人工智能（AI）和機器學(xué)習(xí)（ML）（人們曾認為這兩者是公司不切實際的項目）正在成為主流。

有越來越多的企業(yè)正在利用這種模仿人類思維的技術(shù)來吸引客戶并加強業(yè)務(wù)運營。而這種趨勢只會越來越受歡迎。Forrester的研究稱，全球數(shù)據(jù)和分析技術(shù)決策者中有53％的人正在實施實施人工智能或大規(guī)模使用人工智能，另有20％的人計劃在未來12個月內(nèi)實施人工智能。

無論是好是壞，通過人工智能、機器學(xué)習(xí)和機器人所實現(xiàn)的自動化正在興起。正在試驗、創(chuàng)建、甚至是申請新人工智能和機器學(xué)習(xí)技術(shù)專利的首席信息官們與記者分享了機器學(xué)習(xí)用例和一些實用建議。

“數(shù)字預(yù)言者”軟件可以預(yù)測哪些職責(zé)將變得無足重輕

人們最初十分擔(dān)憂機器人會搶他們的飯碗，但這種擔(dān)憂漸漸緩和了，因為機器可以和人類協(xié)作，這種可能性極高。埃森哲的首席技術(shù)官兼首席創(chuàng)新官Paul Daugherty今年早些時候在福布斯首席信息官峰會上表示，就重塑員工技能（而這些員工的工作很可能被自動化）而言，企業(yè)已經(jīng)落后了。

埃森哲也難免受到影響，這家咨詢公司已經(jīng)將大約23，000個職務(wù)自動化并重新對員工進行了部署。 Daugherty希望為這家擁有45萬名員工的咨詢公司重新分配職責(zé)。

Daugherty說：“我們認為，我們要學(xué)習(xí)新技能，因為技能實在是不夠用�！�

為了幫員工開展這項事業(yè)，埃森哲創(chuàng)建了一個應(yīng)用程序，該應(yīng)用程序使用機器學(xué)習(xí)對簡歷進行掃描并對這樣的現(xiàn)象進行預(yù)測——員工的工作過多久會落伍，Daugherty這樣說道。

該應(yīng)用程序會考慮員工的工作經(jīng)驗，并為此打出風(fēng)險分數(shù)——他們的職務(wù)在多大程度上已經(jīng)落伍。例如，該應(yīng)用程序?qū)⒆⒁獾�，由于人工智能或其它自動化事物的出現(xiàn)，員工的技能將在18個月內(nèi)過時。

Daugherty說，該應(yīng)用程序不僅僅是一個數(shù)字預(yù)言家，它還考慮了員工的集體工作經(jīng)驗，并對相近的技能提出建議，從而使公司的員工能跟上節(jié)奏并與時俱進。

重要建議：首席信息官必須為企業(yè)的人工智能戰(zhàn)略挑起重擔(dān)，并與業(yè)務(wù)部門的主要利益相關(guān)方合作，從而確他們能達成共識并且業(yè)務(wù)不會中斷。首席信息官還必須快速發(fā)現(xiàn)并消除人工智能算法中的偏差，這些偏差會隨著解決方案的擴展而激增。Daugherty說：“稱職的人工智能必須融入組織�！�

信用報告公司構(gòu)建機器學(xué)習(xí)分析引擎

在信用卡報告巨頭Experian那里，數(shù)字化轉(zhuǎn)型為徹底利用機器學(xué)習(xí)功能的新戰(zhàn)略產(chǎn)品鋪平了道路：Ascend Analytics On Demand（這是一個自助式分析平臺）使公司能夠建立預(yù)測模型，以確定關(guān)鍵因素，如 2．2億消費者是否有資格獲得他們所要求的信貸額度。

Experian的消費者信息服務(wù)總裁Alex Lintner表示，客戶可以在幾分鐘內(nèi)對所有數(shù)據(jù)展開復(fù)雜的分析，而目前這一過程需要幾周時間。理想情況下，該工具將使消費者能夠在需要時獲得信貸資格。

