對于所有關于人工智能(AI)和機器學習(ML)的大肆宣傳，許多IT經理對于如何在他們的計算機系統中開始使用這些功能感到撓頭。

通常沒有好的選擇:用戴爾(Dell)和IBM等公司的新系統取代昂貴的現有硬件，或者相信那些沒有經驗的小型專家，他們可能不清楚自己的軟件到底有什么功能。

相反，獨立專家表示，在著手人工智能或機器學習項目時，最好是緩慢而具體。了解技術真正能做什么，了解你必須解決什么問題，了解實現它需要什么。這里討論了前兩部分，但是第三個方面，即實現，又如何呢?

“你要做的第一件事是弄清楚人工智能實際上能為你的公司做什么，”人工智能/ML顧問亞當·蓋特基(Adam Geitgey)說。

目前，Geitgey說，人工智能/ML軟件最有效的地方是將需要少量判斷的重復性人工任務自動化?！澳阋业氖怯泻芏嗳朔磸妥鰶Q定的地方……找一些你經常做的勞動密集型工作?！彼忉尩馈?/p>

一些例子包括在訴訟中審查民事發現文件，圖像分類，和轉錄音頻。451 Research的分析師Henry Baltazar補充說，對于內部IT功能，示例包括調優/優化數據中心操作、配置管理和系統補丁/更新。

參見:人工智能:趨勢、障礙和潛在的勝利(Tech Pro研究)

其次，對于所有這些例子，“你需要大量數據來訓練人工智能去做……如果你沒有這些數據，你就無法建立一個人工智能系統，”他指出。您可以從Amazon、谷歌和IBM購買現成的應用程序，但是如果您需要自定義的應用程序，則必須組織一個團隊來構建它。

Geitgey說:“現在很多人都雇傭專家，但是有足夠多的中級軟件開發人員對此感興趣?！薄斑@是非常不成熟的第一代產品。你可以想象，幾年后，這些工具會變得更加容易獲得和標準化，你可能不會從你的硬件供應商那里得到它們?！爆F在，“如果這是你的公司做過的第一件事，那么有指導可能會有幫助?！?/p>

Geitgey補充道:“第三步是實際創建解決方案并測試其有效性?！彼f，人們經?？吹匠笠幠５墓驹趦炔侩娔X維護操作中使用人工智能，但這對一般規模的公司來說可能效率不高。

Geitgey說，常見的錯誤包括僅僅因為AI/ML流行而想要使用它，以及在理解需要解決的問題之前就投入到軟件開發中。

為了開始收集足夠的數據來了解問題并開發足夠智能的軟件，“我總是建議告訴首席執行官和決策者，數據本身是公司的一項資產……尤其是沒有其他人擁有的東西?！彼f道?！澳阈枰蠹s1萬個數據點的東西來做一些有用的事情?！盙eitgey指出，要確保這些數據是相關的——夏季的在線銷售數據并不能幫助你的軟件預測“網絡星期一”所需的計算周期。

451的巴爾塔扎爾表示，在開發或購買AI/ML軟件之后，你還必須了解如何衡量它是否兌現了承諾。他說，目前只有不到一半的開發者知道如何做到這一點。他說，需要關注的指標包括效率的提高(如執行工作所需的員工數量減少)、IT故障單的減少以及更快的補救。

了解智能城市、人工智能、物聯網、VR、AR、機器人、無人機、自動駕駛，以及更多最酷的技術創新。