在20世纪90年代末，一个万维网技术会议的观察员报告说，几年前，大多数建议已经浮动，在AI标记下，现在被回收 - 良好的技术寻找真正的商业问题来解决。
AI的最大敌人可能是它的支持者所做的承诺 - 雄心勃勃的企业家寻找风险资本或学者，低估了满足商业用户的需求的挑战。赢咖4听起来像是一个很好的方法来自动化一切从黑客到跟踪钱轨迹，但我们还有很长的路要走Stanley Kubrick的HAL或史蒂文Spielberg的AI。
然而，AI开发社区已经产生了开始显示对真实业务应用的希望的技术。像任何信息系统一样，AI系统只有当它们能够更有效或更准确地执行必要的任务或利用迄今尚未开发的机会时，才对企业感兴趣。使得AI更有可能成功的事实是，底层的基于Web的基础架构创建了前所未有的范围，用于收集大量信息并用于自动化业务功能。
以下展示介绍三种类型的AI，以及每种的真实业务应用。在任何情况下，所涉及的公司都获得了实际的经济利益。
在动态环境中使用复杂数据
所有AI系统都有一些特点：它们设计为使用大型，复杂或两者的数据集;搜索并查找相关数据;并寻找模式。 AI系统对于处理任何动态环境是有用的，在这些动态环境中，AI系统必须根据输入在多个可能的答案中做出智能选择。他们还使用样本来形成关于整个数据集的概括，并且在某些情况下，做出或帮助做出明智的决定。潜在地，他们甚至可以执行任务。这些系统可以分为三种类型。
数值分析系统在大数值数据集中找到模式和规则。它们对于需要大量数字处理以区分不同项目集的问题（例如检测到欺诈）最有用。
基于规则的决策系统使用具有或不具有数字数据的预定规则或逻辑来做出决定和确定结果。它们对于自动化工作流程很有用。
自动执行系统（也称为代理或赢咖4），连续运行，监视信息，当它到达 - 通常从几个分布式站点 - 并执行特定的任务，以回应他们发现。这些系统通过使用通过Internet共享的数据在组织间自动执行任务最为有用，尤其是当底层数据根据主流标准（如可扩展标记语言（XML））进行结构化时。
数值分析系统
信用卡业务中最大的风险是违约。 Capital One Financial使用AI工具来识别具有不同风险特征的潜在客户;然后定制其产品并调整其利率以匹配风险。这种基于信息的战略有助于公司处理大约5倍的数据作为典型的竞争对手，创造两倍或三倍的产品供应，比他们做，并注销只有60％至75％的债务行业平均水平。
虽然这一战略是Capital One更广泛的竞争方法的基石，但其他公司已经在基于AI的工具上进行了更小，更有针对性的投资，以实现类似的效率。例如，发现金融服务和第一数据都使用基于AI数字分析的欺诈检测系统。
自主执行系统
基于XML的机器可读互联网内容的发展已经产生了代理或bot技术的使用，使得可以以前所未有的程度提高公司的信息交换能力。在其他可能性中，这种发展意味着企业可以自动与价值链上下的合作伙伴进行互动。
Arrow Electronics是一家价值100亿美元的组件分销商，使用基于代理的技术，利用RosettaNet数据交换标准为电子元件行业。该公司的系统能够满足来自20万客户的订单和来自600家供应商的组件可用性的数据，每天处理一千万次交易，每月新增75,000个新零件，并通知相关供应商关于订单和客户的可用性和装运零件。结果：Arrow的订单时间减少了50％到75％。
何时使用赢咖4
虽然AI的这些应用是有希望的，但该技术不适合所有的信息问题。首先，对于一些复杂的问题来说，这是简单的问题，而且还不够复杂。第二，由于许多AI解决方案通过尝试和错误提高性能，AI不是关键任务挑战的不错选择。考虑这个三步过程，如果你决定AI是否适合您的企业。
您公司的业务流程和技术是否已经充分标准化，以便应用AI？一般来说，基于AI的工具在业务流程和决策逻辑是一致的并且可以被编码时是最有效的;此外，技术基础设施必须及时和准确地捕获AI系统所需的数据。尽管如此，即使没有标准化流程和技术基础设施的组织也可以将基于AI的工具应用于孤立的问题。
你的业务的哪些部分最适合AI？企业应该识别复杂，重复，基于信息的活动，而不是任务关键。在这些领域，基本AI技术通常可以与现有方法并行发布，然后迭代改进，并允许接管越来越多的总活动。
您的公司应如何实施AI解决方案？ AI工具的商业市场在过去几年中已经显着成熟，因此企业通常可以找到现成的软件作为实施的基础。然而，大多数公司仍然必须对如何将软件嵌入到现有平台和业务流程中做出重要决定，同样重要的是，如何确保他们具有管理和改进AI系统的能力所需的技能基础。虽然与Capital One不同，大多数AI用户不需要处于前沿，但他们必须有业务和IT人员了解技术如何工作，从而防止系统成为“黑盒子”。
