人工智能正在迅速成為組織開展的當務之急。無論是提高效率，尋找新的商業機會，還是與時俱進，或者在競爭中取得領先，各行業的組織都在探索人工智能的商業利益，僅在過去一年，人工智能的采用率就增加了三倍。

對于一些組織來說，這意味著從頭開始構建人工智能系統。但調研機構Gartner公司表示，招募合適的人才既困難又昂貴，而85%的人工智能項目很有可能失敗。即使構建的項目成功，供應商也可能很快就會以更低的成本提供更好的產品，并定期升級，更多集成，以及提供更直觀的用戶界面。或者，當組織正在開發的人工智能新功能作為一個免費功能或升級到已經使用的平臺時，其自己構建的人工智能資產可能會變得多余。

另一方面，使用商業化的人工智能產品可以快速嘗試許多不同人工智能技術，并且投資更少。IBM公司數據和Watson AI總經理Rob Thomas表示，要想在人工智能領域取得成功，數量至關重要。

Thomas 說，“我鼓勵客戶采用100個人工智能試點項目，而不是一兩個。哪怕這些項目中有一半毫無作用，但另一半項目可能真的有所回報。”

他表示，市場上已經有了一些輕量級的商業工具，而且只需要幾個星期的實施。此外，嵌入式人工智能的想法（例如人工智能內置到其他平臺和系統中）正在興起。

因此，組織決定是否轉向現成的人工智能解決方案或構建自己的解決方案時需要考慮一些相關因素。

確保順利旅行

根據加拿大多倫多機場管理局的統計，加拿大最大、最繁忙的多倫多皮爾遜機場每年發送將近5000萬旅客。而在機場管理局的49000名工作人員中，只有1600人專注于管理、運營和技術工作。

其中一項工作是售票亭，供乘客快速辦理登機手續使用。當售票亭發生故障或打印機票的紙張耗盡時，就會發送警報。然而，從收到警報到重新啟動并再次運行的時間平均需要1小時12分鐘。

該機場管理局信息服務交付副主任John Thompson說，這是一個問題。而知道機器何時發生故障或紙張或墨水用完，并不是可以通過簡單的計算而得知。有些售票機比其他機器更繁忙，或者在一天中的不同時間得到不同程度的使用。因此，機場決定尋找智能分析的解決方案。

他說，“通過預測分析，我們知道售票機什么時候會用完紙張，所以我們可以更快地處理。”

但他表示，“機場沒有足夠的資源從零開始開發自己的工具，因為我們決定不再自己構建任何東西。”

去年，該機場啟用了基于Symphony Summitai云計算技術的內部IT支持購票系統，這需要幾個月的時間來實現和配置機場的工作流程。

Thompson說，從一個小項目開始證明實施人工智能的一個好方法。

他說，“如果試圖快速實施人工智能，那么通常不會很好地運作，因此需要每次只能完成技術的一個方面。因為欲速而不達。”

現成人工智能的興起

Gartner公司分析師Svetlana Sicular表示，“多倫多機場管理局的經驗和教訓代表了大多數公司進入人工智能的行為，因為很多公司選擇購買而不是構建。很明顯，自己構建是行不通的。很難找到合適的人才，并且耗費資源和成本。”

與此同時，越來越多的平臺供應商將人工智能嵌入到他們的系統中，使這項技術一鍵可用。此外，將人工智能工具構建到其平臺中的供應商已經可以訪問非常大的、組織良好的培訓數據池。

例如，Salesforce有大量的標記和分類信息，它可以分析趨勢和模式，然后為客戶提供最常見或最需要的分析。供應商也從規模經濟中受益。他們可以雇傭專業的人才來開發和改進自己的人工智能模型。

Sicular說“但真正關鍵的是數據。”

她說，“從長遠來看，數據是企業機器學習的最主要的組成部門。這就是像谷歌這樣的公司如此成功的原因。他們了解如何獲取機器學習數據以及如何進行解析。”

相比之下，一些公司僅限于他們自己收集的數據，或者可以購買的培訓數據集。

商業的人工智能工具還提供其他優勢，總部位于舊金山的風險投資商General Catalyst Partners公司的常務董事，VMware前首席技術官Steve Herrod指出，與那些可以使用本土系統的員工相比，更容易找到熟悉商業工具的員工。此外，供應商還在其平臺上提供免費或低成本培訓。

他說，“最好是在現貨供應充足的情況下使用現成的產品。隨著時間的推移，我們將擁有越來越多現成的人工智能軟件，將構建滿足自己需求的更小、更為利基的空間。”

何時構建自己的人工智能工具

雖然購買現成的人工智能工具可以快速便捷，但有時一些企業別無選擇，只能從頭開始構建。這包括數據或模型極其敏感或專有的情況，或商業工具根本無法獲得的情況。

例如，專注于公用事業行業的軟件商EnergySavvy公司已經建立了專有算法來分析公用事業客戶的能源使用模式。

EnergySavvy公司工程副總裁Kalpana Narayanaswamy說，“我們近十年來一直為客戶提供服務，這讓我們深入了解他們的計劃如何運作，他們如何細分數據，以及如何從中獲取見解。”

