人工智能開始落到實處

Beth+Stackpole+Charles

新工具和數(shù)據(jù)財富促使首席信息官們轉(zhuǎn)而采用神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)來獲得真實結(jié)果。本文介紹了2017年度百佳首席信息官中的6位怎樣讓人工智能開始工作。

就像長篇科幻小說和暑期大片中所描述的那樣，人工智能和機器學(xué)習(xí)迅速成為企業(yè)的主導(dǎo)力量，幫助各行各業(yè)的企業(yè)實現(xiàn)業(yè)務(wù)轉(zhuǎn)型，改進客戶體驗，開拓新的收入機會。

2017年度100位最佳首席信息官中的很多人已經(jīng)開始了試驗人工智能和機器學(xué)習(xí)項目，以自己的方式建立預(yù)測模型和開放平臺，向顧問進行咨詢，ERP和CRM等核心企業(yè)系統(tǒng)越來越多的采用了人工智能新技術(shù)。在各個行業(yè)中，這一勢頭非常明顯——國際數(shù)據(jù)公司預(yù)測，全球認知和人工智能系統(tǒng)收入2017年將攀升至125億美元，比2016年增長了59.3%。展望未來，IDC預(yù)計，企業(yè)在認知和人工智能解決方案方面的投入將穩(wěn)步增長，2020年前，復(fù)合年增長率（CAGR）達到54.4%，屆時收入將達到460億美元以上。

IDC認知和人工智能系統(tǒng)研究主任David Schubmehl指出，人工智能的確不是什么新東西，它至少已經(jīng)存在幾十年了，該技術(shù)之所以今年開始迅速發(fā)展，是因為相對廉價的使用基于云的計算和存儲能力、幾乎無限的數(shù)據(jù)財富，以及新工具，所有這些因素使得它更加大眾化，而不只是被研究科學(xué)家用于開發(fā)復(fù)雜的算法。他說：“所有這些都為人工智能的茁壯成長創(chuàng)造了肥沃的土壤?！?/p>

事實上，Schubmehl說，人工智能和認知系統(tǒng)已經(jīng)扎根于銀行和金融行業(yè)，能夠更好的檢測欺詐行為，在零售行業(yè)中，用于個性化定制和推薦產(chǎn)品，在制造業(yè)中從事預(yù)測性維護等工作。同時，人工智能還應(yīng)用于企業(yè)軟件平臺，為營銷活動策劃提供建議，實現(xiàn)軟件更新和網(wǎng)絡(luò)監(jiān)控等自動后臺功能，幫助IT們從耗時的日常維護工作中解脫出來，把精力放在增值工作上。他解釋說：“人工智能實際上是自動化的自動化。它的真正思想是實現(xiàn)程序和應(yīng)用的自編程，進行改進，不斷學(xué)習(xí)，提出建議和預(yù)測?！?/p>

Schubmehl說，IT企業(yè)已經(jīng)開始思考人工智能的應(yīng)用，在業(yè)務(wù)線上尋找可能的應(yīng)用情形和試點項目。他補充說，他們也應(yīng)該評估他們目前合作的軟件供應(yīng)商，以確定這些廠商的產(chǎn)品路線圖中含有人工智能和認知功能。

同時，Schubmehl提醒說，首席信息官們還應(yīng)該以批判性的眼光來看待人工智能和認知功能。他說，隨著企業(yè)的發(fā)展，數(shù)據(jù)質(zhì)量成為一個大問題，隱私也是如此。例如，如果您根據(jù)糟糕的數(shù)據(jù)或者未加保護的信息，向客戶提供預(yù)測或者建議，那么企業(yè)將不可避免地面臨風(fēng)險。

他解釋說：“開展應(yīng)用是應(yīng)該的，但一定要知道對企業(yè)有哪些積極的影響，有哪些潛在的風(fēng)險和責(zé)任?？紤]是否需要數(shù)據(jù)質(zhì)量或者數(shù)據(jù)整合計劃，以便在開展人工智能項目之前進一步提高數(shù)據(jù)質(zhì)量。所有這一切都不是憑空完成的?！?/p>

請深入閱讀，了解2017年度100位最佳首席信息官中的6位是怎樣通過投入人工智能和機器學(xué)習(xí)而實現(xiàn)企業(yè)轉(zhuǎn)型的。

俄克拉何馬大學(xué)加強學(xué)習(xí)和教育，提高學(xué)生在學(xué)率

提高學(xué)生在學(xué)率一直是大學(xué)棘手的難題——而這是評判大學(xué)的關(guān)鍵標準之一。未來幾年新生在學(xué)率一定要達到92%，俄克拉何馬大學(xué)決定加強人工智能的學(xué)習(xí)和教育，通過IBM的Watson，從幸福感和成就感兩個方面來了解學(xué)生。