Gartner表示，由于人工智能技術(shù)幾乎在所有新的軟件產(chǎn)品和服務(wù)中漸漸得到普及，Ascend也隨之誕生。

Experian Global的首席信息官Barry Libenson（他負責(zé)監(jiān)督該平臺的建設(shè)，該平臺使用Hadoop和其它分析工具）說：“客戶希望能夠?qū)崟r查看大量信息，由我們指定規(guī)則的時代已經(jīng)一去不返。當客戶想要信息時，他們想實時地得到信息，以他們想要的方式進行�！�

重要建議：你無法在遺留軟件上構(gòu)建新的分析平臺并指望它們能夠很好地運行。為了支持Ascend，Experian采用了混合云的方法并對開源工具進行了投資，包括容器、API引擎和微服務(wù)。Experian還對構(gòu)建和使用軟件的方式進行了標準化，全球員工和客戶都可以重用其應(yīng)用程序和代碼。

信用卡公司用機器學(xué)習(xí)打擊欺詐

與信用監(jiān)控公司一樣，信用卡公司也在打擊欺詐者。

萬事達卡的技術(shù)與運營總裁Ed McLaughlin表示，當很多專家都譴責(zé)數(shù)字化是網(wǎng)絡(luò)隱私和安全方面的禍根時，機器學(xué)習(xí)和人工智能工具卻可以使這些服務(wù)比塑料信用卡要安全得多。

萬事達卡使用多層機器學(xué)習(xí)和人工智能工具清除惡意用戶，并防止他們造成嚴重損害。 McLaughlin表示，萬事達卡的保護措施的核心是一個內(nèi)存數(shù)據(jù)庫系統(tǒng)，自2016年以來，該系統(tǒng)使萬事達卡避免了約10億美元的欺詐損失。該軟件使用200多個屬性向量來設(shè)法預(yù)測和阻止欺詐。

這個核心處理系統(tǒng)（它與標記化、生物識別技術(shù)、深度學(xué)習(xí)和其它新奇方法相結(jié)合在一起）幫萬事達卡保住了聲譽，即促進了價值數(shù)十億美元的安全交易。

重要建議：就網(wǎng)絡(luò)安全而言，人類是最薄弱的環(huán)節(jié)。McLaughlin說：“盡可能地將人排除出去，這才是最重要的”，他補充說，機器學(xué)習(xí)、人工智能以及自然語言處理軟件都是萬事達卡工具包中的關(guān)鍵組件。

賽車公司利用機器學(xué)習(xí)分析來獲得和賽車有關(guān)的洞察

Mercedes－AMG Petronas Motorsport正在使用機器學(xué)習(xí)功能將賽車的性能可視化。

該公司的IT負責(zé)人Matt Harris表示，為了做出關(guān)鍵決策，公司在其一級方程式賽車上對多個數(shù)據(jù)通道進行收集，有時每秒多達10，000個數(shù)據(jù)點。

Mercedes－AMG Petronas使用Tibco軟件將可能產(chǎn)生影響的變量可視化，如天氣、輪胎溫度和燃料量對賽車的影響。該軟件還使工程師能夠仔細分析賽車齒輪的性能和磨損等細節(jié)。賽車手通常每圈要換檔100次，每次換檔時，該軟件會收集大約1，000個數(shù)據(jù)點。

Harris說：“當你將數(shù)據(jù)可視化時，你實際上可以讓變速箱更經(jīng)久耐用，或者更重要的是，以更快的速度換擋。然后你會發(fā)現(xiàn)，如果你將變速箱設(shè)為某個模式，每圈的速度大約會快50毫秒。在資格賽中，哪怕是千分之一秒也足以分出勝負，所以50毫秒很重要。”

Harris說Mercedes－AMG Petronas正在構(gòu)建機器學(xué)習(xí)算法來幫忙“做人類無法做到的事情，或者做代價高得令人卻步的工作”。Harris認為這些功能最終會成為使團隊具備競爭優(yōu)勢的關(guān)鍵因素。

重要建議：為什么要構(gòu)建一些不屬于你核心競爭力的東西？在使用Tibco之前，Mercedes－AMG Petronas使用自行開發(fā)的可視化軟件，事實證明，這種軟件效率太低，時間越久越不易維護。有了Tibco，Mercedes－AMG Petronas可以專注于自身的實力：打造高性能賽車。Harris說：“讓人們發(fā)揮創(chuàng)造力，思考如何解決問題，而不是靠編寫軟件來解決問題，這才是最重要的�！�

機器學(xué)習(xí)預(yù)測員工何時辭職

和大多數(shù)汽車維修公司一樣，Calibre Collison長期以來一直面臨著巨大的問題。機械師、油漆工和客服人員往往入職不久就辭職了，有時，在其600多個分店中每年的員工流失率高達40％。

Calibre發(fā)現(xiàn)，部分問題在于其維修車間有時沒有那么多車輛供員工修理，這導(dǎo)致工資不固定。首席信息官Ashley Denison想知道：如果Calibre可以預(yù)測員工何時辭職并進行干預(yù)又會怎么樣？

Caliber開始與技術(shù)顧問Sparkhound合作，后者創(chuàng)建的軟件可以從Calibre所使用的人力資源軟件Workday中提取員工數(shù)據(jù)，并與Microsoft PowerBI結(jié)合起來，從而創(chuàng)建一個定制的回歸模型，這個模型可以預(yù)測員工是否會考慮離職。然后，Calibre（通過數(shù)字調(diào)查或個人聯(lián)系方式）會向員工提供幫助，幫他們登記在冊。

例如，如果員工的工資在幾周后下降，Calibre的區(qū)域經(jīng)理可以確保有更多的車輛可供他們修理。相反，如果員工的工作負擔(dān)看似過重，公司就可以將一些工作重新分配給他們的同事。那么結(jié)果如何呢？由于人員流失率降低了，Calibre每年可節(jié)省的費用高達100萬美元。

重要建議：在人們過度炒作機器學(xué)習(xí)算法時，通過防范問題的做法來節(jié)省資金是使用機器學(xué)習(xí)算法的可行方法，Dennison說：“一旦員工入職，我們就可以輕松地留住他們�！�

機器學(xué)習(xí)有助于預(yù)測性維護

機器學(xué)習(xí)是雷諾士國際有限公司（Lennox International）的數(shù)字戰(zhàn)略的核心組成部分，該公司使用Databricks提供的軟件Spark來分析商用供暖系統(tǒng)和空調(diào)系統(tǒng)的信息流，雷諾士的IT主管Sunil Bondalapati這樣說道。實時地監(jiān)控機器的性能有助于公司預(yù)測機器何時出現(xiàn)故障，使雷諾士能夠提前四小時通知客戶（如房主和購物飲食街的管理者）。

Bondalapati說：“Databricks使我們能夠使用數(shù)據(jù)，并在設(shè)備即將發(fā)生故障時以90％的準確率作出預(yù)測”。他還補充說，雷諾士之前能猜到機器何時會出現(xiàn)故障并聯(lián)系經(jīng)銷商。此類事件通常包括誤報，而這使各方都感到沮喪。我們過去一直在努力預(yù)測設(shè)備故障�！�

在使用Databricks的過程中會遇到有很多分析工具，每個工具都用于解決單一用例，例如供應(yīng)鏈或物聯(lián)網(wǎng)（IoT）。但Bondalapati表示，Databricks提供了一個統(tǒng)一的平臺，公司可以在該平臺上管理來自數(shù)百個數(shù)據(jù)庫的數(shù)百TB數(shù)據(jù)，并且它可以在Microsoft Azure上運行，因此雷諾士無需維護系統(tǒng)。

有了Databricks，Bondalapati的團隊和業(yè)務(wù)部門就可以共同為數(shù)據(jù)流建立模型�；�于Spark的軟件可以為IT和業(yè)務(wù)人員轉(zhuǎn)換數(shù)據(jù)并提供洞察。Bondalapati說道：“Databricks提供的協(xié)作模式對我們來說至關(guān)重要�！�

重要建議：Bondalapti表示，首席信息官必須讓這些新工具發(fā)揮看家本領(lǐng)，當風(fēng)險巨大時，尤其要這么做。例如，Bondalapati對包含100億條數(shù)據(jù)記錄的概念驗證進行了監(jiān)督。Bondalapati說：“我們試探性地做這樣的事情，但結(jié)果卻令人大開眼界�！