人工智慧並非新鮮事，它數十年前就已經存在了。但人工智慧技術由於資料的擴增以及在儲存、追蹤以及分析技術上的投資，近來才有所進展。
例如，僅 2014 - 2015 年間，部署或者使用資料驅動專案的公司增加了 125%，企業花費在此的金額平均為 1380 萬美金。
市場情報公司 IDC 也表示，到 2019 年，大資料技術與服務市場將達到 486 億美元。
越來越容易獲取的大量豐富資料結合與「智慧機器」合作的意願，正在加速人工智慧驅動的商業應用的程序，這在金融服務、醫療、市場、銷售這樣的資料豐富的部門和業務智慧部門尤為顯著。不管它是採用了預測分析、自然語言生成、語音或影象識別，或者機器學習等形式，人工智慧應用對創新而言都是極其重要的技術並且正在重塑公司做生意的方式。
為了更好的理解如今以及未來人工智慧在企業中的影響，我們最近調查了來自各行各業的 230 名商業以及技術高管。我們這麼做的目標是為了確定一些影響如今商業如何使用科技的趨勢。在這一過程中，我們瞭解到的內容可以總結成以下四大主要發現：
接下來，我們會更加詳細的檢測每一個發現。
1.採納人工智慧迫在眉睫，即使市場混亂
人工智慧看起來到處都是。人工智慧的例子圍繞著我們的日常生活。無論是亞馬遜推薦系統的購買建議、IBM Watson 幫助醫生診斷癌症，還是 Siri 這樣在執行我們的語音指令上變得更為熟練的應用。還有自動駕駛汽車以及智慧機器人的崛起，開始讓人感覺到每個人都在使用人工智慧。
但事實是，儘管它吸引了眾多注意，人工智慧在普遍採納上依然處於初期。事實上，我們調查物件中只有 26% 說他們目前在辦公室使用人工智慧技術來自動化完成手動的、重複性的任務。雖然人工智慧的使用已經從 2015 年的 15%增長到現在的26%，但這個數字仍意味著大量的公司仍未將人工智慧服務以一種切實的方式融合進他們的業務中。
或者他們已經這樣做了？
自相矛盾的是，在沒有使用人工智慧技術的公司中，有 88%表示他們的公司在使用依賴人工智慧技術的解決方案，包括預測性分析、自動寫報告和對話、語音識別與應答。 看起來，在眾多案例中，公司在甚至沒有意識到的情況下得益於人工智慧支援的解決方案。
這一嚴重的斷層強調了這樣的事實：當提到人工智慧的定義時人們依然困惑，並且這成為了人工智慧的核心問題之一。它能應用於領域太多了，以至於對它的清晰定義和有保證的投資回報仍然是模糊的。在仍未採納人工智慧的調查物件中，20% 表示他們至今仍未部署該技術的原因是其價值定位不夠清晰。
圖：人工智慧生態系統
雖然人工智慧並非新鮮事，它也只是在最近幾年隨著人工智慧尤為需要的資料變得最終可用，才開始真正影響我們的生活。也就是說，足有 20% 的調查物件表示缺乏資料是採納人工智慧的關鍵阻礙。但當你考慮到全球每天創造 2.5 quintillion（百萬的三次方）位元組的資料，那麼可以說長期看來這並非是個問題。
儘管人工智慧仍處於被採用的早期階段，但是它對大量公司產生影響只是時間問題。在仍未部署人工智慧技術的調查物件中，41% 表明部署人工智慧是優先考慮的事。而且，超過一半（56%）計劃在接下來兩年內部署人工智慧技術，他們中的近四分之一（23%）計劃在 12 個月內這麼做。這意味著，62%的調查物件所在公司可能會在 2018 年之前使用人工智慧技術。
2.預測分析正在主宰企業
人工智慧可以有很多不同的形式，從演繹、推理和解決問題的應用到自然語言生成和社會智慧解決方案都是人工智慧的形式。這些技術一層層疊加在一起形成的人工智慧解決方案在企業中獲得了早期成功。具體而言，預測分析使用資料探勘、統計、建模和機器學習來分析當前的資料去預測未來。在我們調查的受訪者中，預測分析是最常用的解決方案，有 58%的受訪者使用過它。自動化的書面報告和/或通訊與語音識別和響應是第二個用的最多的選擇，約 25% 的人用過。預測分析的廣泛採用可能是因為其被感知到的價值。事實上，當我們要求調查參與者選出人工智慧解決方案應該提供最重要利益時，最常見的共識是技術，因為技術可以提供有關機器、客戶、或企業健康活動的預測。鑑於預測分析需要大量的資料，這一發現還指出，隨著眾多公司在追蹤、儲存呢和管理資料上變的越來越複雜，資料的可用性需要不斷被提高。
人工智慧驅動的解決方案應該提供的最重要的好處
