企業正在進行AI前導測試，並將人工智慧投入生產。以下是業界菁英對AI的投資方向，且已見到初步成果。
文╱Maria Korolov 譯╱雲翻譯
與IT相關的使用案例，如IT自動化、品質管控和網路安全，是人工智慧(AI)技術最熱門的應用。專家表示，這種情況將會改變，隨著技術的進步，越來越容易的使用性，且最終證明它的實用性。
以下探討早期對AI潛力的研究能在哪個領域進行前導測試，並將人工智慧投入生產流程。
IT自動化、品質管控及網路安全
根據Deloitte去年年底發布對美國企業高階主管的調查結果，IT自動化是人工智慧最受歡迎的使用案例，47%的公司已在執行。其次是品質管控，佔46%，而網路安全佔41%。
在針對全球600位企業高階主管的Apex調查中，網路安全也被評為最常見AI和機器學習(ML)的使用案例。
Deloitte風險及財務諮詢的AI專家 Samir Hans 表示，IT部門採用AI的原因為：在IT部門工作的人有意願處理資料、有興趣進行前導計畫和探索新技術，並且願意與新創公司合作。
他說:「AI、機器學習和資料科學應用必須大量應用IT技術，」「你大可說：『我們從行銷開始』，但整體而言，行銷人員並不像IT人員那樣精通專業技術且具有前瞻性。」
用於IT應用程式的AI和機器學習也比其他類型的功能更加成熟。這就是 Goulston & Storrs 資訊長 John Arsneault 的經歷。 這家總部位於波士頓的律師事務所正密切關注AI的發展，因為這項科技可能會徹底改變法律產業。但他們AI的初次部署是針對網路安全。
該公司設置了五個位於不同地點的實體資料中心，包括125個虛擬伺服器和相關網路設備。
「我們的確可以使用傳統的方法保護IT組織，而且這些方法我們已經用了很多，」Arsneault說，「但傳統方法所缺乏的是，當某樣東西故障無法發揮效用後，該怎麼解決。」
如果入侵者能夠藉由侵入用戶帳戶或利用漏洞破解防禦，他們便可能會透過公司的網路和應用程式來尋找有價值的資料。他說:「你可能不知道你已經被入侵了好幾個月。」「對我來說，這是最大的問題。」
Arsneault對網路分段頗感興趣，其可以防止入侵者橫向移通過公司系統，但設置起來可能很困難。
他說：「網路分段是一個令人難以置信的麻煩事，大家沒有跟上它的腳步，而使用預設值，但其設定反而更為開放，因為很難弄清楚需要在防火牆和其他安全機制中進行何種防禦工程。」
兩年前，Goulston & Storrs 開始使用一種機器學習系統，該系統自動分析各系統和應用程式間的互動，計算出正常流量方向應為何處，並產生微分段的建議。
Arsneault說：「這個系統開始作業，並搞清楚網路怎麼運作，然後它能確定我們需要什麼、不需要什麼，然後你再採用它建議的政策。然後它繼續學習網路結構，並將不斷更新適用於微分段的政策。」
該公司使用Edgewise的技術，部分原因是該產品可以在不增加員工的情況下成功執行。最初的部署大約需要三個月。
「自那時起，我們安裝執行了他們的最新版本，只要按一下按鈕，我們就可以獲得125,000種對伺服器、軟體和使用案例的保護，」他補充道。「這去除了人力的成份，人力是一個巨大的成本支出，並且大大減少了花費的時間和精力。」
預測分析
人工智慧最引人注目的用途之一是進行智能預測。人工智慧可用於天氣預測、用於預測客戶可能還想訂購哪些產品或可能喜歡哪些電影、預測即將故障的設備，而企業在預測分析中不斷發現AI的更多用途。
例如在醫療產業和醫學研究中，人工智慧和機器學習可用於分析遺傳資料、病史和測試資料，以預測疾病和發現前景可期的治療方法。根據Gartner，38%的醫療產業業者現在依賴電腦輔助診斷。
總部位於舊金山的Seer是一家生命科學和健康資料公司，該公司正在尋求AI協助處理血液檢測資料──特別是要查看蛋白質水平，以便深入了解疾病。
該公司業務長、總經理兼創辦人 Philip Ma 表示：「舉一個小例子，鐮狀細胞性貧血是由一種突變引起的，這種突變引起血紅素這種蛋白質產生變化，」他說。蛋白質的微小變化會對你的健康產生極大影響。」
