人工智能的应用大大降低了预测成本，这意味着企业可以以越来越新颖和意想不到的方式推动业务发展。借用预测机器的概念，我们可以使用摄像头、视频分析和机器学习来全面预测消费者行为。也正是得益于这样的技术，自动驾驶汽车才能从梦想变成现实。探索人工智能的商业案例类型自动驾驶汽车是人工智能非常重要的应用领域。让我们用几个数字来看看自动驾驶汽车的好处：在美国，在避免因自动驾驶汽车死亡造成的致命碰撞方面节省了317亿美元），在非致命碰撞避免方面节省了226亿美元，在非致命碰撞方面节省了约99亿美元及时。不过，也有分析人士指出，这并不像人们预期的那样降低保险费率或汽车本身的成本。买不起车的人还是买不起车。同时，这些只是美国市场的数据。在投资回报方面，Axios报告称，截至2018年第三季度，风险投资公司仅在自动驾驶领域就投资了近80亿美元——这还不包括传统汽车制造商的任何投资估计。即使加上一些资金来弥补私人投资的影响，自动驾驶汽车的收益也远远超过迄今为止投入的资金数额。关于谁将受益以及成本是否合理的问题仍然存在。因此，为了让自动驾驶投资获得回报，已经投资的少数公司将不得不分享红利，这意味着分享消费者和保险公司的预期收益。都是宏观层面的。那么，在微观层面呢？让我们从一个荒谬的例子开始，比如说，预测您今天将收到多少封电子邮件——值得预测吗？有人可能会说，通过预测您将收到的电子邮件数量，您可以让自己更好地评估当天的工作量，或者确定您没有完成的工作，并相应地计划您的工作。“它解决了什么样的问题”——这是数据分析领域的一个基础性问题。它可以帮助你判断你即将做出的预测行为是否有价值，其本质是判断获得的信息是否会改变你的行为。例如，知道我在接下来的几个小时内可能收到的电子邮件数量并不一定会改变我的行为。工作仍然需要完成，我无法完全阻止电子邮件进入我的邮箱。但是，换个角度来看。对于整个公司来说，预测所有员工在某一天收到的电子邮件数量是有意义的。因为该信息可用于控制公司为电子邮件服务支付的费用、预测员工的工作效率或确定升级后的垃圾邮件过滤器是否有效。当然，只有当大型企业组织将这种兴趣聚集在其员工中时，这种价值才会真正获得——例如，当你将这种方法应用于分布在全国各地并为不同公司工作的一群朋友时，可能并不奏效。这并不是说你看不到AI预测在微观层面的价值。一个很好的例子是预测你今天会吃多少碳水化合物。如果你让人工智能查看你过去的饮食习惯记录，它可能会发现你通常午餐吃面包，晚餐后吃甜点。AI会使用这些信息来尝试阻止你将来会做的某些行为，比如鼓励你在上午10点30分吃沙拉，提醒你晚上6点晚饭后不要吃饼干。这是人工智能在微观层面给你带来的价值，它会直接影响你的行为。相反，跨消费者聚合行为并不一定意味着企业可以从这种聚合中获益，或者会更加分散，难以从整体中获益。回到零售业零售业的利润微薄（奢侈品除外），因此在很大程度上，零售业非常厌恶风险。他们认为，为了让零售商受益，投资回报必须稳定且清晰。到目前为止，人工智能在零售业的投资回报率相当不错——例如通过个性化体验增加销售额以吸引回购，通过使用聊天机器人（而不是依靠呼叫中心人员进行例行呼叫）节省成本，通过人工智能驱动的补货预测实现了收入和库存周转率等方面的优势。人工智能模糊了微观和宏观用例之间的界限。零售业有很多宏观用例，比如对商品规划进行长期预测，可以帮助提高销量、减少缺货、减少单店库存，同时也有助于将产品采购计划与需求预测相匹配。一般是通过对过去的销售数据和活动数据的分析和总结，通过模型预测接下来的趋势。当然，即使在宏观层面看不到好处，也可以通过某种信息聚合，让预测产生好处。与前面的示例一样，虽然个人在预测电子邮件接收量方面价值不大，但在特定关系（例如，雇主）之间汇总此类预测可能有价值。此外，在微观层面，人工智能在零售行业的用例很多。它可以为消费者提供更好的体验，满足消费者日益多样化和个性化的需求。对于零售商而言，这是一种更综合层面的间接收益，例如带来更多客户。粘性，增强客户忠诚度。底线总的来说，如果您过于狭隘地看待人工智能用例的投资回报率，您可能会错失很多价值。尤其是在零售行业，这会限制人工智能的可能性，最终让风险因素限制你的优势。但无论如何，因为人工智能实际上只是一种高级分析形式，可以为我们提供具有成本效益的预测，但分析投资回报率的规则仍然适用：我如何获得这些信息来改变我的行为？如果它不可行，那么就没有价值。
