人工智能（AI）已经成为半导体的软件 - 无形的，看不见的，并且能够改变社会和商业的形状。它以透明和变革的方式嵌入到越来越多的系统和应用程序中。
它现在在这里，它的存在只会增长。期望AI嵌入到处理客户，供应商，员工，机器，运输以及业务活动的所有其他方面的系统中。
我们不是在这里谈论期货。大多数中型和大型企业已经在使用人工智能增强的销售和营销系统 - 无论他们是否意识到这一点。AI允许应用程序在几分钟或几秒钟内处理大量数据，并使决策优于具有数十年经验的人员。
无论你在哪里，人工智能都在协助和取代人类的努力。AI机器人正在进行法律研究;使用AI支持的系统分析MRI扫描，以获得更高的速度和准确度;投资者正在使用AI机器人来创建投资分析。
显而易见的是，如果AI能够执行这些类型的任务，那么它也可以帮助业务经理进行决策和分析。传统的分析工具很快就会因其复杂的界面，神秘的方法以及工作流程的迟缓而变得过于繁琐。
AI通过使分析工具更加用户友好，更快速，更准确和更便宜来彻底改变分析工具。这是一场不可否认的革命，人工智能所呈现的新兴机会众多而且意义重大。
业务经理不必了解人工智能技术，但他们必须了解它可以做什么以及它如何影响企业。与所有新技术一样，获奖者是那些在成为常态之前看到机会并利用技术的人。其他人只能希望赶上。
我们如何衡量情报？凭借其所有的力量，如果我们要在我们的业务中使用人工智能，我们应该明智地衡量其智能。但是我们怎么做呢？我们通过采取措施为我们部署的每个AI嵌入式工作定义目标来实现这一目标。只有通过观察结果并将它们与明确定义的目标进行比较，我们才能确定AI应用程序是否真正具有智能性。例如，如果我们使用AI在各种社交媒体渠道上放置广告并告诉应用程序优化点击次数，如果我们发现点击和参与的人数较少，那么可以说我们部署的AI是没那么聪明。
由于目标本身很复杂，因此在AI应用程序中设置目标比最初看起来更复杂。在上面的示例中，我们的目标可能是同时实现点击，增加业务和降低成本。有了这些，我们可以使用三者的结合为我们提供我们正在寻找的智力衡量标准。
由于确定AI应用程序的智能程度并不是那么简单，因此花点时间确保其价值是个好主意。例如，当与那些为其嵌入式AI的解决方案获得一系列好处的供应商打交道时，值得花时间退一步，看看更广泛的情况，并考虑所推广的措施是否是那些对您的业务最有价值。
四种智力AI中的几个组件使其成为解决各种业务问题的强大工具，从机器学习（ML）开始，还包括知识表示，搜索功能等。
机器学习人工智能目前所关注的大部分内容都与机器学习有关 - 这是一种以数据为中心的智能建筑方法。ML使用扫描历史数据的算法并查找可能在将来有用的行为模式。例如，它可能会发现某个年龄段，收入阶层和教育背景的人比整个人口更有可能购买特定产品。企业可以通过各种方式使用此类信息，例如定位细分市场，降低销售成本和增加收入。人工智能这一方面的关键词是“学习” - 机器学习使系统可以随着条件的变化修改自己的行为。
目前对AI的机器学习组件非常感兴趣。ML允许企业利用他们收集的大量数据作为日常活动的一部分，以帮助他们改善运营和战术决策。使用ML构建预测模型仍然是一项非常劳动密集型的活动。涉及的变量很多，这些组合可能意味着数据科学家花费数月时间寻找有意义的模型。AI自动完成了大部分工作。预测模型的窗口有限，因此它们很有价值，因此能够频繁刷新它们至关重要。在某些情况下，刷新是在几分钟内测量的，例如在算法交易中，在其他情况下，可能会在几个月内测量。无论哪种方式，
ML并非没有缺点。但通过熟练使用，它可以提高生产力和决策准确性。只要有丰富的历史数据供应，ML就可以用来加强决策。
知识库并非一切都可以从历史数据中学习。代表知识，将其存储在知识库中并将其用于自动化任务的能力在AI如何使企业受益方面发挥着重要作用。对于各种规模的企业，AI支持的应用程序可以自动安排各种活动。航空公司根据天气状况，飞行机组可用性，各地加油费等等，使用人工智能重新安排航班。只有通过创建广泛的知识库，AI才能按需实时识别资源的最佳部署。知识库还广泛用于医学，法律和其他需要立即提取，处理和交付知识的企业。它广泛用于规划和推理。
搜索想象一下，在接下来的一个月里，销售人员需要访问分布在20个地方的20个地点。一个有价值的问题可能是：什么时间表会产生最低的成本？虽然问题起初可能听起来很简单，但其解决方案实际上非常复杂。最终，需要进行搜索以评估所有替代方案，直到找到最佳替代方案。业务中的许多问题都是这种性质的，如果不使用搜索算法，问题仍未得到解决。例如，上述航空公司需要采用复杂的搜索算法，同时访问其知识库以找到最佳解决方案。
与人类的沟通对于AI对我们人类最有用，它需要能够与我们沟通。现在正在努力使人工智能与其环境毫不费力地进行交互。实际上，它意味着语音和图像输入以及语音和文本叙述输出需要成为图像的一部分。为此，自然语言处理（NLP）在人工智能开发中也发挥着重要作用;当人们需要与他们使用的应用程序和系统进行通信时，这一点变得尤为重要。人类与人工智能之间的轻松沟通将决定人类输入必不可少的环境中的使用范围。
应用任何完全或部分自主决策的应用程序都可以说是采用AI。当搜索引擎显示合适链接列表时，它已做出决定：最佳猜测相关内容。语音识别是将波形与单词匹配并确定哪些单词正确的过程。销售和营销中有许多应用程序，尤其是使用AI和机器学习。销售应用程序可以查询大量的历史数据，以表明哪些潜在客户值得追求，哪些可能是浪费时间。营销应用程序可以了解哪些单词和图像在营销活动中可能最有效。在这两种情况下，学习都在进行中，人工智能会修改正在进行的决策。
与ML一样，与使用BI工具进行分析相关的工作量通常很笨重，但延迟时间不可行。企业是实时的，需要实时分析。数据准备 - 通常占分析任务的三分之二以上 - 只是人工智能的一个候选人。其他包括探索变量和关系，编程，神秘的用户界面，以及在业务活动和技术工具之间进行转换的持续需求。
幸运的是，我们很清楚与现有BI工具和平台相关的问题。事实上，只有四分之一的人使用BI工具，即使他们可以使用BI工具，这表明人们发现他们笨拙且不切实际地满足他们的日常需求。将AI纳入BI已经开始了。在五年内，AI将执行与使用BI相关的许多繁琐且耗时的任务，并且接口将理解业务语言。
最终，我们希望向BI工具提出有意义的问题，并快速准确地获得有用的答案。AI会促进这一点。
