有越来越多的企业正在利用这种模仿人类思维的技术来吸引客户并加强业务运营。而这种趋势只会慢慢的受欢迎。Forrester的研究称，全球数据和分析技术决策者中有53%的人正在实施实施

  无论是好是坏，通过人工智能、机器学习和机器人所实现的自动化正在兴起。正在试验、创建、甚至是申请新AI和机器学习技术专利的首席信息官们与记者分享了机器学习用例和一些实用建议。

  人们最初十分担忧机器人会抢他们的饭碗，但这种担忧渐渐缓和了，因为机器可以和人类协作，这种可能性极高。埃森哲的首席技术官兼首席创新官Paul Daugherty今年早些时候在福布斯首席信息官峰会上表示，就重塑员工技能(而这些员工的工作很可能被自动化)而言，企业已经落后了。

  埃森哲也难免受一定的影响，这家咨询公司已将大约23，000个职务自动化并重新对员工做了部署。 Daugherty希望为这家拥有45万名员工的咨询公司重新分配职责。

  Daugherty说：“我们大家都认为，我们要学习新技能，因为技能实在是不够用。”

  为了帮员工开展这项事业，埃森哲创建了一个应用程序，该应用程序使用机器学习对简历进行扫描并对这样的现象进行预测——员工的工作过多久会落伍，Daugherty这样说道。

  该应用程序会考虑员工的工作经验，并为此打出风险分数——他们的职务在多大程度上已经落伍。例如，该应用程序将注意到，由于人工智能或其它自动化事物的出现，员工的技能将在18个月内过时。

  Daugherty说，该应用程序不单单是一个数字预言家，它还考虑了员工的集体工作经验，并对相近的技能提出建议，从而使公司的员工能跟上节奏并与时俱进。

  重要建议：首席信息官必须为企业的人工智能战略挑起重担，并与业务部门的主要利益相关方合作，从而确他们能达成共识并且业务不会中断。首席信息官还必须快速发现并消除AI算法中的偏差，这些偏差会随着解决方案的扩展而激增。Daugherty说：“称职的人工智能必须融入组织。”

  在信用卡报告巨头Experian那里，数字化转型为彻底利用机器学习功能的新战略产品铺平了道路：Ascend Analytics On Demand(这是一个自助式分析平台)使公司能够建立预测模型，以确定重要的条件，如 2.2亿消费者是否有资格获得他们所要求的信贷额度。

  Experian的消费者信息服务总裁Alex Lintner表示，客户能在几分钟内对所有数据展开复杂的分析，而目前这一过程需要几周时间。理想情况下，该工具将使消费的人能够在需要时获得信贷资格。

  Gartner表示，由于人工智能技术几乎在所有新的软件产品和服务中渐渐得到普及，Ascend也随之诞生。

  Experian Global的首席信息官Barry Libenson(他负责监督该平台的建设，该平台使用Hadoop和其它分析工具)说：“客户希望可以实时查看大量信息，由我们指定规则的时代已经一去不返。当客户想要信息时，他们想实时地得到信息，以他们想要的方式来进行。”

  重要建议：你无法在遗留软件上构建新的分析平台并指望它们能够很好地运行。为了支持Ascend，Experian采用了混合云的方法并对开源工具进行了投资，包括容器、API引擎和微服务。Experian还对构建和使用软件的方式来进行了标准化，全球员工和客户都可以重用其应用程序和代码。

  万事达卡的技术与运营总裁Ed McLaughlin表示，当很多专家都谴责数字化是网络隐私和安全方面的祸根时，机器学习和AI工具却可以使这些服务比塑料信用卡要安全得多。

  万事达卡使用多层机器学习和AI工具清除恶意用户，并防止他们导致非常严重损害。 McLaughlin表示，万事达卡的保护的方法的核心是一个内存数据库系统，自2016年以来，该系统使万事达卡避免了约10亿美元的欺诈损失。该软件使用200多个属性向量来设法预测和阻止欺诈。

  这个核心处理系统(它与标记化、生物识别技术、深度学习和其它新奇方法相结合在一起)帮万事达卡保住了声誉，即促进了价值数十亿美元的安全交易。

  重要建议：就网络安全而言，人类是最薄弱的环节。McLaughlin说：“尽可能地将人排除出去，这才是最重要的”，他补充说，机器学习、人工智能以及自然语言处理软件都是万事达卡工具包中的关键组件。

  该公司的IT负责人Matt Harris表示，为做出关键决策，公司在其一级方程式赛车上对多个数据通道进行收集，有时每秒多达10，000个数据点。

  Mercedes-AMG Petronas使用Tibco软件将可能会产生影响的变量可视化，如天气、轮胎温度和燃料量对赛车的影响。该软件还使工程师能够仔细分析赛车齿轮的性能和磨损等细节。赛车手通常每圈要换档100次，每次换档时，该软件会收集大约1，000个数据点。

