AI视觉系统成为任何在复杂生产环境中工作的公司的首要任务。呼叫中心使用推理来自动化客户服务，并快速将客户问题发送给最有能力提供帮助的人员。当有人需要航空公司、银行或Internet服务提供商的帮助时，他们通常希望尽快与某人交谈。在当今劳动力短缺日益严重的情况下，人工智能可以帮助解决简单的问题，并确保客户快速联系到能够解决更复杂问题的合适人员。使用预训练模型变得更聪明，以壮大您的团队了解推理的工作原理只是AI之旅的开始。接下来的步骤是制定战略并执行计划。问题是，公司面临着寻找顶尖人才来担任各种角色的挑战。对于刚开始使用人工智能的企业来说，组建一支人工智能开发专家团队可能比较困难。这时，利用第三方和开源的预训练模型和框架，为克服人才短缺问题赢得先机。这些资源大大减轻了部署企业级AI的团队的负担，因为开发人员可以调整和自定义现有模型来运行推理，而不是尝试从头开始构建。公司还可以通过人工智能培训来培养现有的工程师和开发人员。越来越多的合作伙伴公司为企业提供免费的开发实验室，并提供有关关键人工智能用例的分步指导，包括构建用于客户服务或销售支持的聊天机器人、用于安全的图像分类系统以及用于更好运营的人工智能。价格预测模型，以及许多其他基本的人工智能用例。IT掌舵生产AI一旦为推理工作奠定了基础，CIO就应该为生产应用程序采用受支持的软件——无论它是在裸机、虚拟化数据中心基础设施上还是在云中运行。此外，还应考虑提供企业级人工智能软件，不仅全面支持推理，还支持数据科学和模型开发的互补实践，简化人工智能部署。随着AI从初始部署扩展到新的业务领域，团队可以依赖全面的解决方案，而不必开发独特的工作流程。AI工作负载不同于传统的企业应用程序，但现在比以往任何时候都更容易向专家学习以确保其正确实施。通过预先训练的模型、专门的开发实验室和企业级支持，了解可用于高效、低成本企业AI推理的工具，可以确保CIO准备好计划来应对每个踏上AI之旅的企业所面临的挑战。挑战。