預測分析普及的原因之一可能是，它在許多不同的行業都可以提供巨大潛力。在醫療業，它被用來預測和避免昂貴以及通常沒必要的再次入院治療。在製造業，它透過預測和調整由惡劣天氣、罷工等因素引起的或者甚至是地緣政治事件引起的潛在延誤，實現高效的供應鏈管理。我們對預測分析的研究結果與其他第三方的研究一致。例如，據 Howard Dresner 的年度高階預測分析市場研究（Howard Dresner’s annual Advanced and Predictive Analytics Market Study），74%的受訪者認為，預測分析是重要的，非常重要的，或對於他們的任務至關重要。同時，Gartner預計，到 2020 年，預測分析會吸引商業智慧和分析領域的企業 40% 的新投資。
儘管預測分析是目前使用的最突出的解決方案，其他人工智慧提供的解決方案發揮的作用將越來越重要，比如高階的自然語言生成。高階的自然語言生成是人工智慧的一個分支，這種技術首先了解人想溝通什麼，並分析資料，突出最有趣的和重要的東西，然後把這些分析利用在自然語言中。它被用來自動化與資料分析和報告相關的人工處理過程，並大規模地生成個性化溝通。它的創作能力也能很容易地整合到其他分析平臺，生產出一些敘述來解釋資料中不清楚的見解或單獨的視覺化結果。
3.資料科學人才的缺乏持續影響著公司
我們正處於一個數據新階段的開始，在這個階段，要做的資料抓取和儲存不多，所做的每件事都是為了讓資料更有用，更容易理解和更有效。這給我們帶來了下一個發現：資料科學人才的短缺持續影響著公司。到2018年，全球資料科學家的需求將超過供應量的 50%。如果一家公司缺少受過分析複雜資料訓練的人才為快速決策提供高水平見解，這家公司會很容易錯過有價值的資產。
在所有已使用大資料技術的調查物件中，大約有 50% 的人感覺到他們的公司善於利用大資料來解決業務問題。45% 的人感覺到使用大資料能為他們的客戶產生有價值的資訊。有趣的是，幾乎所有的受訪者（95%）在表示他們能熟練使用大資料來解決業務問題或產生見解的同時，也使用人工智慧技術。這一數字從去年的59% 上升到現在的 95%，明確表明許多公司正在轉向使用智慧系統來幫助提升他們的資料科學能力，來面對人才短缺的挑戰。
我的公司能有效利用大資料解決業務問題
我的公司能有效利用大資料為客戶提供見解
4.能從技術投入中獲取價值的公司都把創新放在優先位置
在很多案例中，真正擁抱和優先考慮創新的公司通常都有一個敬業的團隊和投資創新的獨立預算。正如我們的研究結果表明的那樣，投身於創新的公司在採用，測試，並從新技術中派生價值上獲得了最大的成功。
在本報告調查的商界領導人中，54%的人表示其公司有一個創新戰略，62%的人提到其公司有一個專門的創新預算。在觀察那些有創新戰略的公司和那些沒有創新戰略的公司的成功時，會出現一些有趣的結果。
例如， 63%的有創新戰略的受訪者認為，他們能熟練使用大資料來解決業務問題，而在沒有戰略的人中，只有13%的人有同樣的看法。類似地， 37%的有創新戰略的受訪者認為，他們的公司能有效使用來自人工智慧的資訊指導決策，而在沒有戰略的人中，只有 9%的人會這麼認為。
我們的調查發現揭示了優先考慮創新的公司能從他們正在使用的技術中獲得最大價值。對於今天的商界領導人來說，這是為什麼他們應該組織和投資一個正式創新戰略的一個非常有說服力的理由。
結論
從全球範圍來看，企業正在採用人工智慧驅動的多種技術幫助他們更有效地運作企業，更好地服務於他們的客戶。未來，人工智慧會有很多甚至我們無法想象的用途，但是在短期內，人工智慧幫助公司發掘新的領域增加收入，提高生產力或準確找到萌芽中的操作問題，這些已經證明了它的巨大價值。雖然目前對於人工智慧以及如何最好地使用它還有很多困惑，但它一定能被廣泛採用。我們預測，當真正的贏家出現這，這種混亂會減少。
還有，我們的分析發現，公司應專注於能讓它們更快進入測試、採用技術並從這些技術中獲得價值的創新。有人說，技術本身並不等於成功的創新。最成功的公司會將開放思維的文化與人類的才能和智慧系統結合起來。雖然培養一個團隊之間可以自由探索思想的環境是件好事，但是培養一個人和智慧系統可以一起探索想法的環境才是最理想的。有了人機合作伙伴關係，公司將會擁有獨立超越任何其他團隊的技能。
