6个案例故事一窥人工智能和机器学习带来的巨变

至顶网CIO与应用频道 02月01日 编译：现在没有什么比人工智能（AI）和机器学习（ML）更热的技术了。领先的企业组织已经在利用这种模仿人类精神行为的技术来吸引客户、促进业务运作。Gartner的数据显示，未来几年这一趋势将进一步加速，到2020年人工智能和机器学习将成为超过30％的首席信息官的五大投资重点之一。

人们对人工智能和机器学习将取代工作的最初恐惧感似乎正在消失，普华永道调查的企业高管中有超过67％的人表示，人工智能将帮助人类和机器更好地协作。一些CIO们已经意识到有机会运用于他们的业务，并且正在试验、建立甚至专利开发新的人工智能和机器学习技术，这些IT领袖们与我们分享了他们的机器学习使用案例。

人工智能帮助强化证券研究

Putnam Investments是一家共同基金、401（k）计划、IRA和其他退休计划的提供商，该公司首席信息官Sumedh Mehta认为，人工智能和机器学习是帮助这家金融服务公司研究分析师提高股票覆盖率的关键。

分析师们与Putnam的数据科学家密切合作，撰写了一篇关于从大量数据中获得洞察的论文，Mehta说。Putnam也在研究一套推荐最重要销售前景的算法。

Mehta在谈到人工智能和机器学习的时候表示：“这是一个巨大的具有颠覆性和变革性的力量，整个业务驱动因素就是效率和生产力。”

Mehta依赖软件工程师、数据科学家、分析和供应商各方的帮助，创建了一个卓越的数据科学中心，这个中心对于支持业务利益相关者的人工智能和机器学习工作来说基本上是从零开始。他说他的“开明的”商业伙伴已经采取了这些方法来实现更好的自动化。

人工智能和机器学习是Putnam广泛的数字化转型的一部分，这一转型需要IT基础设施与云计算现代化结合，创建一个单一平台来统一运行业务。

主要建议：企业组织应该花一定的时间，设置适当的期望值，并且认识到，最开始的少数几个想法将会带来新的问题而不是答案。Mehta说：“就人工智能而言，没有什么比现在更好的时机了。突然间你的算法生成了你并不知道的洞察力，事实并不是如此。”

人工智能帮助金融公司减税

Intuit在10月份开始加速推进人工智能和机器学习，因为这家金融软件提供商迎来了一位首席数据科学家——Ashok Srivastava。

Srivastava构建了Verizon大数据平台之后，加入Intuit公司。Srivastava表示，Intuit正在使用AWS来帮助其QuickBooks Assistant聊天机器人更好地理解和处理自然语言。现在他们越来越关注的领域，是通过数百个通知Quickbooks的分类来引导用户。

Srivastava补充道：“我们正在处理来自QuickBooks的超过10亿笔交易，我们能够以高精度进行分类。”

该公司的TurboTax使用人工智能来帮助用户获得最高的退税，引导他们逐项完成抵税过程，潜在地为用户节省高达40％的报税时间和用在搜索文档上的精力。

Srivastava说，Intuit正在使用AWS的机器学习和云技术更快速地进行扩展。

主要建议：开发良好的算法需要吸引合适的工程人才来解决实际的业务挑战。曾在美国宇航局艾姆斯研究中心工作的Srivastava目前正在招聘能够使用机器学习和人工智能技术来实现公司目标的工程师。

历史数据预测未来表现

旨在提高广域网性能的软件供应商Riverbed Technology公司的首席信息官Rich Hillebrecht面临着独特的挑战。Hillebrecht表示，他正在测试如何使用机器学习从公司供应链的多个来源获取数据，以推动获得更好的业务洞察力。

Hillebrecht表示：“我们希望运用机器学习技术来处理更多的数据。”

例如，Riverbed可能会将订单管理和其他ERP数据与关于天气和其他因素的历史数据结合起来，找到可以预测未来业绩的模式。Hillebrecht说：“我们希望在下游风险方面更具有预测性，包括能力和向客户下单的能力。”