Loretta Yearly，首席信息官，俄克拉何馬大學(xué)

傳統(tǒng)上，大學(xué)依靠像SAT和ACT分數(shù)這樣的參考標準和其他結(jié)構(gòu)化數(shù)據(jù)類型，包括高中GPA和數(shù)學(xué)能力，來預(yù)測學(xué)生輟學(xué)的概率。然而，這些數(shù)據(jù)點并沒有反映出全局情況，俄克拉何馬大學(xué)不得不去探索更具創(chuàng)新性的方法——特別是，利用人工智能和機器學(xué)習(xí)來分析非結(jié)構(gòu)化信息，例如，把學(xué)生入學(xué)論文納入到學(xué)生在學(xué)率分析中。

與IBM合作，俄克拉何馬大學(xué)的IT部門和數(shù)據(jù)科學(xué)團隊通過Watson的情緒分析功能梳理了入學(xué)論文，進行深度分析，以找出導(dǎo)致學(xué)生有可能輟學(xué)的相關(guān)因素。他們的主要發(fā)現(xiàn)是：據(jù)俄克拉何馬大學(xué)業(yè)務(wù)分析主任Glenn Hansen，入學(xué)論文中表達出悲傷情緒的學(xué)生在新生第一年后更有可能退學(xué)。

Hansen解釋說：“我們使用Watson的開放API來研究論文中大量的非結(jié)構(gòu)化數(shù)據(jù)，從中得到了學(xué)生的寶貴信息，如果我們逐篇的閱讀這些文章，會很難做到這一點。分析過程所發(fā)揮的作用遠遠高于人類，能夠把我們學(xué)生的數(shù)據(jù)匯集起來，幫助我們理解哪里會有特征數(shù)據(jù)產(chǎn)生?！?/p>

掌握了這方面的信息后，俄克拉何馬大學(xué)現(xiàn)在能夠提前發(fā)現(xiàn)——更重要的是，幫助那些可能出現(xiàn)問題的學(xué)生，而不是在學(xué)生不去上課或者輟學(xué)后才發(fā)現(xiàn)問題。他說，例如，大學(xué)已經(jīng)開展了咨詢服務(wù)，其中除了傳統(tǒng)的選課指導(dǎo)，還有更多的生活指導(dǎo)，以及其他的實踐方法。

大學(xué)把深度分析應(yīng)用于實踐行動中，而這是部署人工智能時面臨的一大挑戰(zhàn)。俄克拉何馬大學(xué)技術(shù)發(fā)展副總裁助理Eddie Huetsch說：“知識固然重要，但如果沒有可操作的程序與學(xué)生溝通，讓他們覺得有所不同，那真的是什么也沒有做成。分析只是一個起點?！?/p>

自從2016年初啟動IBM Watson學(xué)生保留計劃以來，俄克拉何馬大學(xué)新生在學(xué)率2015秋季為86.1%，而一年后上升到了90.4%，該大學(xué)正在穩(wěn)步向其最高在學(xué)率目標邁進。Hansen說：“其實一切都體現(xiàn)在算法的價值上。這對我們來說并不是一個新領(lǐng)域，但我們要使其全面開放，使用結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)為在校學(xué)生提供更好的個性化體驗。”

Wheels駕乘之趣

任何非常有誘惑的尖端技術(shù)，特別是像機器學(xué)習(xí)和人工智能這樣有些過熱的技術(shù)，總會有些負面的東西，讓人們擔(dān)心以后會影響業(yè)務(wù)。

Brian Chau，首席創(chuàng)新官，Wheels

而車隊管理解決方案的領(lǐng)先供應(yīng)商Wheels不是這樣。該公司并沒有在機器學(xué)習(xí)和人工智能方面開展試驗性的項目，而是等待直到出現(xiàn)了一個戰(zhàn)略性的商業(yè)應(yīng)用，直接迎接挑戰(zhàn)，利用新技術(shù)來啟動鄰近服務(wù)，幫助公司更好地管理和控制與個人車輛報銷相關(guān)的成本。該公司的首席創(chuàng)新官Brian Chau解釋說：“我們并不是放棄技術(shù)，然后專注于可能實現(xiàn)的工作，而是找到一個非常好的業(yè)務(wù)問題，去解決它。endprint

