傳統企業想與AI接軌？一定要掌握這三步業務戰略

人工智慧的到來早已不再是個問題。人工智慧就在我們周圍，比如自動駕駛汽車、智能手機、飛機等等。如果在這些方面還不夠明顯的話，至少在在線搜索、語音和翻譯以及圖像識別等領域，顯而易見。

如今，關於AI的問題已經變成：AI如何才能廣泛地應用於工業和社會，以及如何應用。很多公司，包括谷歌，微軟和亞馬遜，已經開始提供AI工具，比如Google Cloud，作為在線雲計算服務進行銷售。除此之外，還有大量其他的AI產品可供企業使用，比如IBM的Waston，或者來自其他新興供應商的軟體。

不管生意人閱讀到什麼樣的AI炒作新聞，有一件事是肯定的——所有這些新聞都在提醒人們注意AI的根本重要性。這絕非易事，因為AI既陌生又熟悉。大家都知道，這些演算法和計算始終致力於挖掘新的模式。而大家所不知道的是，今天的AI到底是如何工作的，如何構建模式子程序，其他模式的模式循環，通過大量計算用多個嵌套層來訓練自己。

在技術這樣突飛猛進地情況下，什麼都不做顯然不是個明知的戰略決策。那麼接下來的問題就是：一家和開發AI根本搭不上邊的公司又該如何想方設法使用AI呢？儘管AI應用尚未大肆普及，早期的AI技術採納者的成功實踐已然為我們提供了不少有價值的借鑒：

找到並擁有屬於自己的獨一無二的數據。

系統地審視你的業務，找到數據關聯性市場。

為消費體驗融入AI。

尋找稀有數據

CAMP3是一家只有26人的公司，總部位於喬治亞州的阿爾法利塔。公司為農業部署和管理無線感測器網路，同時以收取傭金的方式銷售谷歌的G Suite電子郵件和協作產品。

創始人兼首席執行官Craig Ganssle是Google Glass的早期用戶。雖然Google Glass作為一款消費者產品並不成功，但是穿戴攝像頭並在現場收集圖像的體驗為Ganssle帶來了靈感——也許農民可以利用AI來及時發現植物病蟲害。

一般來講，AI通過處理分析大量的數據來了解有價值的模式，然後針對尚未處理的相似數據驗證臨時模式。一旦得到驗證，更多數據將用於加強該模式查找方法。

CAMP3的最初挑戰是獲得足夠多的視覺數據來訓練其AI產品。但是，不僅有病害作物和作物蟲害的照片相對稀少，僅有的這些數據還分散在各個機構中，通常標識得也很不清楚。

「找到足夠的北方玉米葉枯病圖像花了我們10個月的時間，」Ganssle說，「大型的農業大學收集了很多了圖像，但是沒人好好整理標記過這些信息。種子輪公司也有圖像數據，但是很少有健康玉米、患早期枯葉病的玉米以及晚期枯葉病玉米的圖像。」

因此，他們從每一家私有企業、教育機構和政府資源中尋找儘可能多的數據集，並親自到田地中拍攝所需的照片。在CAMP3這個例子中，或許訓練數據比收集數據要容易得多。

視覺訓練數據目前屬稀缺商品，是一種防禦性企業資產。他說，針對識別枯葉病、黃瓜霜霉病或甜玉米蟲等的初始識別訓練需要「數萬」的圖像數據。如果有已經經過訓練的系統，那麼再訓練系統識別病蟲害需要的圖像數據就少很多，Ganssle補充說。

CAMP3使用開源AI軟體模型TensorFlow來訓練圖像，利用亞馬遜雲服務和谷歌的計算引擎來支持AI的運算。「現在，我們可以在幾個小時內把這台機器從幼兒園水平提高到博士級別，」Ganssle說。

獲取並正確標記數據的艱難過程，包括為公司和消費者拍攝的照片標記時間和地點信息，為CAMP3提供了關鍵戰略資產。Ganssle認為：「獲得其他人沒有的東西，並有目的地加以組織整理。」

