人工智能不擅长什么

如今，人工智能（AI）似乎无处不在。随着市场上声称使用人工智能的工具和服务的数量增加，一些人可能会担心我们正在走向一个未来，在这个未来，智能机器将管理业务运营的各个方面，而人工工人将完全过时。

的确，近年来人工智能系统的复杂性和功能一直在增加，但人工智能在一些关键领域仍然不足。如今的AI不再像电影中所看到的那样扮演合成人的角色，而是主要基于结构化和基于规则的，或者很大程度上依赖于所谓的“机器学习”（ML），它可以提供强大的数据分析和模式识别功能，但是却一无所获逼近人类的创造力。尽管如此，利用AI的功能仍然可以使企业受益匪浅。

企业使用AI和ML的三种方式

机器人过程自动化。 虽然“机器人”一词可能让我想到了类人机器人，但机器人过程自动化（RPA）实际上是软件而非硬件。使用RPA，数字程序或“机器人”，可以快速，准确地处理基于规则的重复性任务。这是一种流行的选择，因为它的实施成本相对较低，并且通常会带来非常快速的投资回报。它也是通用智能技术中最不“智能”的，因为这些bot并未经过编程可随时随地进行学习和改进。

分析和见识。计算机是否真的比人类还聪明，这是有争议的，但是可以肯定的是：它们在模式识别方面，特别是在海量数据集中的能力要好得多。先进的，由AI驱动的数据分析工具通常在特定的数据集或类型上接受培训，以此为基准来识别人类否则可能会错过的模式。与RPA中使用的漫游器不同，这些预测或分类模型旨在随着处理越来越多的数据而不断改进。企业采用这种技术来改善更适合计算机的高频任务的性能，这意味着它们更是一种生产力工具，而不是潜在的人工替代品。

订婚。在当今快节奏的即时满足世界中，客户希望信息能在瞬间得到通知。幸运的是，自从即时消息传递之初以来，聊天机器人已经走了很长一段路，企业可以利用AI程序利用历史客户数据来提供增强和优化的客户服务体验，而不会显着增加员工人数。自然语言处理和机器学习可帮助这些“智能”代理与人类互动并为人类提供帮助，同时随着时间的推移不断提高其性能。

人工智能不足之处

毫无疑问，人工智能正在成为各种规模和规模的企业的强大而有用的工具。但是，它已成为业务技术领域中的一个通用术语，以至于人们对此有很多误解。事实证明，人工智能本身还不是很有效。即使是最好的AI驱动工具，也需要大量的良好数据，以及对数据集的培训，这些数据必须首先进行组织才能有用。

同样，如果没有人类定义的特定任务，人工智能将无法运行。非常高级的程序可能能够编写自己的算法，而这些算法通常是如此复杂，以至于我们无法理解，但是只有在追求程序员确定的目标时才能这样做。

当前AI系统最大的局限性可能在于它们缺乏我们所谓的“常识”。换句话说，他们不能将来自一个领域的学习应用于另一种情况或问题。如果有足够的数据，则AI系统可以做出相当不错的预测或准确地对项目进行分类。但是，即使对分配的任务进行了微小的更改，也可能意味着需要对系统进行完全重新培训。

通过难以置信的快速反复试验（通常称为强化学习），一个AI程序可以了解哪些动作与下棋比赛中的胜利更紧密相关，但是为了玩西洋棋，它需要开始再次从头开始训练。同样，人工智能只能基于已经看到的变量进行预测。这严重限制了AI处理“假设情况”以及对新提议或新提议进行准确预测的能力。

如何在企业中有效利用AI

1.识别机会。

尽管AI可能是非常有用的工具，但它并不是万能的解决方案。为成功集成AI技术奠定基础的最佳方法是确定可以提供帮助的关键业务领域。尝试查找组织面临处理挑战，瓶颈或缺乏数据洞察力的区域，如果您可以找出可以应用业务规则的区域，以便可以针对问题量身定制AI解决方案，那就更好了。

2.了解工具。

一旦您对组织中的AI解决方案可能解决的特定问题有了清晰的认识，就必须牢牢掌握您可用的解决方案，并且最适合您的公司的解决方案很重要。

如果您刚刚开始使用AI，则可能希望从RPA解决方案开始，该解决方案可协助数据处理以及“机械”或重复性任务。如果您走得更远并且在具有适当用例的行业中工作，那么更复杂的东西（例如协助大型信息集的分类和汇总的认知自动化平台）可能会更有价值。

3.投资质量数据和质量合作伙伴。

数据是使更智能的AI运转的动力。例如，如果您希望您的AI解释并回答客户的问题，则需要对它进行大量数据的培训。因此，请确保您正在捕获和组织良好的数据，以充分利用您的AI工具。一旦有了这些，您就准备好与AI合作伙伴合作，后者可以帮助您以最有利于公司，改善产品或服务并获得可观投资回报的方式利用AI技术。