人工智能和機(jī)器學(xué)習(xí)已經(jīng)為黃金時(shí)間做好了準(zhǔn)備，并且現(xiàn)在已經(jīng)由工業(yè)物聯(lián)網(wǎng)支持，為制造商和工業(yè)設(shè)備制造商提供了利用豐富信息流的潛力，以進(jìn)行從提高視覺檢查的一致性和質(zhì)量到獲得對(duì)操作的關(guān)鍵見解的一切工作。

　　人工智能已經(jīng)成為一個(gè)流行詞匯，并包含各種各樣的寄望和承諾。但實(shí)踐中人們卻常常發(fā)現(xiàn)它十分棘手，在現(xiàn)實(shí)運(yùn)用中難以達(dá)到預(yù)期目標(biāo)。這使得許多業(yè)內(nèi)人士對(duì)人工智能心存疑慮。

　　事實(shí)是，許多企業(yè)需要數(shù)年的時(shí)間才能認(rèn)識(shí)到人工智能和機(jī)器學(xué)習(xí)的真正潛力，但現(xiàn)在需要為人工智能驅(qū)動(dòng)的未來(lái)打下基礎(chǔ)。事實(shí)上，如果企業(yè)開始采用人工智能戰(zhàn)略，那么可能在行業(yè)競(jìng)爭(zhēng)中領(lǐng)先一步。所以在企業(yè)開始使用人工智能和機(jī)器學(xué)習(xí)時(shí)，需要考慮五個(gè)要點(diǎn)。

　　提出正確的問題

　　當(dāng)涉及到面向未來(lái)的數(shù)據(jù)策略時(shí)，企業(yè)需要考慮四件事：組織內(nèi)部有哪些可用數(shù)據(jù)?需要從外部獲取哪些數(shù)據(jù)來(lái)推動(dòng)差異化?企業(yè)的數(shù)據(jù)是否可用機(jī)器學(xué)習(xí)和人工智能隨時(shí)可用的方式提供?也許是最重要的一點(diǎn)：在哪里可以提高業(yè)務(wù)技能?采用數(shù)據(jù)科學(xué)和人工智能技術(shù)需要什么，以及IT部門可以管理什么?這些問題的答案應(yīng)作為企業(yè)策略的基礎(chǔ)。

　　采用多年使用的方法

　　人工智能/機(jī)器學(xué)習(xí)的成功實(shí)施并非一蹴而就。明智的企業(yè)對(duì)數(shù)據(jù)獲取和策略采用了多年使用的方法，重點(diǎn)是編譯來(lái)自不同來(lái)源和孤島的數(shù)據(jù)(通常圍繞卓越中心建立)，并通過(guò)適當(dāng)?shù)募夹g(shù)和人員來(lái)奠定基礎(chǔ)。同時(shí)，這些組織希望借助AWS、Microsoft等公司的基于云計(jì)算的產(chǎn)品來(lái)創(chuàng)建中間數(shù)據(jù)存儲(chǔ)，以隨著策略的發(fā)展而支持各種用例。

　　創(chuàng)新，有的放矢

　　成功的人工智能和機(jī)器學(xué)習(xí)計(jì)劃的關(guān)鍵是找到合適的合作伙伴，并采用經(jīng)過(guò)驗(yàn)證的解決方案。一種較好的方法就是從已經(jīng)成功采用人工智能的其他領(lǐng)域中借鑒經(jīng)驗(yàn)。例如，有些B2C公司已經(jīng)開始使用人工智能來(lái)跟蹤客戶的興趣和需求。這個(gè)過(guò)程尚處于起步階段，但它證明了人工智能/機(jī)器學(xué)習(xí)技術(shù)對(duì)工業(yè)環(huán)境的吸引力。例如，通過(guò)對(duì)控件和制造設(shè)備進(jìn)行預(yù)測(cè)性資產(chǎn)分析，然后將這些知識(shí)推廣到制造環(huán)境中，將可以為流程設(shè)計(jì)帶來(lái)重大創(chuàng)新。

　　人工智能和機(jī)器學(xué)習(xí)可以通過(guò)對(duì)機(jī)器操作分析提供詳細(xì)、實(shí)時(shí)的業(yè)務(wù)洞察，這種新的手段能發(fā)現(xiàn)新的洞見，這是在缺乏統(tǒng)一數(shù)據(jù)的條件下無(wú)法實(shí)現(xiàn)的。

　　如今，人工智能和機(jī)器學(xué)習(xí)在制造業(yè)中變得越來(lái)越受歡迎，一些高級(jí)運(yùn)營(yíng)分析通常都采用人工智能技術(shù)。許多企業(yè)正在采用這些技術(shù)并將其應(yīng)用到運(yùn)營(yíng)支出分析中，以了解在何處可以節(jié)省成本。所有企業(yè)都希望盡可能節(jié)約支出，而人工智能讓這一切成為可能。這些企業(yè)通常會(huì)積極繼續(xù)投資更多數(shù)字化技術(shù)。成功部署人工智能或機(jī)器學(xué)習(xí)技術(shù)可以顯著降低運(yùn)營(yíng)支出，并進(jìn)一步推動(dòng)整個(gè)企業(yè)的數(shù)字化轉(zhuǎn)型。

　　縮小技能差距

　　不論技術(shù)水平如何，對(duì)于數(shù)據(jù)工作者的需求都越來(lái)越大，他們需要更多地處理數(shù)據(jù)，并且企業(yè)需要尋找提高技能的方法，以可理解和透明的方式構(gòu)建模型，并彌合整個(gè)組織的技能差距。由于人工智能數(shù)據(jù)設(shè)計(jì)需要“數(shù)據(jù)說(shuō)話”來(lái)幫助構(gòu)建工作流程，因此組織必須實(shí)施諸如增強(qiáng)分析之類的技術(shù)，以使數(shù)據(jù)準(zhǔn)備、洞察發(fā)現(xiàn)和數(shù)據(jù)科學(xué)(即autoML)自動(dòng)化，同時(shí)與人工智能知識(shí)較少的工作人員進(jìn)行通信。

　　建立多學(xué)科團(tuán)隊(duì)

　　由人工智能專家、數(shù)據(jù)科學(xué)家和業(yè)務(wù)分析師組成的多元化團(tuán)隊(duì)提出一種更全面的人工智能/機(jī)器學(xué)習(xí)建模方法，因?yàn)檎麄€(gè)項(xiàng)目包括數(shù)據(jù)收集過(guò)程，一直到數(shù)據(jù)挖掘活動(dòng)、機(jī)器學(xué)習(xí)和自動(dòng)化。那些能夠參與數(shù)據(jù)收集、處理和培訓(xùn)的人員將能夠優(yōu)化他們對(duì)組織的貢獻(xiàn)，并提高他們個(gè)人或公司實(shí)現(xiàn)目標(biāo)的能力。

　　人工智能、機(jī)器學(xué)習(xí)和預(yù)測(cè)性維護(hù)技術(shù)使在生產(chǎn)線中建立新的連接成為可能，從而可以針對(duì)未來(lái)的運(yùn)營(yíng)提供新的洞見和建議。

　　現(xiàn)在正是企業(yè)利用這項(xiàng)創(chuàng)新技術(shù)提高整個(gè)生產(chǎn)周期透明度的大好時(shí)機(jī)--開發(fā)新的方法來(lái)增加產(chǎn)能，加快產(chǎn)品產(chǎn)出速度，并削減運(yùn)營(yíng)成本和資本支出。這是一個(gè)充滿機(jī)遇的時(shí)刻。