對于Wheels，這一業(yè)務(wù)問題與很多客戶面臨的難題有關(guān)，即他們想有效地解決員工在工作中使用個人車輛的報銷問題。Wheels的主要業(yè)務(wù)涉及管理公司車隊，越來越多的客戶（還有潛在的新市場領(lǐng)域）需要經(jīng)常性的報銷員工使用個人車輛的費用，但由于缺少對保險和維修的監(jiān)管，這同時也帶來了一定的風(fēng)險。Wheels的首席信息官Tim O'Hara說：“我們越深入了解報銷情況，就越發(fā)認識到，這不僅僅是成本管理問題，我們覺得有機會發(fā)揮我們的作用。我們認為，除了幫助客戶管理成本，我們還有很多用武之地，包括風(fēng)險管理——不僅是針對司機，更重要的是公司的聲譽?！?/p>

Tim O'Hara，首席信息官，Wheels

確定了業(yè)務(wù)應(yīng)用后，Wheels建立了一個“偽臭鼬工廠”，去挖掘開發(fā)解決方案，包括使用機器學(xué)習(xí)和模式匹配算法來創(chuàng)建一個評級引擎，查詢市場信息和專用車隊成本指標，根據(jù)司機位置和其他相關(guān)因素，為他們確定合理的報銷費率。OHara說，一般情況下，公司使用美國國稅局的最大費率為員工使用個人車輛進行報銷，這意味著公司可能多付費，沒有真正的好方法來控制員工所提交的報銷費用。

采用了去年推出的Wheels報銷解決方案后，從司機里程記錄中得出一種算法，確定是否正確的記錄了業(yè)務(wù)里程，還是應(yīng)進一步調(diào)查。此外，采用了模式匹配算法，根據(jù)郵政編碼，為每名司機每一當(dāng)?shù)厥袌龃_定了公平的市場成本，并能反映出任何的市場變化。還有一個手機應(yīng)用程序，利用電話的GPS和加速度計功能，幫助司機滿足美國國稅局的出差記錄要求。

這兩種基于人工智能的算法是使用R語言神經(jīng)網(wǎng)絡(luò)和Wheels私有數(shù)據(jù)源開發(fā)的，例如，來自美國各地30萬名司機的加油記錄，以及超過50萬輛托管車輛的車輛維修歷史記錄等。還考慮了美國每個地區(qū)的保險市場利率。Brien Chau說，Wheels如果不使用機器學(xué)習(xí)和人工智能也可以拼湊出一個解決方案，但過程會非常復(fù)雜，結(jié)果和現(xiàn)在完全不一樣。他解釋說：“數(shù)據(jù)是如此的復(fù)雜……當(dāng)司機調(diào)查當(dāng)?shù)厥袌鰰r，我們一定要讓他們看到報銷是公平合理的?！?/p>

雖然基于人工智能的系統(tǒng)已經(jīng)幫助一些客戶大幅度降低了報銷的業(yè)務(wù)成本，并為Wheels開辟了一條新的收入來源，但該公司仍然還在隨著項目進展而不斷學(xué)習(xí)。有一件事是肯定的——那就是找到能夠應(yīng)用技術(shù)解決實際業(yè)務(wù)問題的人才。

Chau說：“我們最稀缺的人才應(yīng)能夠很好的理解業(yè)務(wù)，知道什么最重要，把技術(shù)組合起來應(yīng)用，完成項目?！?/p>

Merck在MANTIS的幫助下，深度分析驅(qū)動的業(yè)務(wù)實現(xiàn)飛躍

和許多公司一樣，Merck公司也利用數(shù)據(jù)推動創(chuàng)新，增強競爭優(yōu)勢，開創(chuàng)嶄新的未來。雖然不缺原始數(shù)據(jù)資源，但挑戰(zhàn)在于怎樣準確的找出合適的數(shù)據(jù)，利用數(shù)據(jù)讓企業(yè)真正受益。

Michele D'Alessandro，制造IT副總裁兼首席信息官，Merck

數(shù)十家，甚至數(shù)百家Merck公司的工廠、實驗室、分銷中心和規(guī)劃系統(tǒng)不斷地制造出大量的數(shù)據(jù)，而制藥公司各部門的數(shù)據(jù)科學(xué)家們一項艱難的工作是獲取自己所需的信息，進行深度分析，得出報告。據(jù)Merck公司制造IT副總裁兼首席信息官Michele D'Alessandro，高薪聘請的專家們60%的時間都花在收集用于分析的相關(guān)數(shù)據(jù)上，而不是把這些寶貴的時間用在實際數(shù)據(jù)研究和深度挖掘分析上。

