人工智能的應用如今可能在人們意想不到的地方出現。如果企業在市場上購買各種人工智能軟件，那么肯定會遇到聲稱其產品具有人工智能(AI)功能的供應商。當然，其中一些說法不過是一種營銷措施。然而在許多情況下，軟件制造商確實在整合分析、視覺、自然語言或其他值得貼上人工智能標簽的相關領域的新功能。

調研機構IDC公司市場研究人員甚至聲稱人工智能是人們工作和生活中不可或缺的技術。該公司表示，到2025年，至少90%的新企業應用程序將嵌入人工智能功能。

同樣，Omdia和Tractica公司也預測，全球人工智能軟件收入將從2018年的101億美元上升到2025年的1260億美元，這在很大程度上是由深度學習技術的進步推動的。并聲稱，全球市場已經進入了一個新時代，而在這個時代中，人工智能被視為推動質量、效率和速度改進的關鍵技術。

IDC公司的Frank Gens在調查報告中更強烈地表達了同樣的想法。他說：“人工智能技術對于企業在未來幾十年內創造新產品和服務、新的客戶體驗、新的經營方式的重要性和影響怎么說都不為過。到2025年，我們希望看到企業使用人工智能和人工智能主導的應用程序，通過縮短響應時間、在產品創新方面取得更大成功，以及提高客戶滿意度來獲得競爭優勢。”

對人工智能重要性的認識促使許多企業軟件購買者尋找具有人工智能的應用程序。當然，供應商也很快提供這樣的產品和服務。

在某些情況下，供應商已將基于機器學習的功能整合到現有軟件中。在其他情況下，初創公司則采用“人工智能優先”的方法，開發采用人工智能技術的全新軟件。在這兩種情況下，人工智能功能都使企業能夠以新的方式做新的事情。

以下重點介紹了人工智能當前正在轉變企業軟件的10種方式，并指出了企業使用人工智能的下一步發展方向。

1. 簡化數據準備

人工智能和分析項目都有一個共同點：對獲得更多數據的欲望。為了處理和清理這些數據，以便它能夠為這些分析和人工智能系統提供信息，這是一項巨大的工作——人工智能正在使這項工作變得更簡單。Unifi Software(現在由Boomi公司擁有)、Paxata(現在由DataRobot公司擁有)、Alation、Trifacta、Io Tahoe等供應商提供數據準備和數據編目工具，這些工具既依賴于機器學習，也支持機器學習。諸如此類的工具通常為在企業其他領域實施人工智能邁出了第一步。

2. 保護企業網絡

網絡攻擊者和企業安全團隊一直在尋找新的方法以戰勝對方。企業庫中一些較新的工具是集成了機器學習功能以實時檢測全新類型威脅的應用程序。其供應商包括Darktrace、BlackBerry Cylance、Tessian等公司。其中許多工具使用機器學習技術來發現網絡流量、電子郵件或用戶活動中的異常。因此，即使網絡攻擊不同于人們以前見過的攻擊，他們也能夠確定何時發生網絡攻擊，并有可能阻止或減輕網絡攻擊。

3. 通過AIOps轉變IT運營

很多人了解DevOps，也可能了解其一些變體，例如DevSecOps、NoOps、NetOps或DataOps。AIOps是DevOps主題的最新變體之一，它有可能成為最具變革性的一個。

DevOps支持自動化以幫助簡化IT運營，而AIOps則更進一步。它在IT運營數據上運行機器學習算法，以發現可優化和增強這些運營的見解。在某些情況下，他們還可以根據這些見解自動采取行動，從而使IT人員可以監督比其他方式規模更大的IT環境。出售AIOps解決方案的公司包括BMC、Splunk、IBM、Broadcom等公司。

4. 處理極其復雜的文檔

數十年來，很多企業一直在使用光學字符識別(OCR)系統從模板化文檔中提取數據。在以往，這些措施僅適用于遵循嚴格格式的文檔。如今，采用更先進的人工智能系統可以查看任何文檔，并找出文檔中的重要信息。例如，企業可以向這些人工智能系統提供來自不同供應商的發票，所有這些供應商都具有不同的布局，并且人工智能可以確定發票的來源、付款金額、到期日期等。在該領域擁有產品的公司包括Element AI、Google Cloud、UiPath等。