Riverbed的其他使用案例包括使用机器学习自动调整性能配置并发现网络安全威胁。 Hillebrecht预计未来将创建一个数据湖，从中可以获得业务洞察力。

主要建议：针对人工智能和机器学习制定合理的战略，需要谨慎而为。Hillebrecht表示，他正在仔细评估各种工具和技术，包括IBM Watson。

让银行更好地洞察客户

像许多大型银行一样，美国银行（U.S. Bank）收集了大量的客户数据。和大多数银行一样，美国银行一直在努力从这些数据中获得可操作的洞察。美国银行首席分析官Bill Hoffman正在努力改变这种状况。在过去的几个月里，他一直使用Salesforce.com的Einstein人工智能/机器学习技术来提高整个银行的小型企业、批发商、商业财富和商业银行业务的个性化。

例如，如果客户在美国银行网站上搜索了关于按揭贷款的信息，则客户服务代理可以在下次访问分行时跟进该客户。这也有助于美国银行发现人类可能看不到的模式。例如，软件可以推荐服务代理在星期四上午10点到下午12点之间致电特定行业的潜在客户。因为他们更有可能接听电话。Einstein还可以在日历上添加一个邀请，以提醒他们在下周四打电话给潜在客户。

这种能力直达许多金融服务机构的核心。全方位培育客户，实时推荐相关服务。Hoffman表示：“我们正在描述发生了什么或者正在发生什么，发展到将要发生什么或者应该会发生什么。核心价值是保持领先一步，预测我们的客户需求和他们想与我们互动的渠道。”

主要建议：对人工智能和机器学习采取一种测试+学习的方法，并保持耐心。但也准备好扩展到目前所在领域之外的东西。Hoffman说：“始终以顾客为中心。要问一个问题：这将如何使客户受益？”

机器学习消除了“苦力活”，使工作更有成效

万事达（Mastercard）运营和技术总裁Ed McLaughlin说，机器学习“渗透到我们所做的方方面面”。万事达使用机器学习来自动化那些重复性的、手动的任务，从而让人类解放出来，从事增加生产力和价值的工作。McLaughlin说：“很明显，我们已经走在了最前沿，有使工作场任务自动化的明确投资案例。”

万事达也使用机器学习工具在整个产品和服务生态中增强变更管理。例如，机器学习工具可帮助确定哪些更改是最无风险的，哪些需要额外审查的。最后，万事达正在使用机器学习来检测其系统中的异常情况，看是否有黑客试图获得访问权限。McLaughlin还在网络中建立了“安全网”；当发现可疑的行为时，就会触发保护网络的断路器。他说：“我们拥有欺诈评分系统，不断地对交易进行更新并对下一笔交易进行评分。”

主要建议：就McLaughlin而言，人工智能/机器学习只是自己广泛工具包中的一个工具。尽管市场上有很多新颖的工具，但他表示CIO们不应该期望依靠这些工具就神奇地解决业务问题。

人工智能成为产品和业务的使能者

软件提供商Adobe Systems公司的首席信息官Cynthia Stoddard正在利用“数据驱动的运营模式”重新构思自己的部门，依靠基于Hadoop的分析来更好地运营IT和业务。作为数据驱动策略的一部分，Stoddard表示，她正在尝试使用机器学习来帮助分析帮助台软件中的故障单，以查找系统故障的趋势。如果系统发现可能发生停机的事件，那么系统就会主动消除或减轻这些事件，直至触发故障。

她说，识别IT服务故障中的模式也将使Adobe能够创造一些“自我修复”功能，以承担一部分IT员工当前所做的工作。她还在研究聊天机器人技术，以实现员工的IT支持请求。 Adobe的商用业务也在拥抱人工智能。2016年11月，Adobe推出了Sensei，这是一种人工智能技术层，用于Adobe的产品中，可创建和发布文档，分析和跟踪Web和移动应用的性能。

主要建议：使用机器学习来识别模式，这是创建自我修复功能的关键。Stoddard表示：“如果你知道如何修复它，你可以把自我修复的部件放在里面，把人的因素排除在外。”