缺点：我们不应该急于采用AI存在方式的5个原因。人工智能作为数据科学、分析和技术改进创新的最新必然产物之一，具有巨大的发展潜力。甚至有从业者认为，跳过传统智能数据技术，直接投资AI解决方案是合理的。然而，仍有理由拭目以待，至少就2017年而言。1.AI仍然不同于任何一种具有巨大潜力的科技产品，AI也吸引了众多投资者、风险投资家、初创企业和商业领袖的关注，并准备与工作乃至生活场景相结合。但问题是，人工智能还处于发展阶段，或者说还需要时间去学习和证明它的价值。客观地说，即使是最先进的人工智能成果，也可能需要三年时间才能在市场上有所作为。此外，假设您已经拥有一个非常棒的AI引擎驱动的演示系统。但如果投资者无法将其插入笔记本电脑，那就全是空话了。因此，AI目前只能算是一块奇葩大饼，但平心而论它仍是一个小众产品——在正式普及之前，任何对其进行整合的尝试都可能以失败告终。2.分析仍然具有巨大的影响力根据Simbla的调查结果，分析仍然很活跃并且可以提供可观的价值等待被发现。作为从数据信息到AI算法的通道，分析技术的目标更符合当前分析软件和算法所能达到的效果。除了URL挖掘和社交媒体报告等基本功能外，公司还开始使用分析解决方案来帮助他们更灵活地管理数字业务，包括营销和搜索引擎优化。能够在作为所有数字资产基础的二元空间中运行，意味着未来的分析工作不仅会提供市场相关报告和模型判断结论，还会带来更可观的预测能力。这种预测未来市场趋势的能力，无疑会吸引更多企业继续坚守分析阵地，并在未来两三年逐步转向更成熟的AI平台。3.机器学习需要一个过程。构建业务单元是一个线性过程，我们目前无法解决其中的所有问题，以提供真正准确和实用的可用于集成的人工智能结果。当然，数据和分析是人工智能的训练材料——这两个领域在逻辑和定义结论层面还处于摸索阶段。要真正利用人工智能，我们必须收集大量数据并构建能够以直观方式解释信息的工具，以实现预测分析。而直接加入AI，无异于没学会走路就贸然跑。尽管在某种程度上已经成为现实，但人工智能的现状仍远不能令人满意。4、潜在分工尽管我们很难准确预测业务未来的发展趋势，但就目前的情况来看，分析、数据和AI等技术很可能实现分工独立发展，而不是朝着统一的智能化方向发展。分工确实提供了一些有趣的机会，特别是对于那些更愿意投资成熟市场而不是缺乏经验的人工智能解决方案的人来说。未来几年，投资者和企业经营者将继续面临这样的困境，是将资金投向影响力更大、分析更有效的领域，还是押注人工智能，这些都还存在不确定性。5.消费者意识对于企业主来说，分析和人工智能之间的选择应该主要考虑主要受众的现状和意识水平等因素。年轻的从业者可能更信任并愿意测试直观的数字解决方案。但是，如果您要向更老练的老一代用户进行营销，分析可能会更好地推动业务绩效。AI中有一些致命的东西，但这方面并不能证明分析的消亡是正当的；相反，既成长又进步。此外，至少就目前而言，分析技术的有效性无疑有更丰富的客观指标作为支撑。原标题：不投身AI的5个理由原作者：CarolJon
