新興的科技受到追捧是社會進步的展現，然而商業對新興科技的吸收需要一個不斷磨合的過程。人工智能讓人們看到了其巨大的潛力，但應該如何展現其商業價值，如果使其落地于各個商業場景，如果讓開發人員有效地銜接，都成為了企業決策者需要思考的問題。新智元就 ai 在企業中的應用問題采訪了弗雷斯特研究公司首席分析師（企業架構方向）戴鲲先生。弗雷斯特研究公司（forrester research）是全球最大的第三方市場研究機構之一，主要為企業和公衆提供商業科技和市場戰略方面的洞見和咨詢。
“在我們的企業客戶中，有越來越多的人在關注ai科技可能對企業帶來的改變”，戴先生告訴新智元記者。據弗雷斯特 2016 年的一份報告顯示，在其在全球範圍内線上調查的391個商業和科技決策者中，有58%的人表示正在研究企業應如何應用人工智能（包括市場、方案、平台、提供商、技能等），而真正正在使用ai技術的人隻占調查人群中的12%。
也就是說，在很多企業内部，ai還有很大的發展空間，即使是對于技術高層管理人員，ai在企業中的應用也是一個學習和探索的過程。一般在對ai完成調研後，技術團隊還會依次經曆選擇架構、收集資料、測試環境、訓練機器等一系列的步驟，最後才會進入真正使用ai的階段。是以，從58%到12%的倒三角格局也展現了在ai的整個形成周期中，多個中間環節所需要耗費的時間成本。
企業在ai調研中的很重要的一個步驟就是思考如何使用好市面上已有的一些ai工具。當問到該如何從中去選擇時，戴先生說：“很多技術驅動型公司會使用一些開源的架構，而在某一行業的公司一般會尋找一些成型的商業解決方案。每個公司的情況都不一樣。”
确實，ai應用種類衆多，很多時候都需要具體問題具體分析，但一般來說開發人員會把ai分為三大類：
第一，嵌入式ai，需要依托一個硬體裝置在特定場景下進行實時地人機互動，像amazon的alexa、汽車自動駕駛，都是屬于這個範疇。企業一般需要“算法+軟體+晶片”的整體打包服務。應用場景的複雜程度決定了ai技術的複雜程度。
第二，終端解決方案。最明顯的例子就是自然語言處理、圖像處理，還有就是用于決策的expert system的cognito，用于客戶服務的wise.io等等。
第三，ai平台，覆寫範圍最廣，應用最全面，比如 ibm watson，微軟的cortana。這其中還包括了一些深度學習的平台，比如google tensorflow，amazon aws，微軟的cntk，facebook基于torch的深度學習元件。每個平台都有自己不同的能力側重。
“如果開發人員想要選擇一些開源的架構，tensorflow現在引起了很多人的注意，也有很多人在使用；amazon的 dssten 開放以後，随着雲計算的采用，也會有更多的人去關注。”
對于絕大多數開發人員來說，最關心的問題是：第一，選擇什麼樣的開發平台；第二，基于這樣的平台，選擇什麼樣的算法。作為一家全球性科技咨詢商，弗雷斯特也會常從客戶那裡得到這樣的問題。很多企業都希望選擇一種被成功實踐過的解決方案，一擊緻敵，或者至少可以借鑒别人的經驗，減少無謂地試錯。開發人員最關心的第三個問題就是資料。資料和算法是相輔相成的，資料類型決定了算法的類型。另外，資料的可用性、豐富性、完整性也是開發人員考量的重要因素。
然而，“很多開發人員沒有意識的問題就是到底要用這些平台、算法、資料去解決什麼業務上的問題。這是很多開發人員所欠缺的，也就是說這裡存在着脫節”，戴先生評論說。換一個角度說，企業的商業層面願意去相信人工智能可以為企業帶來很大的提升和改觀，是以會對ai有很大的期待。但是在技術層面上，團隊人員一般對公司的業務不是特别清楚了解，不知道去提升哪方面的能力，就讓對 ai 期待顯得有些過于樂觀。實際上，如何去設計參數，如何去有效地降維，背後的邏輯都是業務上的邏輯。
戴先生也呼籲企業“不應該為了ai而ai”。企業架構師和商業決策者應當一起真正解決企業中的實際問題。這個政策也同樣适用于小型公司和創業公司。
很多以ai為核心驅動科技的小公司，想要躲避大公司的夾擊，就必須更多的思考哪些商業問題最适合于ai去解決，然後用ai技術做差異化競争。比如在金融服務領域，如果小公司能夠通過機器學習更好的去了解某一類型客戶（比如銀行vip客戶）的特殊習慣和需求，就有可能提供更貼心的服務。再比如電商領域，客服部門常年很大比例都在處理一些無理、無序的顧客要求，如果ai能提前預測出打電話顧客意圖，就可以有目的地做差別處理，提高客服效率。
ai的本質就是自動化，而自動化往往是從底層做起，然後層層向上延展的。作為資深的企業架構師，戴先生也提醒企業客戶，就自動化來講，做好在雲端的自動運維往往是萬裡長征第一步。像金融這類重點的行業，如果能完成某些系統的自動運維，就會成百上千倍地提高工作效率，自然也就相當于大大減少了人工成本的投入。
這樣看來，ai也許做的并不是直接取代人腦的工作，對于企業來說，系統優化才是 ai 技術背後的真正商業邏輯。