本文摘要：现代数字革命过程中经常出现了许多企业技术，随之而来是大量的宣传，这些宣传多半是无法构建的。

现代数字革命过程中经常出现了许多企业技术，随之而来是大量的宣传，这些宣传多半是无法构建的。但人工智能（AI）有可能是个值得注意，它有能力转变企业的未来。

如果将AI与其他企业技术融合一起，这就更加有一点坚信了，其中，商业智能（BI）解决方案一般来说拒绝用户不具备非常丰富的背景科学知识才能充分发挥潜力。这时就必须融合AI，从而通过减少自动化等技术修改BI的处置，提升处置和自然语言处置（NLP）的规模。这些因素对于夺得并未研发的受众（非技术性企业用户）至关重要，正是因为受众群的不断扩大，AI才不会与之前的政治宣传式科技区别出去。自动化关上效率之门利用BI，用户可以采访大量数据，但必需明确提出必要的问题才能取得准确的洞察。

对于没BI经验的用户来说，这证明是有问题的，他们有可能不告诉什么样的催促不会获得最有价值的信息。AI是超越这一门槛的关键，它可以有效地避免预先确定问题的必须。AI中的自动化功能让计算机需要通过确认数据点之间的关系，处置BI数据分析，以分解涉及洞察，甚至是用户不告诉的适当洞察。

找到这些关键业务关系后，解决方案不会自动分解仪表板，形象地呈现出找到的问题。以制造业为事例，AI和BI可以协助跟踪之前的机器故障，并搜集造成这些故障的详细信息，例如艰巨的工作流程或机器老化。然后这些信息可以应用于到现有机器上，机器根据类似于的情况，当必须确保时自动收到警报。

最后，制造商将需要防患于未然，减少修理时间和成本，最后提高效率。AI和BI融合用于，构建更高准确性融合用于AI和BI不仅可以让更加多人需要用于这些解决方案，还可以减少可被分析的数据量。机器学习技术分析大数据集的速度比人类更加慢，这让每次决策需要考虑到更加多信息，同时增加检查这些信息的时间，最后提升用于BI的效率和准确性。

这在零售业特别是在有效地，尤其是传统企业，由于当今电商巨头的经常出现，它们正在经历极大的变化。传统零售商必需使用智能技术才能维持领先，通过融合AI和BI，零售商可以根据过去六年（而不是过去六个月）的销售量数据作出库存决策。这不会让零售商更加精确地理解消费者偏爱，确保在准确的时间获取准确的产品，从而在每次决策时都能将消费者放在最重要方位。

NLP超越用于门槛AI尤为人熟悉的功能是需要解读人类语言（最差的例子是很快窜红的Alexa，2017年其每月用户减少了325 %）。这项功能也可以用作BI解决方案，AI让用户只必须明确提出问题，数据不会在几秒钟内放入，不必须像之前一样掌控输出数据后分解洞察的公式。综合来看，这可以减少用户用于门槛，因为取得洞察仍然必须掌控BI专业知识。医疗保健行业必需处置大量数据，实质上，全世界约30%的数据是与医疗保健涉及的。

通过这些数据可以取得最重要的信息来降低成本，但如果不掌控搜集这类信息的准确方程式和作法，就无法取得信息。这正是NLP的独有之处。用户不必须艰苦地分析原有数据，或者输出可以取得信息的方程，只必须用通俗的语言告诉他软件想查找的内容。

例如，为了更佳地制订部门支出计划，医疗保健专家可以问：“告诉他我过去五年公司运营中支出严重不足的部门。”然后，软件通过较慢分析数据就可以得出答案，并协助医疗保健官员更加有效地的制订未来几年的支出计划。AI有能力让BI沦为一种大众技术，将其受众群不断扩大十倍，同时提升数据孤岛之间的效率。

AI的允诺是未来将会构建的，它与其他颠覆性企业技术的另一个不同点是它的普及会让任何人深感吃惊。桌面数据找到/可视化等之前的创意技术对于遗留下来的供应商有如晴天霹雳，该领域的部分供应商仍然在为迎头赶上而拼死一搏。

相比之下，大多数公司早已在大力投资AI，并通过客服聊天机器人等方式将其功能应用于到BI。2017年7月，Infor公布企业级行业专用人工智能（AI）平台——Coleman。

作为为应用程序获取反对的普适性平台，Coleman对数据展开挖出，并利用强劲的机器学习技术优化库存管理、运输路线和预测性确保等流程；Coleman还获取AI驱动的建议，协助用户更加很快地作出更加明智的业务决策。此外，Coleman可作为智能AI合作伙伴，更进一步完备用户的工作。Coleman用于自然语言处置和图像识别技术来聊天、听得、说道，并需要辨识图像，协助人们更加有效地用于技术。

不要担忧，宣传将不会获得还清，我们迟早会看见使用AI产生的结果。

本文来源：必一运动·(B-sports)-www.tl1b4-3.com