D'Alessandro解釋說：“我們想能夠在線訪問信息，但現(xiàn)在還做不到，我們的前提是，我們有積累了多年的數(shù)據(jù)，但并不了解這些數(shù)據(jù)，所以我們不知道能從中得到什么?！?/p>

2015年年底，Merck打算開展制造分析智能（MANTIS）項目，以改變現(xiàn)狀，該項目利用現(xiàn)代數(shù)據(jù)倉庫技術(shù)，為制造商提供其運營的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，使Merck逐漸成為由深度分析驅(qū)動的企業(yè)。MANTIS建立在Hadoop架構(gòu)上，創(chuàng)建了各個業(yè)務(wù)點的歷史和實時數(shù)據(jù)的“數(shù)據(jù)湖”，包括內(nèi)部事務(wù)數(shù)據(jù)、外部供應(yīng)商數(shù)據(jù)，以及文檔和電子郵件等非結(jié)構(gòu)化數(shù)據(jù)。D'Alessandro解釋說，MANTIS在標準信息模型基礎(chǔ)上提供了協(xié)調(diào)數(shù)據(jù)，以及非協(xié)調(diào)數(shù)據(jù)，即原始數(shù)據(jù)，這些信息模型包括客戶訂單、庫存水平等，其關(guān)鍵的不同點是，它不斷地獲取以前未連接的異構(gòu)數(shù)據(jù)，我們不必再耗費時間和精力去響應(yīng)每一業(yè)務(wù)請求。

她說：“MANTIS明顯增強了我們的分析能力，以前只有經(jīng)過幾個月的數(shù)據(jù)映射和接口處理后才能具備部分分析能力，而且只能應(yīng)用于很少的業(yè)務(wù)數(shù)據(jù)?！彼^續(xù)補充說，在企業(yè)應(yīng)用程序商店中還有一系列基于用戶角色的分析工具。

現(xiàn)在，Merck公司發(fā)現(xiàn)其分析項目相關(guān)的時間和成本減少了45%。今后，D'Alessandro預(yù)計由于增加了機器學(xué)習(xí)和人工智能，結(jié)果會更好，進行更準確的預(yù)測深度分析——從優(yōu)化公司藥物生產(chǎn)效率，直至提高性能等各個方面。D'Alessandro說：“從競爭優(yōu)勢的角度來看，這就是MANTIS能真正發(fā)揮作用的原因所在?！?/p>

雖然這項技術(shù)讓更多的人能夠使用數(shù)據(jù)深度分析，但的確還有一些與文化和企業(yè)相關(guān)的障礙，使得用戶群還不能從數(shù)據(jù)中獲取更大的價值。她說，這類計劃要想成功，培訓(xùn)、全公司的教育活動，以及正式的數(shù)據(jù)管理項目等都是必不可少的基礎(chǔ)——特別是要引入讓系統(tǒng)越來越智能的機器學(xué)習(xí)和人工智能等技術(shù)。她解釋說：“人們應(yīng)該把數(shù)據(jù)看成是一種資產(chǎn)，絕不是一次性的資產(chǎn)。人們需要接受指導(dǎo)，意識到數(shù)據(jù)與公司其他資產(chǎn)一樣，都是永久資產(chǎn)?！?/p>

數(shù)字助理成為JPL科學(xué)家們的應(yīng)答教練

地球以外存在生命嗎？1985年至2017年期間，雷達的主要發(fā)展趨勢是什么？光年旅行對材料特性和零部件有什么影響？

Tom Soderstrom，IT首席技術(shù)和創(chuàng)新官，JPL

噴氣推進實驗室（JPL）的科學(xué)家和工程師們花了無數(shù)的時間，以人工的方式去篩選拍字節(jié)的數(shù)據(jù)并進行研究，力圖發(fā)現(xiàn)那些隱藏很深的數(shù)據(jù)點，以便指導(dǎo)未來的太空任務(wù)，或者幫助搜尋太空生命——這些似乎都是不可能的問題。同時，JPL員工投入了數(shù)千小時的時間去尋找各種材料，為的是能一直滿足合規(guī)審計要求，準備會議報告——不得不從宏偉的研究中抽出時間來干這些工作。endprint

