組織決定是否購買現成的或自己構建基于人工智能的業(yè)務解決方案，是一個基于現有人才、業(yè)務需求、期望結果、舒適度以及快速發(fā)展的市場的復雜方程式。
人工智能正在迅速成為組織開展的當務之急。無論是提高效率，尋找新的商業(yè)機會，還是與時俱進，或者在競爭中取得領先，各行業(yè)的組織都在探索人工智能的商業(yè)利益，僅在過去一年，人工智能的采用率就增加了三倍。
對于一些組織來說，這意味著從頭開始構建人工智能系統(tǒng)。但調研機構Gartner公司表示，招募合適的人才既困難又昂貴，而85％的人工智能項目很有可能失敗。即使構建的項目成功，供應商也可能很快就會以更低的成本提供更好的產品，并定期升級，更多集成，以及提供更直觀的用戶界面?；蛘?，當組織正在開發(fā)的人工智能新功能作為一個免費功能或升級到已經使用的平臺時，其自己構建的人工智能資產可能會變得多余。
另一方面，使用商業(yè)化的人工智能產品可以快速嘗試許多不同人工智能技術，并且投資更少。IBM公司數據和Watson AI總經理Rob Thomas表示，要想在人工智能領域取得成功，數量至關重要。
Thomas 說，“我鼓勵客戶采用100個人工智能試點項目，而不是一兩個。哪怕這些項目中有一半毫無作用，但另一半項目可能真的有所回報?！?/p>
他表示，市場上已經有了一些輕量級的商業(yè)工具，而且只需要幾個星期的實施。此外，嵌入式人工智能的想法（例如人工智能內置到其他平臺和系統(tǒng)中）正在興起。
因此，組織決定是否轉向現成的人工智能解決方案或構建自己的解決方案時需要考慮一些相關因素。
確保順利旅行
根據加拿大多倫多機場管理局的統(tǒng)計，加拿大最大、最繁忙的多倫多皮爾遜機場每年發(fā)送將近5000萬旅客。而在機場管理局的49000名工作人員中，只有1600人專注于管理、運營和技術工作。
其中一項工作是售票亭，供乘客快速辦理登機手續(xù)使用。當售票亭發(fā)生故障或打印機票的紙張耗盡時，就會發(fā)送警報。然而，從收到警報到重新啟動并再次運行的時間平均需要1小時12分鐘。
該機場管理局信息服務交付副主任John Thompson說，這是一個問題。而知道機器何時發(fā)生故障或紙張或墨水用完，并不是可以通過簡單的計算而得知。有些售票機比其他機器更繁忙，或者在一天中的不同時間得到不同程度的使用。因此，機場決定尋找智能分析的解決方案。
他說，“通過預測分析，我們知道售票機什么時候會用完紙張，所以我們可以更快地處理?！?/p>
但他表示，“機場沒有足夠的資源從零開始開發(fā)自己的工具，因為我們決定不再自己構建任何東西。”
去年，該機場啟用了基于Symphony Summitai云計算技術的內部IT支持購票系統(tǒng)，這需要幾個月的時間來實現和配置機場的工作流程。
Thompson說，從一個小項目開始證明實施人工智能的一個好方法。
他說，“如果試圖快速實施人工智能，那么通常不會很好地運作，因此需要每次只能完成技術的一個方面。因為欲速而不達。”
現成人工智能的興起
Gartner公司分析師Svetlana Sicular表示，“多倫多機場管理局的經驗和教訓代表了大多數公司進入人工智能的行為，因為很多公司選擇購買而不是構建。很明顯，自己構建是行不通的。很難找到合適的人才，并且耗費資源和成本。”
與此同時，越來越多的平臺供應商將人工智能嵌入到他們的系統(tǒng)中，使這項技術一鍵可用。此外，將人工智能工具構建到其平臺中的供應商已經可以訪問非常大的、組織良好的培訓數據池。
例如，Salesforce有大量的標記和分類信息，它可以分析趨勢和模式，然后為客戶提供最常見或最需要的分析。供應商也從規(guī)模經濟中受益。他們可以雇傭專業(yè)的人才來開發(fā)和改進自己的人工智能模型。
Sicular說“但真正關鍵的是數據?！?/p>
她說，“從長遠來看，數據是企業(yè)機器學習的最主要的組成部門。這就是像谷歌這樣的公司如此成功的原因。他們了解如何獲取機器學習數據以及如何進行解析?！?/p>
相比之下，一些公司僅限于他們自己收集的數據，或者可以購買的培訓數據集。
商業(yè)的人工智能工具還提供其他優(yōu)勢，總部位于舊金山的風險投資商General Catalyst Partners公司的常務董事，VMware前首席技術官Steve Herrod指出，與那些可以使用本土系統(tǒng)的員工相比，更容易找到熟悉商業(yè)工具的員工。此外，供應商還在其平臺上提供免費或低成本培訓。
他說，“最好是在現貨供應充足的情況下使用現成的產品。隨著時間的推移，我們將擁有越來越多現成的人工智能軟件，將構建滿足自己需求的更小、更為利基的空間?！?/p> 12下一頁>
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
