人工智能（AI）和機(jī)器學(xué)習(xí)（ML）（人們?cè)�認(rèn)為這兩者是公司不切實(shí)際的項(xiàng)目）正在成為主流。

有越來越多的企業(yè)正在利用這種模仿人類思維的技術(shù)來吸引客戶并加強(qiáng)業(yè)務(wù)運(yùn)營(yíng)。而這種趨勢(shì)只會(huì)越來越受歡迎。Forrester的研究稱，全球數(shù)據(jù)和分析技術(shù)決策者中有53％的人正在實(shí)施實(shí)施人工智能或大規(guī)模使用人工智能，另有20％的人計(jì)劃在未來12個(gè)月內(nèi)實(shí)施人工智能。

無論是好是壞，通過人工智能、機(jī)器學(xué)習(xí)和機(jī)器人所實(shí)現(xiàn)的自動(dòng)化正在興起。正在試驗(yàn)、創(chuàng)建、甚至是申請(qǐng)新人工智能和機(jī)器學(xué)習(xí)技術(shù)專利的首席信息官們與記者分享了機(jī)器學(xué)習(xí)用例和一些實(shí)用建議。

“數(shù)字預(yù)言者”軟件可以預(yù)測(cè)哪些職責(zé)將變得無足重輕

人們最初十分擔(dān)憂機(jī)器人會(huì)搶他們的飯碗，但這種擔(dān)憂漸漸緩和了，因?yàn)闄C(jī)器可以和人類協(xié)作，這種可能性極高。埃森哲的首席技術(shù)官兼首席創(chuàng)新官Paul Daugherty今年早些時(shí)候在福布斯首席信息官峰會(huì)上表示，就重塑員工技能（而這些員工的工作很可能被自動(dòng)化）而言，企業(yè)已經(jīng)落后了。

埃森哲也難免受到影響，這家咨詢公司已經(jīng)將大約23，000個(gè)職務(wù)自動(dòng)化并重新對(duì)員工進(jìn)行了部署。 Daugherty希望為這家擁有45萬名員工的咨詢公司重新分配職責(zé)。

Daugherty說：“我們認(rèn)為，我們要學(xué)習(xí)新技能，因?yàn)榧寄軐?shí)在是不夠用�！�

為了幫員工開展這項(xiàng)事業(yè)，埃森哲創(chuàng)建了一個(gè)應(yīng)用程序，該應(yīng)用程序使用機(jī)器學(xué)習(xí)對(duì)簡(jiǎn)歷進(jìn)行掃描并對(duì)這樣的現(xiàn)象進(jìn)行預(yù)測(cè)——員工的工作過多久會(huì)落伍，Daugherty這樣說道。

該應(yīng)用程序會(huì)考慮員工的工作經(jīng)驗(yàn)，并為此打出風(fēng)險(xiǎn)分?jǐn)?shù)——他們的職務(wù)在多大程度上已經(jīng)落伍。例如，該應(yīng)用程序?qū)⒆⒁獾剑�由于人工智能或其它自�?dòng)化事物的出現(xiàn)，員工的技能將在18個(gè)月內(nèi)過時(shí)。

Daugherty說，該應(yīng)用程序不僅僅是一個(gè)數(shù)字預(yù)言家，它還考慮了員工的集體工作經(jīng)驗(yàn)，并對(duì)相近的技能提出建議，從而使公司的員工能跟上節(jié)奏并與時(shí)俱進(jìn)。

重要建議：首席信息官必須為企業(yè)的人工智能戰(zhàn)略挑起重?fù)?dān)，并與業(yè)務(wù)部門的主要利益相關(guān)方合作，從而確他們能達(dá)成共識(shí)并且業(yè)務(wù)不會(huì)中斷。首席信息官還必須快速發(fā)現(xiàn)并消除人工智能算法中的偏差，這些偏差會(huì)隨著解決方案的擴(kuò)展而激增。Daugherty說：“稱職的人工智能必須融入組織�！�

信用報(bào)告公司構(gòu)建機(jī)器學(xué)習(xí)分析引擎

在信用卡報(bào)告巨頭Experian那里，數(shù)字化轉(zhuǎn)型為徹底利用機(jī)器學(xué)習(xí)功能的新戰(zhàn)略產(chǎn)品鋪平了道路：Ascend Analytics On Demand（這是一個(gè)自助式分析平臺(tái)）使公司能夠建立預(yù)測(cè)模型，以確定關(guān)鍵因素，如 2．2億消費(fèi)者是否有資格獲得他們所要求的信貸額度。

Experian的消費(fèi)者信息服務(wù)總裁Alex Lintner表示，客戶可以在幾分鐘內(nèi)對(duì)所有數(shù)據(jù)展開復(fù)雜的分析，而目前這一過程需要幾周時(shí)間。理想情況下，該工具將使消費(fèi)者能夠在需要時(shí)獲得信貸資格。

