【AI星球（微信ID：ai_xingqiu）】8月22日报道（编译：福尔摩望）
编者注：本文作者Daniel Faggella，TechEmergence创始人兼CEO，TechEmergence是一个专注于挖掘研究人工智能创企及应用的科技平台。
在任何行业、技术和应用领域，变化往往都是一些先驱者推动的。我们进行了17次访谈，目的是为了仔细考察各行业和部门采用人工智能的情况。
我们设置了一些有关AI价值的重要问题，即：
1.人工智能是如何被跨行业采用的？
2.是什么推动了采用进程？
3.不同行业采用的时间表？
为了帮助读者找到他们正在寻找的内容，我们将这篇文章分为三个主要部分，每个部分对应解决一个上述问题。在下面的文章中，我们列出了采访中的主要发现，以及来自AI高管和研究人员的原话引用。整篇文章完全围绕着受访者的见解。
跨行业的普遍采用趋势
在我们访问的公司中，无论规模、应用领域和预算如何，有一点是共同的，那就是存在着普遍的采用趋势。这些趋势不会因为行业、技术类型或业务功能的差别而存在不同。
相反，这些趋势就是人工智能采用的一般过程。
1-低估所需的资源和人员
在2016年10月的一项有关机器学习误解的研究中，30名人工智能研究者被问及“高管和商人对机器学习应用的最大误解是什么”，其中30%的受访者认为最大的误解是低估了所需的资源和人员。Securinox首席科学家Igor Baikalov首次提出了这一观点，他认为：“每个人都想从事这一行业...因为这个领域存在着严重的人才短缺，试图填补人才缺口是有点困难的。”
2-需要合适的数据
AI高管和研究人员之间的另一个共鸣是在数量和质量上都明确需要合适的数据。这一观点被多次的提及：
- “这个领域最重要的就是访问敏感数据。你需要大量的数据才能继续运行下去，这是非常令人沮丧的事情。”——Everseen创始人兼CEO Alan O'Herlihy
- “我们可以让机器学习来完成这项工作。我所了解到的是，这些技术只能运行在需要大数据集训练的大型环境中。”——Darktrace CEO Nicole Eagan
- “大多数财富500强企业都在某种程度上采用了机器学习。我认为，在未来的2-3年这一趋势将会扩展到至少1000家公司。这项应用最终将会进入到中小企业中，但是要想让技术成熟到有足够的数据产生足够的价值还是需要一段时间的。这就是困难所在。”——Humanyze总裁兼CTO Ben Waber
- “更广泛地说，我们看到一些以数据为导向的技术公司，或者那些创立于大数据时代的企业，已经开始采用真正成熟的技术、模型和大数据方法。”——SigOpt联合创始人兼CEO Scott Clark
3-具体问题解决和定制解决方案
业务解决方案通常旨在找到一个棘手问题的解决方案。这些问题因行业而异，但其投资回报率的预期结果是相同的。人工智能有时被错误的认为是“即插即用”或者“黑箱”的解决方案，但事实上并非如此。
- “人们把AI看作是一种另类，有时候这样的看法会导致对AI解决方案的错误理解。”——Albert创始人兼CEO Or Shani
- “业内人士明白行业内存在难以解决的问题，他们可能需要人工智能的帮助。低利润率意味着自动化过程的重要性。”——Aria Networks CTO Jay Perrett
- “为了解决全部问题，你需要授予全部的自主权。你需要最终0.01%的案例。”——Cortica CEO Igal Raichelgauz
- “我们建立的是一个使用不同数据来源解决具体问题的智能系统。”——Humanyze总裁兼CTO Ben Waber
技术买家的想法？
人工智能有望改变技术购买流程，创造更复杂的购买流程和销售环境。以下是受访的AI高管对趋势的见解。
1-渴望效率
提高效率一直是一个企业获得成功不可或缺的战略之一。根据受访专家，AI与效率密切相关。
- “效率真的很重要，特别是在AI和深度学习领域，因为随着人们开始收集更多的数据并使用更加复杂和成熟的工具，工作过程变得更加耗时和昂贵。”——SigOpt联合创始人兼CEO Scott Clark
