1956年，人工智能概念首次被提出。那年，達特茅斯夏季人工智能研究會議聚集了各方大佬，包括Lisp語言的發明人約翰·麥卡錫、信息論創始人克勞德·香農、人工智能領域先驅馬文·明斯基等等，世界正在逐步走向數字化、智能化。隨著技術的迭代發展，弱人工智能的廣泛應用。眾多決策者、利益相關方和影響者都一致認為人工智能 (AI) 具備 強大的顛覆性價值，有潛力顛覆和取代當前業務架構與企業軟件。

盡管人工智能的宣傳鋪天蓋地，但我們往往并不了解其明確 定義。它激發了大家的熱情，有時甚至引起激烈的討論。與 眾多新技術一樣，起初這些討論更多的是側重于面向消費者 的產品，如自動駕駛汽車、無人機遞送包裹或機器人家庭助 手。更廣泛的市場還沒有完全認識到人工智能對企業對企業 (B2B) 和企業運營的影響。

發掘人工智能的價值

人工智能并不是一種技術，理解這一點至關重要。它是一系列技術和構成要素，如自然語言處理、機器學習和深度學 習、神經網絡、虛擬客服、自主系統以及計算機視覺等。要 了解人工智能所囊括的多種構成要素。

像對待其他新興技術一樣，許多企業對于人工智能也采用淺 嘗輒止的方法，主要開展試點項目和概念驗證 (PoC)。它們 將人工智能應用于企業邊緣領域，零敲碎打地實施一些看似 讓人興奮但卻孤立的用例，如提高機器人流程自動化 (RPA) 或聊天機器人等會話服務的智能程度。

成功走上人工智能之路勿忘初心

在執行數字化轉型的每時每刻，別忘了自己的初衷和目標。要通過數字化轉型改進業務運營，需要一種企業范圍的 方法。無論是自上而下還是自下而上，甚至是在任務層面，所有的 工作都需要有相同的關注點和方法。這就要求最高管理層確 立業務成果目標與框架，以及協調業務和職能專家，幫助定 義戰略重點，實現愿景。

沒有數據，就沒有人工智能

每個企業都具備一些高質量、結構化、易于使用的數據。企 業可以運用各種來源的許可材料及公開可用的信息補充相關數據。綜合運用內部數據和外 部數據實現基于數據的決策和認知學習。 從廣泛運用各種可用數據源入手，快速取得成功，與此同 時，制定更為清晰的總體數據戰略。始終以想要創造的價值為抓手，然后研究如何實現目標。

加速器、適配器、插件和微服務等各種工具可以幫助將數據轉換成可針對人工智能進行優化的格式。對于大多數企業而 言，時間就是金錢；因此，通過各種加速器訪問和優化當前 的數據存儲有助于更快地實現價值，同時解決更大的數據管 理結構問題。

將數據作為交付戰略的基石。交付服務的制勝法寶在于自動 化、分析技術和數據的融合，尤其是將最少的算法訓練與迭代式數據輸入相結合。