人工智慧並非新鮮事，它數十年前就已經存在了。但人工智慧技術由於資料的擴增以及在儲存、追蹤以及分析技術上的投資，近來才有所進展。
例如，僅 2014 - 2015 年間，部署或者使用資料驅動專案的公司增加了 125%，企業花費在此的金額平均為 1380 萬美金。
市場情報公司 IDC 也表示，到 2019 年，大資料技術與服務市場將達到 486 億美元。
越來越容易獲取的大量豐富資料結合與「智慧機器」合作的意願，正在加速人工智慧驅動的商業應用的程序，這在金融服務、醫療、市場、銷售這樣的資料豐富的部門和業務智慧部門尤為顯著。不管它是採用了預測分析、自然語言生成、語音或影象識別，或者機器學習等形式，人工智慧應用對創新而言都是極其重要的技術並且正在重塑公司做生意的方式。
為了更好的理解如今以及未來人工智慧在企業中的影響，我們最近調查了來自各行各業的 230 名商業以及技術高管。我們這麼做的目標是為了確定一些影響如今商業如何使用科技的趨勢。在這一過程中，我們瞭解到的內容可以總結成以下四大主要發現：
接下來，我們會更加詳細的檢測每一個發現。
1.採納人工智慧迫在眉睫，即使市場混亂
人工智慧看起來到處都是。人工智慧的例子圍繞著我們的日常生活。無論是亞馬遜推薦系統的購買建議、IBM Watson 幫助醫生診斷癌症，還是 Siri 這樣在執行我們的語音指令上變得更為熟練的應用。還有自動駕駛汽車以及智慧機器人的崛起，開始讓人感覺到每個人都在使用人工智慧。
但事實是，儘管它吸引了眾多注意，人工智慧在普遍採納上依然處於初期。事實上，我們調查物件中只有 26% 說他們目前在辦公室使用人工智慧技術來自動化完成手動的、重複性的任務。雖然人工智慧的使用已經從 2015 年的 15%增長到現在的26%，但這個數字仍意味著大量的公司仍未將人工智慧服務以一種切實的方式融合進他們的業務中。
或者他們已經這樣做了？
自相矛盾的是，在沒有使用人工智慧技術的公司中，有 88%表示他們的公司在使用依賴人工智慧技術的解決方案，包括預測性分析、自動寫報告和對話、語音識別與應答。 看起來，在眾多案例中，公司在甚至沒有意識到的情況下得益於人工智慧支援的解決方案。
這一嚴重的斷層強調了這樣的事實：當提到人工智慧的定義時人們依然困惑，並且這成為了人工智慧的核心問題之一。它能應用於領域太多了，以至於對它的清晰定義和有保證的投資回報仍然是模糊的。在仍未採納人工智慧的調查物件中，20% 表示他們至今仍未部署該技術的原因是其價值定位不夠清晰。
圖：人工智慧生態系統
雖然人工智慧並非新鮮事，它也只是在最近幾年隨著人工智慧尤為需要的資料變得最終可用，才開始真正影響我們的生活。也就是說，足有 20% 的調查物件表示缺乏資料是採納人工智慧的關鍵阻礙。但當你考慮到全球每天創造 2.5 quintillion（百萬的三次方）位元組的資料，那麼可以說長期看來這並非是個問題。
儘管人工智慧仍處於被採用的早期階段，但是它對大量公司產生影響只是時間問題。在仍未部署人工智慧技術的調查物件中，41% 表明部署人工智慧是優先考慮的事。而且，超過一半（56%）計劃在接下來兩年內部署人工智慧技術，他們中的近四分之一（23%）計劃在 12 個月內這麼做。這意味著，62%的調查物件所在公司可能會在 2018 年之前使用人工智慧技術。
2.預測分析正在主宰企業
人工智慧可以有很多不同的形式，從演繹、推理和解決問題的應用到自然語言生成和社會智慧解決方案都是人工智慧的形式。這些技術一層層疊加在一起形成的人工智慧解決方案在企業中獲得了早期成功。具體而言，預測分析使用資料探勘、統計、建模和機器學習來分析當前的資料去預測未來。在我們調查的受訪者中，預測分析是最常用的解決方案，有 58%的受訪者使用過它。自動化的書面報告和/或通訊與語音識別和響應是第二個用的最多的選擇，約 25% 的人用過。預測分析的廣泛採用可能是因為其被感知到的價值。事實上，當我們要求調查參與者選出人工智慧解決方案應該提供最重要利益時，最常見的共識是技術，因為技術可以提供有關機器、客戶、或企業健康活動的預測。鑑於預測分析需要大量的資料，這一發現還指出，隨著眾多公司在追蹤、儲存呢和管理資料上變的越來越複雜，資料的可用性需要不斷被提高。
人工智慧驅動的解決方案應該提供的最重要的好處