Jim Rinaldi，首席信息官，JPL

JPL首席技術(shù)和創(chuàng)新官Tomas Soderstrom說：“人們總是試圖找到答案，但數(shù)據(jù)是在不同的地方，也沒有完全聯(lián)網(wǎng)。需要很長的學(xué)習(xí)周期才能發(fā)現(xiàn)有哪些數(shù)據(jù)，哪些是相關(guān)的，一旦發(fā)現(xiàn)了數(shù)據(jù)，人們不會一直去訪問這些數(shù)據(jù)——如此的繁瑣有可能導(dǎo)致人們失去工作動力?！?/p>

隨著人工智能和機器學(xué)習(xí)變得更容易使用，Soderstrom和團隊在深度分析上進行訓(xùn)練，利用技術(shù)來幫助進行“大海撈針”式的搜索，再也不必手工搜索了。Soderstrom解釋說，使用神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)，彈性搜索和圖形數(shù)據(jù)庫等新技術(shù)，JPL團隊建立了ADRE（高級數(shù)字研究資源管理器）環(huán)境感知平臺，作為自動數(shù)字助理，主動抓取JPL大量的結(jié)構(gòu)化和非結(jié)構(gòu)化文檔，以及視頻、圖像、數(shù)據(jù)庫和其他類型的數(shù)據(jù)。

Soderstrom解釋說：“現(xiàn)在有2千萬份非結(jié)構(gòu)化的文本文件，預(yù)計未來幾年數(shù)據(jù)量會增長1000倍，不可能以人工方式去搜索數(shù)據(jù)?！?/p>

去年發(fā)布的ADRE是由JPL的IT團隊自己開發(fā)的，使用了Docker和GitHub Enterprise等敏捷方法和開源工具。Soderstrom說，同時還設(shè)計了一個API，可以部署在任何背景的系統(tǒng)中，支持各種用戶界面，包括觸摸屏和智能眼鏡等。他補充說，JPL一直在不斷努力，發(fā)展多種能力，包括最近利用語音技術(shù)讓用戶體驗更為直觀。

ADRE提供了發(fā)現(xiàn)數(shù)據(jù)的新方法，已經(jīng)幫助JPL的關(guān)鍵部門找到相關(guān)材料，而這是其他方法很難做到的，還能夠更嚴密的滿足合規(guī)和安全標準要求，節(jié)省了費力的手工搜索時間。由于減少了人工操作，不再需要一些商業(yè)軟件許可，還發(fā)揮了數(shù)據(jù)重用的優(yōu)勢，Soderstrom的團隊預(yù)計今后兩年將節(jié)約2百萬美元成本。

他說：“大海撈針是真正的動力來源。ADRE就像是一個智能的研究助理，為您的工作著想，幫助您作出更好的決策?！?/p>

Simple Tire加強預(yù)測分析

人工智能和預(yù)測分析強有力的組合幫助Simple Tire重新評估和重新分配其營銷開支。技術(shù)創(chuàng)新的另一個好處是把IT重新定位為業(yè)務(wù)部門的戰(zhàn)略合作伙伴，而不是被動的命令接受者和執(zhí)行者。

Das Chiranjoy，首席信息官，Simple Tire

據(jù)Simple Tire的首席信息官Das Chiranjoy，在認識到營銷沒有一種好方法來評估其各個渠道的交付之后，公司開始嘗試人工智能商業(yè)智能框架這一想法。感覺到IT有機會促進業(yè)務(wù)發(fā)展，IT部門啟動了試點項目，旨在探索先進的預(yù)測分析技術(shù)怎樣幫助企業(yè)更好地分配營銷費用，確定哪些渠道和活動是最有用的，預(yù)測哪些營銷線索能夠帶來質(zhì)量更高的營銷。他解釋說：“我們有數(shù)據(jù)——我們所做的只是對其進行適當(dāng)?shù)姆治?，然后我們可以告訴他們哪些渠道做得好，哪些不好。我的目標之一是把IT定位為業(yè)務(wù)的驅(qū)動力量，這是一個機會。”