  Harris说：“当你将数据可视化时，你实际上可以让变速箱更经久耐用，或者更重要的是，以更快的速度换挡。然后你会发现，如果你将变速箱设为某个模式，每圈的速度大约会快50毫秒。在资格赛中，哪怕是千分之一秒也足以分出胜负，所以50毫秒很重要。”

  Harris说Mercedes-AMG Petronas正在构建机器学习算法来帮忙“做人类没办法做到的事情，或者做代价高得令人却步的工作”。Harris认为这些功能最终会成为使团队具备竞争优势的关键因素。

  重要建议：为何需要构建一些不属于你核心竞争力的东西?在使用Tibco之前，Mercedes-AMG Petronas使用自行开发的可视化软件，事实上，这种软件效率太低，时间越久越不易维护。有了Tibco，Mercedes-AMG Petronas能专注于自身的实力：打造高性能赛车。Harris说：“让人们发挥创造力，思考怎么样解决问题，而不是靠编写软件来处理问题，这才是最重要的。”

  和大多数汽车维修公司一样，Calibre Collison长期以来一直面临着巨大的问题。机械师、油漆工和客服人员往往入职不久就辞职了，有时，在其600多个分店中每年的员工流失率高达40%。

  Calibre发现，部分问题在于其维修车间有时没有那么多车辆供员工修理，这导致工资不固定。首席信息官Ashley Denison想知道：如果Calibre可以预测员工何时辞职并进行干预又会怎么样?

  Caliber开始与技术顾问Sparkhound合作，后者创建的软件可以从Calibre所使用的人力资源软件Workday中提取员工数据，并与Microsoft PowerBI结合起来，从而创建一个定制的回归模型，这个模型可以预测员工是否会考虑离职。然后，Calibre(通过数字调查或个人联系方式)会向员工提供帮助，帮他们登记在册。

  例如，如果员工的工资在几周后下降，Calibre的区域经理可以确保有更多的车辆可供他们修理。相反，如果员工的工作负担看似过重，公司就可以将一些工作重新分配给他们的同事。那么结果如何呢?由于人员流失率降低了，Calibre每年可节省的费用高达100万美元。

  重要建议：在人们过度炒作机器学习算法时，通过防范问题的做法来节省资金是使用机器学习算法的可行方法，Dennison说：“一旦员工入职，我们就可以轻松地留住他们。”

  机器学习是雷诺士国际有限公司(Lennox International)的数字战略的核心组成部分，该公司使用Databricks提供的软件Spark来分析商用供暖系统和空调系统的信息流，雷诺士的IT主管Sunil Bondalapati这样说道。实时地监控机器的性能有助于公司预测机器何时出现故障，使雷诺士能够提前四小时通知客户(如房主和购物饮食街的管理者)。

  Bondalapati说：“Databricks使我们能够使用数据，并在设备即将发生故障时以90%的准确率作出预测”。他还补充说，雷诺士之前能猜到机器何时会出现故障并联系经销商。此类事件通常包括误报，而这使各方都感到沮丧。我们过去一直在努力预测设备故障。”

  在使用Databricks的过程中会遇到有很多分析工具，每个工具都用于解决单一用例，例如供应链或物联网(IoT)。但Bondalapati表示，Databricks提供了一个统一的平台，公司可以在该平台上管理来自数百个数据库的数百TB数据，并且它可以在Microsoft Azure上运行，因此雷诺士无需维护系统。

  有了Databricks，Bondalapati的团队和业务部门就可以共同为数据流建立模型。基于Spark的软件可以为IT和业务人员转换数据并提供洞察。Bondalapati说道：“Databricks提供的协作模式对我们来说至关重要。”

  重要建议：Bondalapti表示，首席信息官必须让这些新工具发挥看家本领，当风险巨大时，尤其要这么做。例如，Bondalapati对包含100亿条数据记录的概念验证进行了监督。Bondalapati说：“我们试探性地做这样的事情，但结果却令人大开眼界。”

  在担任美国运通全球商务旅行(American Express Global Business Travel)的首席信息官兼首席技术官期间，David Thompson实施了机器人过程自动化(RPA)和机器学习技术，以简化企业差旅服务提供商处理交易的方式。

  Thompson(他于4月份在福布斯首席信息官峰会中的一个专家小组里发表了讲话)使用机器人过程自动化(RPA)将机票的退订和退款自动化。Thompson还主持了机器学习算法的创建，这些算法通过搜索企业的行业费率帮助客户找到更好的机票和酒店住宿费率，这正是几位员工之前执行的任务。