她說，解決這些問題需要了解公用事業公司的內部運作方式。她說，“必須知道如何應用它，這就是問題的所在。”

為此，該公司成立了一個專注于行業專業知識的數據科學組織。她說，分析平臺本身建立在開源技術之上。因此，EnergySavvy公司能夠超越其他地方提供的基本見解、基本定位和基本定制。

人工智能組件也是企業業務增長的核心，也是一個關鍵的區別點。一般來說，當企業采用的人工智能技術是一個差異化因素時，很難用商品化現成的系統來做到這一點。

Dialpad公司是一家總部位于舊金山的企業VoIP服務提供商。盡管商業語音識別和自然語言處理系統可用，該公司的首席戰略官Dan O‘Connell表示，該公司從頭開始構建其VoiceAI系統。

他說，““我們將使用一種API，它會更慢、更準確、更昂貴。我們最終聘用了自己的自然語言處理和語音識別專家和數據科學家。還有一些擁有計算神經科學博士學位的人才。”

通過從頭開始構建，該公司還能夠提供獨特的功能。例如，除了實時通話記錄，它還具有現場指導、情緒分析和實時智能筆記和行動項目。

他說：“這為團隊提供了一個在其他方面尚未開發的機會，讓他們能夠采取科學的方法來理解并在對話中采取行動。”

購買者放棄自己構建

Insight公司是一家位于坦佩的技術咨詢和系統集成公司，該公司首席技術官Brandon Ebken表示，“并非每家公司都需要擁有自己的人工智能技術。但是，越接近核心業務流程，越可能改變客戶體驗，就越有可能需要進行某種類型的定制。”

他說，“越早開始，就能獲得越多的競爭優勢。我不建議企業一直等待。人工智能已經得到更廣泛的應用，幾乎所有的客戶都有某種類型的人工智能計劃。數字轉型是由人工智能推動的，而一直等待的組織將被競爭對手超越，或錯過更多的機會。”

另一個可能需要自己構建的解決方案的用例是存在隱私考慮因素，例如在受到嚴格監管的金融和醫療保健行業。

Booz Allen Hamilton公司負責人Lauren Neal表示，“例如，許多商業翻譯引擎需要將數據上傳到云端，但政府用戶和受監管行業的用戶希望確保他們的數據安全。他們寧愿擁有一個本地解決方案，將其鎖定并使其安全。但是，沒有很多商用人工智能工具可以設置用于該模式。這是這個空間剛剛起步的標志。”

她補充說，“很多企業也擔心供應商鎖定。對于使用平臺供應商的內置人工智能工具的公司來說，尤其如此。他們的靈活性可能會降低。”

而且由于技術變化如此之快，被鎖定在單個供應商的人工智能技術中將會成為劣勢。

兩全其美的舉措

對于大多數企業來說，構建與購買不是一個非此即彼的選擇。相反，企業的策略應該是能買就買，不能購買就自己構建。

“我們目前已經出現兩種選擇。”ExecVision公司首席技術官Reuben Firmin表示。ExecVision公司為企業客戶提供人工智能輔助銷售指導，其中包括Workday，Ondeck Capital和Paycor。

他說：“我們已經使用現成的工具進行情緒分析，并建立了自己的工具。我們沒有必要做無用功。”

他說，“在項目開始時進行這項研究是很重要的，以避免浪費精力。組織可以開展一個機器學習項目，并會發現六個月內有一種成本更低、更普遍的方法來處理同一個項目。”

他警告說，“企業應該小心不要忽視傳統的選擇。統計數據足以滿足許多項目的需求。很多工程師都被深度學習所吸引，但并非每個屬于人工智能范疇的項目都需要這樣的學習。”

當商業工具可用時，企業可能需要進行自定義集成，或添加專門的代碼或配置。

總部位于埃爾帕索的技術咨詢機構PCM公司高級副總裁Herb Hogue說，“沒有現成的解決方案可以解決企業所有的人工智能需求和業務挑戰。大多數都有核心框架、應用程序或SaaS產品，但企業仍需要修改、增強或使其符合其現有的業務。”

總部位于費城的數字解決方案提供商Anexinet公司分析主管Brian Atkiss表示，包括亞馬遜、谷歌、微軟和IBM在內的大多數主要云計算提供商都推出了自己的平臺，可以更容易地構建定制的機器學習模型和人工智能系統。

它們還提供常用功能的現成組件和API，例如自然語言處理、語音識別、光學字符識別和聊天機器人。

他說，“許多企業都有足夠的內部數據用于用例。使用針對每個用例的完全自定義數據集與使用現成工具的通用和廣泛可用數據相比，模型將更加準確。”

總部位于休斯頓的數字咨詢服務機構Sparkhound公司業務自動化總經理？？Richard Salinas表示，使用具有大量內置功能的平臺，企業的開發團隊可以專注于業務流程和用戶體驗。

他說，“人們普遍存在一種誤解，認為組織 從頭開始構建應用程序意味著最大的靈活性。而從預建基礎開始，組織可以更快地進入市場。通過保持底層技術解耦和模塊化，可以使應用程序更具前瞻性。”