現在沒有什么比人工智能（AI）和機器學習（ML）更熱的技術了。領先的企業組織已經在利用這種模仿人類精神行為的技術來吸引客戶、促進業務運作。Gartner的數據顯示，未來幾年這一趨勢將進一步加速，到2020年人工智能和機器學習將成為超過30％的首席信息官的五大投資重點之一。

人們對人工智能和機器學習將取代工作的最初恐懼感似乎正在消失，普華永道調查的企業高管中有超過67％的人表示，人工智能將幫助人類和機器更好地協作。一些CIO們已經意識到有機會運用于他們的業務，并且正在試驗、建立甚至專利開發新的人工智能和機器學習技術，這些IT領袖們與我們分享了他們的機器學習使用案例。

人工智能幫助強化證券研究

Putnam Investments是一家共同基金、401（k）計劃、IRA和其他退休計劃的提供商，該公司首席信息官Sumedh Mehta認為，人工智能和機器學習是幫助這家金融服務公司研究分析師提高股票覆蓋率的關鍵。

分析師們與Putnam的數據科學家密切合作，撰寫了一篇關于從大量數據中獲得洞察的論文，Mehta說。Putnam也在研究一套推薦最重要銷售前景的算法。

Mehta在談到人工智能和機器學習的時候表示：“這是一個巨大的具有顛覆性和變革性的力量，整個業務驅動因素就是效率和生產力。”

Mehta依賴軟件工程師、數據科學家、分析和供應商各方的幫助，創建了一個卓越的數據科學中心，這個中心對于支持業務利益相關者的人工智能和機器學習工作來說基本上是從零開始。他說他的“開明的”商業伙伴已經采取了這些方法來實現更好的自動化。

人工智能和機器學習是Putnam廣泛的數字化轉型的一部分，這一轉型需要IT基礎設施與云計算現代化結合，創建一個單一平臺來統一運行業務。

主要建議：企業組織應該花一定的時間，設置適當的期望值，并且認識到，最開始的少數幾個想法將會帶來新的問題而不是答案。Mehta說：“就人工智能而言，沒有什么比現在更好的時機了。突然間你的算法生成了你并不知道的洞察力，事實并不是如此。”

人工智能幫助金融公司減稅

Intuit在10月份開始加速推進人工智能和機器學習，因為這家金融軟件提供商迎來了一位首席數據科學家——Ashok Srivastava。

Srivastava構建了Verizon大數據平臺之后，加入Intuit公司。Srivastava表示，Intuit正在使用AWS來幫助其QuickBooks Assistant聊天機器人更好地理解和處理自然語言。現在他們越來越關注的領域，是通過數百個通知Quickbooks的分類來引導用戶。

Srivastava補充道：“我們正在處理來自QuickBooks的超過10億筆交易，我們能夠以高精度進行分類。”

該公司的TurboTax使用人工智能來幫助用戶獲得最高的退稅，引導他們逐項完成抵稅過程，潛在地為用戶節省高達40％的報稅時間和用在搜索文檔上的精力。

Srivastava說，Intuit正在使用AWS的機器學習和云技術更快速地進行擴展。

主要建議：開發良好的算法需要吸引合適的工程人才來解決實際的業務挑戰。曾在美國宇航局艾姆斯研究中心工作的Srivastava目前正在招聘能夠使用機器學習和人工智能技術來實現公司目標的工程師。

歷史數據預測未來表現

旨在提高廣域網性能的軟件供應商Riverbed Technology公司的首席信息官Rich Hillebrecht面臨著獨特的挑戰。Hillebrecht表示，他正在測試如何使用機器學習從公司供應鏈的多個來源獲取數據，以推動獲得更好的業務洞察力。

Hillebrecht表示：“我們希望運用機器學習技術來處理更多的數據。”

例如，Riverbed可能會將訂單管理和其他ERP數據與關于天氣和其他因素的歷史數據結合起來，找到可以預測未來業績的模式。Hillebrecht說：“我們希望在下游風險方面更具有預測性，包括能力和向客戶下單的能力。”