「對於AI，你永遠不知道下一步需要解決的問題是什麼。可以是土壤或改變水需求。當我們審視一個新的問題，或者開始預測建模時，這些數據將會發揮重要的作用。」

發現你的數據關聯性市場

TalkIQ是一家監控銷售和客戶服務電話的公司。它可以將對話變成文本，然後實時掃描這些文本提取關鍵詞並識別模式，以預測公司是否能拿下客戶——新的銷售方式，更加愉快的消費者。

公司創始人、前eBay高管Jack Abraham說：「我一直在想，如果我可以傾聽到公司所有客戶的需求，那我絕對可以成為公司的最強大腦。為什麼有的銷售代表訂單轉換率高達50%，有的卻只有25%不到呢？」

他後來意識到，這些銷售電話的數據既然可以提高ZenReach（Abraham的創業公司之一）的績效，那麼也可以用作新業務的訓練數據集服務於其他公司。於是，有了TalkIQ。數據科學家檢查了公司基於計算機的ZenReach電話系統中保存的近50萬個對話。

和CAMP3一樣，公司遇到的難題之一是正確的匹配信息。在這個案例中，這些經常發生於擁擠辦公室、有時電話信號還很糟糕的對話中時常包含各種標記信息如產品名稱、特點和競爭對手。TalkIQ使用自動語音識別和演算法，結合其他工具，來理解自然語言。

由於產品和人際交互的發展遠快於生物學，因此TalkIQ的訓練語料庫需要不間斷的訓練以準確預測，公司首席執行官Dang O"Connell說道，「每一次預測都依賴於正確的信息。同時，你必須注意『過度訓練』問題，換句話說就是建模過於複雜，使得雜訊對結果的干擾過大。」

作為ZenReach的關聯性公司，TalkIQ還必須針對個人客戶和垂直行業的需求進行調整。公司產品於1月份進入市場。根據Abraham的說法，目前已有27家公司已經購買了該服務。「如果我們沒走錯方向，那麼未來每家公司都會以這樣的方式運行，」他說。

關注消費體驗

去年三月，位於丹佛的公司Blinker在科羅拉多州推出了一款用於買賣汽車的移動應用。消費者被要求拍攝車輛背面的照面，連同拍攝時間、車輛的年份、製造商、車型以及轉售價格一起上傳到應用上。相比之下，這種出售汽車的方式還算簡單。

用於識別車輛的AI更是神奇。事實上，整個過程也用到了TensorFlow，以及谷歌的視覺API，來識別車輛。Blinker與提供機動車車輛數據的第三方合作，一旦識別出車牌，公司可以從文件中提取其他信息。

對於公司一系列的研究開發，Blinker已經申請了專利。不過公司的創始人兼首席執行官認為他的真正優勢仍然是他在汽車經銷領域的44年經驗。

「不管你做什麼，你還是在銷售汽車，」Rod Buscher說，「人們忘卻了汽車銷售的這種感覺，忘卻了購買汽車的痛點，但這些依舊存在。」

他還提到了Beepi，在線銷售汽車的P2P公司。「哪怕融資1.5億美元，擁有前衛的理念和才華橫溢的員工，他們還是輸了。而我們成功的關鍵依然在於：我擁有一個來自汽車銷售業務的專業團隊。」

這意味著要採取通常與在線銷售汽車相關聯的廣告和多點擊流程，並為客戶提供快速響應的行動感。如果某輛車正在銷售中，該車的車牌會被Bliner的標誌遮擋，以保護賣方的隱私。

Blinker希望在未來幾年內能擴張至全國。公司擁有多名AI專家，已經用7萬多張汽車圖像訓練了一個系統。即便如此，仍少不了人類的干涉——這些結果在亞馬遜的Mechanical Turk上進行驗證。

雖然AI的工作仍在繼續中，Buscher花了一年多的時間，引導焦點小組了解工作情況，然後觀察買賣雙方的互動。

「我從來沒涉獵過技術，但現在我正在學習中，」他說，「但是最重要的，你還是得知道什麼是好的客戶體驗，什麼是壞的客戶體驗。」

企業的命運不會由單一的工具決定，即便強大如AI也不能。隨著世界的變化，深刻的真理——圍繞挖掘消費者知識、抓住稀缺商品、尋找有利可圖的關聯性市場——都將變得越來越重要。與以往一樣，技術的成敗在於其使用者懂得如何使用它，知道它的市場在哪裡。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！