5.了解對話中的自然語言

很多人也聽說過聊天機器人(并且可能已與之互動)，因此自然語言處理(NLP)功能似乎并不是什么新鮮事物。但是，供應商正在繼續改善其自然語言處理(NLP)功能，并將其應用于允許企業改善其客戶服務的新用例。例如，通信軟件供應商Twilio公司擁有一個名為Media Streams的應用程序，該應用程序使用人工智能實時分析客戶服務呼叫。它不僅轉錄呼叫，還使用自然語言處理(NLP)來了解呼叫的內容并發布相關的知識庫文章，這些文章可能有助于代理商解決問題。它甚至可以根據客戶的聲音對他們進行身份驗證，并分析他們的情緒狀態。

6. 使用預先訓練的模型分析業務

人工智能的批評者指出，人工智能項目非常復雜，常常無法帶來企業領導者期望的立竿見影的效果。機器學習的本質要求建立一個模型，然后在大量數據上訓練該模型。而且，如果企業想在這一過程中取得成功，則需要明確定義的目標、經驗豐富的數據科學家、大量數據，以及充足的時間和耐心。

加快這一過程并簡化基于人工智能的分析的一個方法是使用預先訓練的模型和人工智能加速工具。越來越多的供應商已經開始為特定行業或用例提供專門的產品。

7. 評估用戶界面 (UI) /用戶體驗 (UX)

一些分析人士認為，基于人工智能的測試領域將在不久的將來蓬勃發展。其中一個已經上市銷售的工具就是Applitools。它允許企業簡化用戶界面組件的測試，而不必編寫腳本，在某些情況下，測試時間減少了75%。它的計算機視覺工具可以很容易地發現界面版本之間的差異。其他提供利用機器學習和其他人工智能功能的測試工具的供應商包括Tricentis、Cigniti、Sealights、Test.ai等。許多都是基于云計算技術，并集成到現有的DevOps或敏捷工作流中。

8. 優化供應鏈

與2020年疫情相關的影響使每個人比以往任何時候都更加了解供應鏈管理的重要性。目前，越來越多的企業正在投資于具有人工智能功能的供應鏈管理應用程序，這些應用程序可以幫助它們改進準時交貨、降低成本、預測潛在問題并從中斷中恢復。根據調研機構McKinsey公司的一項研究，在使用人工智能進行供應鏈管理的企業中，61%的企業表示降低了成本，63%的企業表示增加了收入。Oracle和SAP等傳統技術巨頭開始將人工智能和機器學習整合到自己的應用程序中，一些企業也將具有人工智能功能的商業智能平臺或分析平臺用于類似目的。

9. 實現快速創新

除了破壞供應鏈之外，冠狀病毒疫情還迫使企業進行快速創新，以適應新的工作方式，適應新的法規并利用新的機遇。例如，為企業提供現金流解決方案的金融科技供應商Kabbage公司使用人工智能來利用薪資保護計劃(PPP)提供的機會。在薪資保護計劃(PPP生效的三個月中，Kabbage的自動化系統使該公司能夠處理和批準209,000筆貸款，使其成為第三大PPP貸款人。采用這一措施是因為其人工智能系統允許它在沒有人為干預的情況下處理75%的貸款申請。

10. 計算機視覺在新問題中的應用

許多媒體都對計算機視覺研究領域進行了報道，如醫學圖像分析和自動駕駛汽車，但初創企業也將計算機視覺應用于一些企業可能沒有考慮過的任務。例如，供應商Tractable公司提供基于人工智能的工具，可以幫助保險代理商評估對車輛、房屋和企業的損害。它可以檢查索賠過程，標記似乎與最佳實踐不符的評估，甚至可以將整個損失估計過程實現自動化，以提供更快的客戶服務。

隨著人工智能技術的不斷發展和改進，需要采用更多不同類型的企業軟件來集成人工智能功能。