然而，如果一種疾病涉及許多不同的基因和不同的蛋白質，可能很難判定哪種蛋白質的變化與哪種特定疾病有關。「這就是AI非常有用的地方，
如果只涉及一種蛋白質，那麼標準統計分析就足夠了。但是，如果涉及到數十種蛋白質，它會變得更加複雜。」此外，有些蛋白質與疾病無關，而是與性別、年齡或僅是一個人當天早餐吃什麼有關。
「你需要大量優質的資料，且數量必須足夠，你才能統計分辨出哪個是有用的訊息、哪個是無用的噪音。」
今年，該公司正在研究的其中一個專案計畫是在臨床試驗中檢驗數千名癌症病患的血液，以便深入了解癌症如何影響血液中的蛋白質，讓醫護人員更正確地預測患者是否罹癌。
Seer使用叢集分析，同時也是Edgewise用於創建網段的相同機器學習技術，而許多零售商也運用此技術將客戶分為不同群組。
他補充道，該公司還在各種開源和專屬資料科學平台上使用馬可夫分析和主成分分析，包括 Domino Data Lab，其中大部分都在AWS雲端上運作。
客戶服務
根據Deloitte調查，最受歡迎的人工智慧運用案例第二名是客戶服務，這個領域主要由虛擬助手所領導。銷售最佳化和行銷最佳化也名列Deloitte的人工智慧運用案例前十名。
根據Gartner在2019年六月份發布的調查顯示，去年有75%的公司增加了客戶體驗技術的支出，53%的受訪者表示人工智慧將在未來三年內對客戶體驗產生最大的影響。另有39%的受訪者談到了虛擬客戶助理和聊天機器人。
卡內基美隆大學亨氏學院(Heinz College)資訊系統與管理助理教授 Beibei Li 表示，目前提供建議和個人化服務的技術已經成熟，並得到廣泛應用，她表示：「這些領域已經做得很好。」
公司還整合外部資料源（如社群網站），以幫助改善客戶服務及其它類型的非結構化資料。
「所有努力都使客戶領域更加自動化，而且不只是大公司。我曾與一些小公司合作過，有些甚至開發了自己的內部個人化服務和分析。我認為這種情況絕對發生在各式各樣的公司行號中。」
將AI用於面對客戶的業務部門可以立即改善公司收益，甚至為公司開闢全新財源。以商業流程外包巨擘Atento為例，
該公司在全球擁有155,000名員工，五年前開始在公司後勤部門、財會、人力資源部門內部使用AI，在Salesforce平台上實現自動化，並透過機器人流程自動化加速手動流程。上述所有工具都有助於公司提高效率。
Atento美國和中美洲區域總經理 Michael Flodin 說：「隨著我們在過去幾年的發展，AI正在為我們的客戶帶來價值，這肯定會創造新的收入來源。」
例如，Atento現在為其客戶提供智慧聊天外包服務。
「我們使用人工智慧來解決電信業務中的客戶聯繫問題，」他說。「現在，我們正在與Avaya合作，做一些非常酷的事情。我們針對文字進行客戶對話記錄和即時分析。」
比如說，如果客戶與電話客服中心通話後不甚滿意，Atento會在通話結束後30秒內知道。
「我們可以回電給客戶，而這對我們的業務產生了重大影響，」他說。「並且，我們使用相同的即時交易服務來自動填入資料至客戶關係管理(CRM)，並將電話客服中心的工作量減少約65%。」
他補充道，節省的成本便回饋給客戶。「未來我們將使用相同的技術，使品管流程自動化。」
Atento先前任命了一位新任執行長 Carlos Lopez-Abadiaas，他在數位化轉型方面的背景，是他成功上任的關鍵。Flodin說：「新執行長所做的第一件事就是啟動未來五年的新計劃，而該計畫的核心是人工智慧，」
公司的重大變革是將AI的人才庫從高階主管往下擴充，以及招募最有能力實施或運作AI工具的員工。現在，業務團隊也接受了教育訓練。
「商業性質組織常常是最後一個了解AI的組織，」Flodin說。
所以，Atento現在正努力透過公司開發中的新工具和能力，來訓練其商業組織。
「當商業組織遇到市場機會時，他們就有能力提出這些解決方案，」他說。對我們而言，最激勵人心的一件事，就是與客戶互動，並提出解決問題的計畫。」