Riverbed的其他使用案例包括使用機器學習自動調整性能配置并發現網絡安全威脅。 Hillebrecht預計未來將創建一個數據湖，從中可以獲得業務洞察力。

主要建議：針對人工智能和機器學習制定合理的戰略，需要謹慎而為。Hillebrecht表示，他正在仔細評估各種工具和技術，包括IBM Watson。

讓銀行更好地洞察客戶

像許多大型銀行一樣，美國銀行（U.S. Bank）收集了大量的客戶數據。和大多數銀行一樣，美國銀行一直在努力從這些數據中獲得可操作的洞察。美國銀行首席分析官Bill Hoffman正在努力改變這種狀況。在過去的幾個月里，他一直使用Salesforce.com的Einstein人工智能/機器學習技術來提高整個銀行的小型企業、批發商、商業財富和商業銀行業務的個性化。

例如，如果客戶在美國銀行網站上搜索了關于按揭貸款的信息，則客戶服務代理可以在下次訪問分行時跟進該客戶。這也有助于美國銀行發現人類可能看不到的模式。例如，軟件可以推薦服務代理在星期四上午10點到下午12點之間致電特定行業的潛在客戶。因為他們更有可能接聽電話。Einstein還可以在日歷上添加一個邀請，以提醒他們在下周四打電話給潛在客戶。

這種能力直達許多金融服務機構的核心。全方位培育客戶，實時推薦相關服務。Hoffman表示：“我們正在描述發生了什么或者正在發生什么，發展到將要發生什么或者應該會發生什么。核心價值是保持領先一步，預測我們的客戶需求和他們想與我們互動的渠道。”

主要建議：對人工智能和機器學習采取一種測試+學習的方法，并保持耐心。但也準備好擴展到目前所在領域之外的東西。Hoffman說：“始終以顧客為中心。要問一個問題：這將如何使客戶受益？”

機器學習消除了“苦力活”，使工作更有成效

萬事達（Mastercard）運營和技術總裁Ed McLaughlin說，機器學習“滲透到我們所做的方方面面”。萬事達使用機器學習來自動化那些重復性的、手動的任務，從而讓人類解放出來，從事增加生產力和價值的工作。McLaughlin說：“很明顯，我們已經走在了最前沿，有使工作場任務自動化的明確投資案例。”

萬事達也使用機器學習工具在整個產品和服務生態中增強變更管理。例如，機器學習工具可幫助確定哪些更改是最無風險的，哪些需要額外審查的。最后，萬事達正在使用機器學習來檢測其系統中的異常情況，看是否有黑客試圖獲得訪問權限。McLaughlin還在網絡中建立了“安全網”；當發現可疑的行為時，就會觸發保護網絡的斷路器。他說：“我們擁有欺詐評分系統，不斷地對交易進行更新并對下一筆交易進行評分。”

主要建議：就McLaughlin而言，人工智能/機器學習只是自己廣泛工具包中的一個工具。盡管市場上有很多新穎的工具，但他表示CIO們不應該期望依靠這些工具就神奇地解決業務問題。

人工智能成為產品和業務的使能者

軟件提供商Adobe Systems公司的首席信息官Cynthia Stoddard正在利用“數據驅動的運營模式”重新構思自己的部門，依靠基于Hadoop的分析來更好地運營IT和業務。作為數據驅動策略的一部分，Stoddard表示，她正在嘗試使用機器學習來幫助分析幫助臺軟件中的故障單，以查找系統故障的趨勢。如果系統發現可能發生停機的事件，那么系統就會主動消除或減輕這些事件，直至觸發故障。

她說，識別IT服務故障中的模式也將使Adobe能夠創造一些“自我修復”功能，以承擔一部分IT員工當前所做的工作。她還在研究聊天機器人技術，以實現員工的IT支持請求。 Adobe的商用業務也在擁抱人工智能。2016年11月，Adobe推出了Sensei，這是一種人工智能技術層，用于Adobe的產品中，可創建和發布文檔，分析和跟蹤Web和移動應用的性能。

主要建議：使用機器學習來識別模式，這是創建自我修復功能的關鍵。Stoddard表示：“如果你知道如何修復它，你可以把自我修復的部件放在里面，把人的因素排除在外。