人工智能（AI）是一個公認的常用詞匯。但是，在不同情況下它意味著不同的事物–因此，定義它可能很棘手。雖然大多數人將AI本身視為一種技術，但實際上，它實際上是一個通用術語，用于指代使系統能夠智能運行的多種不同技術。

在業務應用程序方面，人工智能可以通過幫助系統感知，理解，執行和學習來支持智能功能。通過使用機器學習或深度學習來訓練系統，系統可以通過分析數據來評估如何在每種情況下采取行動，而不是依賴于規定性的硬編碼動作。由此產生的敏捷性和響應能力意味著質量，準確性和整體性能得到了顯著改善–這就是使該系統真正智能化的原因。

在當前的氣候和不確定的時代中，幾家企業正在研究如何快速適應并加速其數字化轉型戰略。隨著遠程協作，業務敏捷性和自主生產對其業務連續性的重要性變得越來越重要– AI的重要性已成為許多高管的首要考慮因素。

機器學習的重要性

AI與其他自動化技術的不同之處在于其學習和適應能力。在工業環境中，人工智能系統可以通過顯著減少手動勞動來對業務績效產生重大影響：快速識別大量數據中的模式，并從結構化和非結構化數據集中分析和提取特征。最重要的是，它可以從這些任務中學習并隨著時間的推移而改進。

機器學習可以通過多種方式執行：監督學習，無監督學習和強化學習。監督學習使用預先組織的訓練數據和來自人類的反饋來學習給定輸入與給定輸出的關系。如果輸入數據和預測的行為類型已經分類，則該方法很有用，但是該算法需要應用于多個不同的數據集。無監督學習不需要數據中的任何預定義標簽-無需預先標識輸出變量，并且該算法可以分析輸入數據以查找模式并進行分類。強化學習使系統能夠通過反復試驗學習執行任務。本質上，這種方法是基于獎勵和懲罰的，其總體目標是在收到的針對其行為的反饋中獲得最大的回報，并最大限度地減少懲罰。當沒有太多的訓練數據要使用，難以確定期望的結果并且這是與數據進行交互和從中學習的唯一真實方法時，這種方法特別有用。

企業AI的原因，內容和方式

在一個日益數字化的世界中，組織正在尋求AI進行革新，而不僅僅是其技術：它正在重新定義整個業務流程。從開創性創新到日常客戶服務，人工智能正在改變業務格局，定義這種范式轉變是理解企業人工智能的關鍵。Paul R. Daugherty和H. James Wilson在《人與機器：重新想象AI時代的工作》一書中引入的范式“ AI的星座”就是這樣一種框架，可以用來解釋AI在以下方面的應用：企業級。

使用此框架，可以從三個層次上查看企業AI。第一層標識“為什么”和“什么” –使用數據為利益相關者提供更大價值的業務應用程序。第二層確定可以利用的AI功能套件來為業務應用程序提供動力。第三級研究“方法”-哪種機器學習方法可以提供預先確定的AI功能。