Gartner表示，由于人工智能技術(shù)幾乎在所有新的軟件產(chǎn)品和服務(wù)中漸漸得到普及，Ascend也隨之誕生。

Experian Global的首席信息官Barry Libenson（他負(fù)責(zé)監(jiān)督該平臺(tái)的建設(shè)，該平臺(tái)使用Hadoop和其它分析工具）說：“客戶希望能夠?qū)崟r(shí)查看大量信息，由我們指定規(guī)則的時(shí)代已經(jīng)一去不返。當(dāng)客戶想要信息時(shí)，他們想實(shí)時(shí)地得到信息，以他們想要的方式進(jìn)行�！�

重要建議：你無法在遺留軟件上構(gòu)建新的分析平臺(tái)并指望它們能夠很好地運(yùn)行。為了支持Ascend，Experian采用了混合云的方法并對(duì)開源工具進(jìn)行了投資，包括容器、API引擎和微服務(wù)。Experian還對(duì)構(gòu)建和使用軟件的方式進(jìn)行了標(biāo)準(zhǔn)化，全球員工和客戶都可以重用其應(yīng)用程序和代碼。

信用卡公司用機(jī)器學(xué)習(xí)打擊欺詐

與信用監(jiān)控公司一樣，信用卡公司也在打擊欺詐者。

萬事達(dá)卡的技術(shù)與運(yùn)營(yíng)總裁Ed McLaughlin表示，當(dāng)很多專家都譴責(zé)數(shù)字化是網(wǎng)絡(luò)隱私和安全方面的禍根時(shí)，機(jī)器學(xué)習(xí)和人工智能工具卻可以使這些服務(wù)比塑料信用卡要安全得多。

萬事達(dá)卡使用多層機(jī)器學(xué)習(xí)和人工智能工具清除惡意用戶，并防止他們?cè)斐蓢?yán)重?fù)p害。 McLaughlin表示，萬事達(dá)卡的保護(hù)措施的核心是一個(gè)內(nèi)存數(shù)據(jù)庫系統(tǒng)，自2016年以來，該系統(tǒng)使萬事達(dá)卡避免了約10億美元的欺詐損失。該軟件使用200多個(gè)屬性向量來設(shè)法預(yù)測(cè)和阻止欺詐。

這個(gè)核心處理系統(tǒng)（它與標(biāo)記化、生物識(shí)別技術(shù)、深度學(xué)習(xí)和其它新奇方法相結(jié)合在一起）幫萬事達(dá)卡保住了聲譽(yù)，即促進(jìn)了價(jià)值數(shù)十億美元的安全交易。

重要建議：就網(wǎng)絡(luò)安全而言，人類是最薄弱的環(huán)節(jié)。McLaughlin說：“盡可能地將人排除出去，這才是最重要的”，他補(bǔ)充說，機(jī)器學(xué)習(xí)、人工智能以及自然語言處理軟件都是萬事達(dá)卡工具包中的關(guān)鍵組件。

賽車公司利用機(jī)器學(xué)習(xí)分析來獲得和賽車有關(guān)的洞察

Mercedes－AMG Petronas Motorsport正在使用機(jī)器學(xué)習(xí)功能將賽車的性能可視化。

該公司的IT負(fù)責(zé)人Matt Harris表示，為了做出關(guān)鍵決策，公司在其一級(jí)方程式賽車上對(duì)多個(gè)數(shù)據(jù)通道進(jìn)行收集，有時(shí)每秒多達(dá)10，000個(gè)數(shù)據(jù)點(diǎn)。

Mercedes－AMG Petronas使用Tibco軟件將可能產(chǎn)生影響的變量可視化，如天氣、輪胎溫度和燃料量對(duì)賽車的影響。該軟件還使工程師能夠仔細(xì)分析賽車齒輪的性能和磨損等細(xì)節(jié)。賽車手通常每圈要換檔100次，每次換檔時(shí)，該軟件會(huì)收集大約1，000個(gè)數(shù)據(jù)點(diǎn)。

Harris說：“當(dāng)你將數(shù)據(jù)可視化時(shí)，你實(shí)際上可以讓變速箱更經(jīng)久耐用，或者更重要的是，以更快的速度換擋。然后你會(huì)發(fā)現(xiàn)，如果你將變速箱設(shè)為某個(gè)模式，每圈的速度大約會(huì)快50毫秒。在資格賽中，哪怕是千分之一秒也足以分出勝負(fù)，所以50毫秒很重要�！�

Harris說Mercedes－AMG Petronas正在構(gòu)建機(jī)器學(xué)習(xí)算法來幫忙“做人類無法做到的事情，或者做代價(jià)高得令人卻步的工作”。Harris認(rèn)為這些功能最終會(huì)成為使團(tuán)隊(duì)具備競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵因素。

重要建議：為什么要構(gòu)建一些不屬于你核心競(jìng)爭(zhēng)力的東西？在使用Tibco之前，Mercedes－AMG Petronas使用自行開發(fā)的可視化軟件，事實(shí)證明，這種軟件效率太低，時(shí)間越久越不易維護(hù)。有了Tibco，Mercedes－AMG Petronas可以專注于自身的實(shí)力：打造高性能賽車。Harris說：“讓人們發(fā)揮創(chuàng)造力，思考如何解決問題，而不是靠編寫軟件來解決問題，這才是最重要的�！�

機(jī)器學(xué)習(xí)預(yù)測(cè)員工何時(shí)辭職

和大多數(shù)汽車維修公司一樣，Calibre Collison長(zhǎng)期以來一直面臨著巨大的問題。機(jī)械師、油漆工和客服人員往往入職不久就辭職了，有時(shí)，在其600多個(gè)分店中每年的員工流失率高達(dá)40％。

Calibre發(fā)現(xiàn)，部分問題在于其維修車間有時(shí)沒有那么多車輛供員工修理，這導(dǎo)致工資不固定。首席信息官Ashley Denison想知道：如果Calibre可以預(yù)測(cè)員工何時(shí)辭職并進(jìn)行干預(yù)又會(huì)怎么樣？

Caliber開始與技術(shù)顧問Sparkhound合作，后者創(chuàng)建的軟件可以從Calibre所使用的人力資源軟件Workday中提取員工數(shù)據(jù)，并與Microsoft PowerBI結(jié)合起來，從而創(chuàng)建一個(gè)定制的回歸模型，這個(gè)模型可以預(yù)測(cè)員工是否會(huì)考慮離職。然后，Calibre（通過數(shù)字調(diào)查或個(gè)人聯(lián)系方式）會(huì)向員工提供幫助，幫他們登記在冊(cè)。

例如，如果員工的工資在幾周后下降，Calibre的區(qū)域經(jīng)理可以確保有更多的車輛可供他們修理。相反，如果員工的工作負(fù)擔(dān)看似過重，公司就可以將一些工作重新分配給他們的同事。那么結(jié)果如何呢？由于人員流失率降低了，Calibre每年可節(jié)省的費(fèi)用高達(dá)100萬美元。

重要建議：在人們過度炒作機(jī)器學(xué)習(xí)算法時(shí)，通過防范問題的做法來節(jié)省資金是使用機(jī)器學(xué)習(xí)算法的可行方法，Dennison說：“一旦員工入職，我們就可以輕松地留住他們�！�

機(jī)器學(xué)習(xí)有助于預(yù)測(cè)性維護(hù)

機(jī)器學(xué)習(xí)是雷諾士國(guó)際有限公司（Lennox International）的數(shù)字戰(zhàn)略的核心組成部分，該公司使用Databricks提供的軟件Spark來分析商用供暖系統(tǒng)和空調(diào)系統(tǒng)的信息流，雷諾士的IT主管Sunil Bondalapati這樣說道。實(shí)時(shí)地監(jiān)控機(jī)器的性能有助于公司預(yù)測(cè)機(jī)器何時(shí)出現(xiàn)故障，使雷諾士能夠提前四小時(shí)通知客戶（如房主和購物飲食街的管理者）。

Bondalapati說：“Databricks使我們能夠使用數(shù)據(jù)，并在設(shè)備即將發(fā)生故障時(shí)以90％的準(zhǔn)確率作出預(yù)測(cè)”。他還補(bǔ)充說，雷諾士之前能猜到機(jī)器何時(shí)會(huì)出現(xiàn)故障并聯(lián)系經(jīng)銷商。此類事件通常包括誤報(bào)，而這使各方都感到沮喪。我們過去一直在努力預(yù)測(cè)設(shè)備故障�！�

在使用Databricks的過程中會(huì)遇到有很多分析工具，每個(gè)工具都用于解決單一用例，例如供應(yīng)鏈或物聯(lián)網(wǎng)（IoT）。但Bondalapati表示，Databricks提供了一個(gè)統(tǒng)一的平臺(tái)，公司可以在該平臺(tái)上管理來自數(shù)百個(gè)數(shù)據(jù)庫的數(shù)百TB數(shù)據(jù)，并且它可以在Microsoft Azure上運(yùn)行，因此雷諾士無需維護(hù)系統(tǒng)。

有了Databricks，Bondalapati的團(tuán)隊(duì)和業(yè)務(wù)部門就可以共同為數(shù)據(jù)流建立模型�；�于Spark的軟件可以為IT和業(yè)務(wù)人員轉(zhuǎn)換數(shù)據(jù)并提供洞察。Bondalapati說道：“Databricks提供的協(xié)作模式對(duì)我們來說至關(guān)重要�！�

重要建議：Bondalapti表示，首席信息官必須讓這些新工具發(fā)揮看家本領(lǐng)，當(dāng)風(fēng)險(xiǎn)巨大時(shí)，尤其要這么做。例如，Bondalapati對(duì)包含100億條數(shù)據(jù)記錄的概念驗(yàn)證進(jìn)行了監(jiān)督。Bondalapati說：“我們?cè)囂叫缘刈鲞@樣的事情，但結(jié)果卻令人大開眼界。”