來源：CPDA數據分析師網 / 作者：數據君

人工智能或人工智能已不再是虛構的

它是目前在各種應用中使用的可靠技術，并且在檢測嵌入在大量數據中的模式方面顯示出了特殊的價值，預測特定客戶可能會購買的商品，識別信用卡欺詐，分析保修數據以查明質量問題，并為保險承銷商提供更準確的精算模型，圍繞AI的炒作更加強大，并且一些組織被它所吸引。這種誘惑很容易激起將技術應用到不太適合的任務的嘗試，使用AI來診斷和推薦癌癥治療計劃，最終使該組織付出了一筆巨款，卻從未被患者使用過。

cpda數據分析師

使工具與工作相匹配

然而與此同時，中心嘗試將AI用于更多日常事務，例如為患者家庭推薦旅館和飯店，他們發現，給定明確定義的問題參數，該技術產生了令人印象深刻的結果，并節省了大量員工時間，諸如更新客戶文件，更換丟失的信用卡以及從法律文件中提取準備金之類的東西都非常適合AI自動化業務流程并跨多個后端系統工作。

但是與人不同，人工智能技術相對不靈活

在IT中使用AI的問題在于它過于僵化，如果AI算法是圍繞一個公司的網絡基礎結構構建的，然后有人試圖在看似相同的公司基礎結構上使用AI算法，那么他們將感到失望，它行不通這與它學到的模式不同，甚至在IT團隊宣稱AI解決方案取得成功的情況下，也常常是因為他們錯誤地使用了該術語，人工智能與專家系統并不相同，即使專家系統可以非常智能，沒有學習算法的核心，就不是人工智能，常識不是AI的特征。

盡管如此人工智能及其基礎技術（例如神經網絡）仍具有可觀的前景-尤其是當它們不斷改進

學習并克服其當前局限性時，確實隨著時間的流逝，當今出現的許多令人屏息的AI炒作和錯誤描述完全有可能成為現實。至少就目前而言，AI可以理解為具有不同的風格，每種風格對應于不同的復雜程度。

最底層的是針對日常后臺業務流程的自動化工具

在中間的梯級上是用于通過分析獲得洞察力的系統，例如在大量數據中查找模式，識別語音或識別圖像，與業務流程機器人不同，第二梯級學會了隨著時間的推移而不斷改進，梯隊最重要的是認知參與，包括系統自動化（例如，自動擴展基礎結構和其他類型的補救措施），用于回答員工問題的內部站點以及向零售商提出的建議，以提高銷售和客戶參與度。但是他們仍然沒有那么擅長，發現其70％的客戶要求都需要人工值班人員來回答。

但是AI已經可以提供某些類型的IT用戶支持

例如，對于不擅長監控的IT團隊成員，AI可以幫助他們從噪聲中過濾掉信號，從而使他們的工作變得更加輕松和快捷，除此之外，隨著時間的流逝，AI似乎注定要成熟到可以在管理復雜的IT網絡和流量方面提供更多幫助的高強度需求，即使是非常聰明的人也很容易淹沒，但是我們還不存在，因此需要相應地調整期望值。