這些技術可以采用認知計算、機器學習和深度學習的形式，現在正在利用圖像識別、語音識別、智能代理和預測分析等先進功能來重塑組織的業務方式，并將結合其他數字技術，其中包括物聯網(IoT)等。而在人工智能的新時代，企業的業務有望促進發展。
以下是在各行業應用的10個人工智能用例，并對組織如何使用人工智能獲得競爭優勢進行了闡述：
(1)市場營銷：實時數據的人工智能
市場營銷行業和領域將使用實時數據、網絡數據、歷史購買數據、應用程序使用數據、非結構化數據，以及地理定位信息，并在適當的時間和地點引入提供信息、產品推薦、優惠券和激勵的能力。人工智能允許市場營銷組織參與個性化營銷，并使其更接近一對一的關系。
此外，企業通過分析電子郵件和社交媒體流，使用機器學習和深度學習來進行情緒分析，從而獲得競爭優勢。更先進的系統可以從照片和視頻中檢測到相關人員的情緒，這有助于系統在場景中做出響應，并創建更有針對性的營銷和互動。
(2)零售銷售：用于語音和圖像搜索的人工智能
零售行業的人工智能正在改變人們購物的方式。而語音搜索和圖像搜索現在很普遍。亞馬遜公司和許多其他零售商現在將這些工具整合到他們的應用程序中。下一代人工智能技術也正在發展。例如，增強現實(AR)允許購物者查看在房屋或辦公室中的沙發或油漆顏色。虛擬現實(VR)允許消費者坐在車內，甚至可以在不離開家的情況下進行試駕。奧迪、寶馬和其他公司已經為購車者開發了虛擬現實(VR)系統。
但人工智能的用例并不止于此。零售行業的人工智能擴展到推薦產品和提供信息的機器人和虛擬助手;幫助銷售團隊專注于高價值客戶和高概率交易的算法;以及預測分析，其中包括天氣、原材料和組件的價格、庫存水平，以動態調整定價和促銷活動。例如，服裝零售商North Face公司在其網站上向客戶詢問與購買相關的一系列問題。這不僅可以引導客戶選擇合適的產品，還可以利用機器學習技術獲取可能帶來更高購物價值和額外銷售的洞察力。
(3)客戶支持：自然語言的人工智能
零售行業中的人工智能正在成為一股強大的力量，但客戶支持領域也在利用該技術獲得競爭優勢。機器人和數字助理正在改變支持功能的發展方式。這些技術越來越依賴于自然語言處理來識別問題，并參與自動對話。人工智能算法確定如何指導對話或將呼叫路由到擁有所需信息的人工代理。這有助于縮短通話時間，從而提高客戶滿意度。調研機構Forrester公司的一項研究發現，73%的客戶表示，節省時間是為他們提供良好的在線客戶服務所能做的最重要的事情。
(4)制造行業：人工智能為智能機器人的應用提供驅動力
機器人技術已經改變了制造業的面貌。然而，采用人工智能，機器人變得更加智能和自主。機器學習在工廠中有哪些用途?許多企業正在建造所謂的“智能制造”設備，這些設備使用人工智能來優化勞動力，加快生產速度，提高產品質量。企業也傾向于預測分析，以了解何時設備可能需要維護、維修或更換。
例如，西門子公司為其生產的燃氣輪機系統配備了500多個傳感器、可持續監控設備和機器。所有這些數據都有助于創建未來的生產設施，有的也稱之為工業4.0。根據市場研究機構TrendForce公司進行的一項研究，智能制造業將工業物聯網和人工智能相結合，預計其市場規模將從2018年的2000億美元增長到2020年的3200億美元。
(5)運輸供應鏈：人工智能管理
運輸供應鏈管理中的人工智能用例正在增長。組織正在采用算法以改善車隊管理、倉庫管理、物流流程、貨運代理和許多其他任務。這包括無人機交付和自動駕駛車輛等新興領域。將傳感器放置在原材料、組件和產品上的物聯網也通過收集大量數據來重塑業務，這些數據可以輸入到人工智能決策的分析引擎中。
與此同時，企業正在尋找其他人工智能用例。他們正在轉向圖像識別、語音識別、手勢界面和其他工具以及人工智能，以簡化輸入和自動化。麥肯錫公司發現人工智能將預測準確率提高了10%至20%。這通常意味著降低了5%的成本。
(6)IT管理：人工智能幫助路由
人工智能正在重新定義企業消費和管理各種IT資源的方式。人工智能可以檢測流量模式以及計算機、服務器和其他系統在任何給定時刻的使用情況，并通常通過使用云計算技術動態調整帶寬。人工智能用例還包括：預防性維護;識別未修補或不合規的系統;數據和文件分類;優化網絡性能，管理存儲，其中包括數據的存檔方式。
(7)網絡安全：人工智能保護資產
保護企業資產是一個越來越具有挑戰性的問題。網絡攻擊者的攻擊方式變得越來越復雜，技術越來越隱秘。人工智能、機器學習，以及深度學習，正在以多種方式幫助重塑網絡安全。人工智能算法通過檢測異常活動和模式(包括數據包的移動)，將保護變得越來越無效的白名單、黑名單和防火墻。
在機器學習用例中：分析大量有關攻擊和響應的數據，以發現更有效的方法來響應不同的場景。另一個新興領域是用戶和實體行為分析(UEBA)，它依賴于深度學習方法。ABI研究公司預測，到2021年，網絡安全中的機器學習將使大數據、情報和分析支出增加到960億美元。
(8)金融服務：人工智能實現智能處理
銀行和其他機構已經使用人工智能檢測可疑活動，其中包括網絡欺詐。人工智能用例還擴展到智能過程自動化(IPA)和機器人過程自動化(RPA)。這包括從掃描支票和存款的應用程序到基于利率自動化資金流動的系統的所有內容。使用推薦引擎取代傳統股票經紀人的機器人顧問也變得司空見慣。
股票交易數量也使用包含一系列因素、信息和變量的算法來處理交易。而深度學習、機器學習和其他人工智能工具也有助于組織更加了解客戶。這其中包括可以衡量消費者何時進入汽車貸款市場或考慮更換銀行的預測分析工具。
(9)生命科學與醫學：人工智能利用算法
生命科學和醫學中存在許多人工智能用例。研究人員和醫療保健提供商越來越多地使用機器學習、深度學習和其他類型的人工智能來挖掘數據，并使用分析技術，幫助醫療服務提供者更有效地治療風險群體。制藥公司和生物醫學設備制造商正在利用人工智能來開發能夠生產更有效的藥物、智能假肢、機器人手術系統和虛擬現實應用的算法，以幫助治療抑郁癥和創傷后應激障礙(PTSD)等疾病。
(10)智能城市：人工智能優化大量功能
人工智能算法正在成為智能城市計劃的一個組成部分，旨在實現自動化和改進各種活動和運營。除此之外，它們還有助于確定如何運營交通系統，優化發電廠和公用設施，監督執法功能，以及控制一系列其他功能。隨著政府部門部署物聯網的傳感器和其他設備，以及部署高級分析，智能城市的人工智能用例正在增長。
京公網安備 11010502049343號