采用IBM Watson和Alchemy進行了試驗，并咨詢了Gartner分析師，Chiranjoy對結(jié)果并不滿意，因此，IT部門使用Azure機器學(xué)習(xí)和RapidMiner，開始自己建立預(yù)測模型。IT部門收集的數(shù)據(jù)有各種來源，包括CRM、ERP和銷售點（POS）系統(tǒng)，以及一個電子商務(wù)數(shù)據(jù)庫，這一數(shù)據(jù)庫收集客戶的采購方式、人口信息以及市場營銷活動的反應(yīng)。他還解釋說，還有來自不同社交媒體渠道的非結(jié)構(gòu)化數(shù)據(jù)，用于進一步解釋消費者情緒及其對未來購買行為的影響。

該項目產(chǎn)生了深度分析結(jié)果，幫助營銷部門確定哪些渠道能帶來更好的線索。Chiranjoy說，該項目的兩個階段將利用預(yù)測模型來確定有可能再次開展業(yè)務(wù)的客戶，支持業(yè)務(wù)部門為有可能流失的客戶群創(chuàng)建和定制有針對性的措施，盡可能留住他們。他解釋說：“針對數(shù)據(jù)進行持續(xù)不斷的培訓(xùn)和監(jiān)督學(xué)習(xí)，為持續(xù)的過程改進周期奠定了基礎(chǔ)，從而進一步改善了我們的運營結(jié)果?！?/p>

Chiranjoy說，人工智能和機器學(xué)習(xí)改變了游戲規(guī)則，因為這些技術(shù)不同于以診斷報告為主的傳統(tǒng)分析技術(shù)，它使得我們能夠預(yù)測未來。他說：“以前，只有事情發(fā)生了，我們才去查看數(shù)據(jù)?，F(xiàn)在，我們可以確定未來將發(fā)生什么——這些模型不僅告訴我們發(fā)生了什么，而且我們還能夠知道今后應(yīng)采取什么行動?！?/p>

RR Donnelley加速貨運成本引擎

在競爭非常激勵的物流行業(yè)中，快速準確的報價是贏得業(yè)務(wù)的關(guān)鍵。然而對于RR Donnelley，一個移動目標存在很多變化因素，因此，并不總是能絕對精確的及時掌握目標的信息。

Ken O'Brien，執(zhí)行副總裁兼首席信息官，RR Donnelley

RR Donnelley公司執(zhí)行副總裁兼首席信息官Ken O'Brien說，傳統(tǒng)上，銷售部門通過梳理歷史數(shù)據(jù)來進行報價，但人工操作過程費時費力，銷售人員往往會處理所有可能的變化因素，而這會削弱他們在成本上的競爭力。他解釋說：“油價、運輸成本，甚至當(dāng)?shù)靥鞖夂湍骋坏貐^(qū)的政治環(huán)境等都有可能導(dǎo)致貨運費率發(fā)生變化。如果您不能很好地把握這些變化因素，那就必須對沖費率。我們希望能夠很快地提供非常準確的費率，這樣我們對交付給的客戶東西就更有信心了?！?/p>

這種信心源自RR Donnelley采用機器學(xué)習(xí)和認知計算功能開發(fā)的一個新的貨運費率引擎模型。歷經(jīng)一年的開發(fā)，該貨運引擎于2016年10月推出，融合實時數(shù)據(jù)和歷史數(shù)據(jù)來創(chuàng)建一個復(fù)雜的多變量模型，能夠非常準確可靠的預(yù)測七天的貨運費率。O'Brien說，機器學(xué)習(xí)平臺，結(jié)合R編程語言創(chuàng)建的多變量模型，隨著時間的推移不斷進行學(xué)習(xí)，不斷提高，得到的費率引擎滿足了RR Donnelley的速度和準確度要求。

他補充說，特別是，與以前的30分鐘手動報價過程相比，該模型能夠即時報價，已被證明其準確度是業(yè)界平均水平的7.5倍。他說：“能夠及時給我們的客戶報價是非常重要的優(yōu)勢，因為具備了這種預(yù)測能力，所以我們不用自己去定價?！?/p>

O'Brien說，雖然在這一過程中存在著常見的技術(shù)問題，但最大的挑戰(zhàn)是在文化方面，使企業(yè)不再依賴經(jīng)驗和感覺來進行評估，轉(zhuǎn)而采用數(shù)據(jù)驅(qū)動的過程。IT和業(yè)務(wù)線之間的緊密合作有助于確定預(yù)期，讓企業(yè)充分信任和接受人工智能。

O'Brien說：“最終是放棄老方法，讓數(shù)據(jù)去工作。最大的挑戰(zhàn)是首次一定要成功——一旦成功了，前途就會一片光明，所有人都會受益，利用工具集取得類似的勝利。”endprint