預測分析普及的原因之一可能是，它在許多不同的行業都可以提供巨大潛力。在醫療業，它被用來預測和避免昂貴以及通常沒必要的再次入院治療。在製造業，它透過預測和調整由惡劣天氣、罷工等因素引起的或者甚至是地緣政治事件引起的潛在延誤，實現高效的供應鏈管理。我們對預測分析的研究結果與其他第三方的研究一致。例如，據 Howard Dresner 的年度高階預測分析市場研究（Howard Dresner’s annual Advanced and Predictive Analytics Market Study），74%的受訪者認為，預測分析是重要的，非常重要的，或對於他們的任務至關重要。同時，Gartner預計，到 2020 年，預測分析會吸引商業智慧和分析領域的企業 40% 的新投資。
儘管預測分析是目前使用的最突出的解決方案，其他人工智慧提供的解決方案發揮的作用將越來越重要，比如高階的自然語言生成。高階的自然語言生成是人工智慧的一個分支，這種技術首先了解人想溝通什麼，並分析資料，突出最有趣的和重要的東西，然後把這些分析利用在自然語言中。它被用來自動化與資料分析和報告相關的人工處理過程，並大規模地生成個性化溝通。它的創作能力也能很容易地整合到其他分析平臺，生產出一些敘述來解釋資料中不清楚的見解或單獨的視覺化結果。
3.資料科學人才的缺乏持續影響著公司
我們正處於一個數據新階段的開始，在這個階段，要做的資料抓取和儲存不多，所做的每件事都是為了讓資料更有用，更容易理解和更有效。這給我們帶來了下一個發現：資料科學人才的短缺持續影響著公司。到2018年，全球資料科學家的需求將超過供應量的 50%。如果一家公司缺少受過分析複雜資料訓練的人才為快速決策提供高水平見解，這家公司會很容易錯過有價值的資產。
在所有已使用大資料技術的調查物件中，大約有 50% 的人感覺到他們的公司善於利用大資料來解決業務問題。45% 的人感覺到使用大資料能為他們的客戶產生有價值的資訊。有趣的是，幾乎所有的受訪者（95%）在表示他們能熟練使用大資料來解決業務問題或產生見解的同時，也使用人工智慧技術。這一數字從去年的59% 上升到現在的 95%，明確表明許多公司正在轉向使用智慧系統來幫助提升他們的資料科學能力，來面對人才短缺的挑戰。
我的公司能有效利用大資料解決業務問題
我的公司能有效利用大資料為客戶提供見解
4.能從技術投入中獲取價值的公司都把創新放在優先位置
在很多案例中，真正擁抱和優先考慮創新的公司通常都有一個敬業的團隊和投資創新的獨立預算。正如我們的研究結果表明的那樣，投身於創新的公司在採用，測試，並從新技術中派生價值上獲得了最大的成功。
在本報告調查的商界領導人中，54%的人表示其公司有一個創新戰略，62%的人提到其公司有一個專門的創新預算。在觀察那些有創新戰略的公司和那些沒有創新戰略的公司的成功時，會出現一些有趣的結果。
例如， 63%的有創新戰略的受訪者認為，他們能熟練使用大資料來解決業務問題，而在沒有戰略的人中，只有13%的人有同樣的看法。類似地， 37%的有創新戰略的受訪者認為，他們的公司能有效使用來自人工智慧的資訊指導決策，而在沒有戰略的人中，只有 9%的人會這麼認為。
我們的調查發現揭示了優先考慮創新的公司能從他們正在使用的技術中獲得最大價值。對於今天的商界領導人來說，這是為什麼他們應該組織和投資一個正式創新戰略的一個非常有說服力的理由。
結論
從全球範圍來看，企業正在採用人工智慧驅動的多種技術幫助他們更有效地運作企業，更好地服務於他們的客戶。未來，人工智慧會有很多甚至我們無法想象的用途，但是在短期內，人工智慧幫助公司發掘新的領域增加收入，提高生產力或準確找到萌芽中的操作問題，這些已經證明了它的巨大價值。雖然目前對於人工智慧以及如何最好地使用它還有很多困惑，但它一定能被廣泛採用。我們預測，當真正的贏家出現這，這種混亂會減少。
還有，我們的分析發現，公司應專注於能讓它們更快進入測試、採用技術並從這些技術中獲得價值的創新。有人說，技術本身並不等於成功的創新。最成功的公司會將開放思維的文化與人類的才能和智慧系統結合起來。雖然培養一個團隊之間可以自由探索思想的環境是件好事，但是培養一個人和智慧系統可以一起探索想法的環境才是最理想的。有了人機合作伙伴關係，公司將會擁有獨立超越任何其他團隊的技能。