  这些员工被重新部署，他们要为客户提供更高的价值。Thompson表示，该技术可以提高客户满意度并创造更多收入。

  Thompson(他曾在西联使用机器学习工具来扫描欺诈行为)说：“到目前为止，这对我们来说是重大胜利，现在人们可以腾出时间来服务客户。”

  主要建议：Thompson指出，与自动化有关的讨论是费力不讨好的，因为人们为自己的工作感到担忧。但是，如果首席信息官们希望为公司建立可行度，他们必须明确、果断和诚实。Thompson说：“我认为我的职责是促成企业技术的发展，即使用技术和流程来解决业务问题。”

  首席信息官Cynthia Stoddard在今年早些时候的麻省理工学院首席信息官斯隆研讨会上向记者表示，Adobe Systems正在利用机器学习来分析系统故障趋势的服务台工单，然后在问题导致严重停机之前主动处理问题。

  如果系统发现了可能会导致停机的事件，系统可以主动在触发故障之前根除或减轻这些事件。

  该工具名为HAAS，全称是“修复即服务”，该工具正在发现和修复一切问题，如未能集成到Adobe ERP，本该汇集到公司各种分析系统的数据馈送出错等等。Stoddard说，HAAS将人工修复的时间从30分钟减少到1分钟。她估计，在过去几个月里，Adobe节省下来的修复时间多达330小时。只要Adobe的工程师使用对问题进行了详细描述的报告，他们就可以创建一劳永逸的修复程序。

  Stoddard说：“如果不得不修理一些东西而且你知道怎么修理，那么你就可以将修理的过程自动化。这是一个巨大的好处”。这项工作建立在Stoddard团队于2017年创建的基于机器学习的诊断测试框架之上。

  Adobe的商业业务也采用了人工智能。2016年11月，该公司推出了Sensei，这是一种人工智能技术，Adobe正在将这项应用到自身的产品，从而创建和发布文档，以及分析和跟踪网络应用程序和移动应用程序的性能。

  重要建议：使用机器学习来发现模式是打造自我修复功能的关键。Stoddard说：“如果你知道怎么修复，你就可以在这里放置一个自我修复的组件，并且不要让人介入。”

  百能投资(Putnam Investments，这是一家共同基金、机构投资策略和退休服务提供商)认为AI和机器学习很重要，它们能使金融服务企业的研究分析师对更多的股票作覆盖报告(coverage of stock)，该机构的首席信息官Sumedh Mehta是这样向记者表示的。

  Mehta说，分析师与百能的数据科学家展开了密切合作，创建了有助于从大量数据中获得洞察的论文。百能还致力于能向公司推荐最重要的潜在客户的算法。

  Mehta对AI和机器学习发表了这样的言论：“这是一股极具颠覆性和变革性的力量，而推动这股力量的全部业务动力就是效率和生产力。”

  在软件工程师、数据科学家、分析专家和供应商的帮助下，Mehta创建了一个数据科学的卓越中心，这对于支持业务利益相关者的AI和机器学习工作来说实际上只是一个开始。他说，他“开明”的商业伙伴已经采用这些方法来实现更高程度的自动化。

  重要建议：组织应该慢慢来，不能抱有太高的期望，它们应该明白，最初的几个想法将产生新问题而非答案。Mehta说：“就人工智能而言，灵光乍现不过是天方夜谭，即你的算法突然产生你尚不了解的洞察，这是不可能的。”

  与很多大型银行一样，美国银行一直致力于从其收集的大量客户数据中获取可行动的洞察。美国银行的首席分析官Bill Hoffman正在努力改变这种状况。在过去的几个月里，他一直在使用Einstein AI/ML来加强银行的小企业部门、批发业务部门、商业财富部门和商业银行部门的个性化。

  例如，如果客户在美国银行的网站上搜索和抵押贷款有关的信息，那么客户服务代理就可以在客户再次去到该银行的任何一家分支机构时跟进该客户。这还有助于美国银行发现人们可能看不到的模式。例如，该软件可能会建议代理商在星期四上午10点到下午12点期间呼叫某个行业的潜在客户。因为这些客户更有可能拨打电话。Einstein还可以给代理商的日历发送议事日程，以提醒他们在下周四致电候选人。

  这些功能成了很多金融服务组织重点要完成的任务，这些功能可以毫无死角地了解客户，从而在须臾之间推荐相关服务。Hoffman说：“我们正在告别木已成舟或历经变迁的世界，迈向个大势所趋的世界。我们的核心价值就是保持领先，预测客户需求以及他们希望用什么样的渠道与我们互动。”

  重要建议：你要对AI和机器学习采取边测试边学习的方法并且要有耐心。但你也要准备好对管用的东西进行扩展。Hoffman说：“始终以客户为中心。你要自问：这对客户有啥好处?”