- “自动化通常是效率的代名词。虽然自动化思想解决了一系列问题，但是各行业仍然存在着很多困难。”——Rage Frameworks Inc高级副总裁Joy Dasgupta
2-从众效应
从众效应是一种心理现象，指的是无关信仰，人们会因为别人在做某件事而去跟随。AI也在数字领域内创造出了一种从众效应。
- “这显然是一个巨大的从众效应，人们不断寻找着下一代的效率技术。”——Rage Frameworks Inc高级副总裁Joy Dasgupta
3-透明度和易用性
在数字时代，易用性和技术是一种相辅相成的关系。无论是滑动、语音命令还是快速易用的界面，都是最近几年成功的技术创新。
这个观点得到了ExClone创始人Riza Berkan的认同，他认为：“一些公司所采用的任何会话式AI都取决于部署的易用性和透明度。没有这两样，这些工具就很难发展下去。”
4-采用中的挑战
当涉及到技术买家的观点时，怀疑论无疑会成为话题的焦点。根据我们对一些高管的采访，似乎很多企业都能够坦然接受“跳槽”这件事。
- “在我看来，目前只有早期采用者在使用AI。大多数行业还没有开始行动。技术程度高和年轻的创企在采用AI方面要更快一些。”——Optimove首席数据科学家Yohai Sabag
- “采用是最大的挑战。即使有一个疯狂的投资回报率，你仍然需要处理组织结构、预算等问题。”——Everseen创始人兼CEO Alan O'Herlihy
跨行业的采用时间表
人工智能的采用趋势取决于多种因素，包括预算、数据敏感性和业务类型。下面的见解是针对其特定行业或业务的，并不一定反映出AI的普遍采用状态。
精明的读者应该注意到了，这些AI高管对AI在其行业的应用可能性是十分乐观的，原因在于他们的销售目标是确定的，其次他们也需要在获得真正市场前对技术保持热情。
1-蓄势待发的行业
虽然一些行业在采用人工智能技术方面似乎较慢，但是有一些行业无论在选择还是市场力量上更加接近于广泛采用。
- “我认为在未来2年内，50%的上市公司会部署一种人工智能应用形式，无论是现有系统还是专用系统。”——Seal Software Group创始人兼CTO Kevin Gidney
- “消费者能够更加接受被机器过滤过的数据，我们现在也正在利用这一趋势。”——Sapho创始人兼CTO Peter Yared
2-金融和银行业是人工智能采用的先驱者
金融、银行和保险业被认为在AI采用上已经逐渐成熟。这也许是因为金融对数据的依赖程度较高，或者是存储数据的价值性较高。
- “从行业的角度来看，银行业吸引了大量资金，它们也是进步最大的行业，从我们的角度来看，也是最具竞争力的。”——Rage Frameworks Inc高级副总裁Joy Dasgupta
- “我认为金融服务业对AI是非常渴望的，因为他们的模型往往是与货币直接挂钩的。”——SigOpt联合创始人兼CEO Scott Clark
总结
虽然AI采用时间表在不同行业有所不同，但是短期内具有以下4个特征的公司很有可能在AI采用方面取得最佳成效：
1.新兴技术项目的大量预算可能不会产生即时的投资回报率。对于大多数人工智能用例，大型企业通常会通过试错法来精选出真正有价值的应用。所以小型公司往往会跟随财富500强公司的步伐，直接去做具有价值的部分。虽然也有一些资金充足、AI人才充足的小公司打造出具有价值的应用，但是往往只有大型公司才能经受市场的检验。
2.用于训练AI系统的大量有组织数据。那些接触数据长达数十年的行业可能会更容易采用AI。拥有数据基础设施和管理基础设施的人才的公司将会很有可能在近期采用AI。
3.拥有数据科学家和AI专家。没有AI人才的公司是非常没有优势的，如果他们认为外部供应商会转变其核心流程和经营方式，那就未免太过于一厢情愿。重大的改变必须来自于内部。
4.获得人才的能力。这包括公司支付最高工资的能力，以及是否具有吸引人才的品牌。处在前沿或者拥有高利润率的公司将会拥有一定的优势。
也许一些小公司会继续推出创新解决方案，但是我们相信大部分解决方案都需要经历大量的试点和测试才能进入中端市场，而这些测试和试点往往需要大公司的支持才可以实现。
