人工智能技术：构建与购买指南

Maria Korolov

人工智能正在迅速成为企业的当务之急。无论是提高效率，寻找新商机，还是与时俱进，亦或是想在竞争中取得领先，各行各业的企业都在探索人工智能的商业优势，仅在过去的一年中人工智能的采用率就增加了两倍。

对于一些企业来说，这意味着从头开始构建人工智能系统。但是市场研究机构Gartner表示，找到合适的人才既困难又价格不菲，而且85%的人工智能项目有很高的失败风险。即使项目构建成功了，市场上的供应商也可能很快就会以更低的成本提供更好的产品，这些产品不仅集成了更多功能而且拥有更直观的用户界面，更重要的是它们会被定期升级。再或者，当企业正在使用的平台被免费升级或添加了新的人工智能功能，那么企业千辛万苦为自己量身开发的人工智能产品很可能会变成鸡肋。

另一方面，使用商业化产品可以在投资量少的情况下快速体验许多不同人工智能技术。IBM负责数据和Watson AI的总经理Rob Thomas表示，要想在人工智能方面取得成功，数量非常重要。Thomas说：“我会鼓励客户尝试100个人工智能试点项目。不是一个，也不是两个，而是100个。它们中的一半可能没有任何作用，但是只要另一半能够有效果就可以带来回报。”

他表示，市场上已有一些轻量级的商业工具，并且只需花上几周的时间便可部署运行。此外，在其他平台和系统中内置人工智能的嵌入式人工智能的概念也在兴起。

以下是企业在决定是选择现成的人工智能解决方案，还是自己构建解决方案时需要考虑的一些因素。

确保旅客愉快的旅行体验

据加拿大多伦多机场管理局统计，每年有近5000万乘客来到加拿大最大、最繁忙的多伦多皮尔逊机场。然而在机场工作的49000名员工中，只有1600人专注于管理、运营和技术工作。

其中一项工作是负责值机台，以便乘客能够使用这些设备更快地办理登机手续。 当值机台发生故障或纸张耗尽时，它们会发送出警报。然而，从收到警报到重新启动并再次运行平均需要1小时12分钟。

机场管理局信息服务交付副主任John Thompson指出，这是一个问题。知道机器何时发生故障或纸张或墨水用完，这不是一项简单的计算工作。有些机器会比其他机器更加繁忙，或者在一天中的不同时间被不同程度地使用。因此机场决定使用智能分析以解决这一问题。

他说;“通过预测分析，我们可以知道机器什么时候会用完纸张，所以我们可以更快地，甚至是在纸张用完之前到达那里。”不过，他也同时指出，机场没有足够的资源从零开始构建自己的工具。“我们已经不再自己构建任何东西了，因为我认为没有人会感谢你开发自己的软件。”

去年，机场开始使用基于云的Symphony Summit人工智能系统对票务系统展开内部IT支持，不过这需要几个月的时间来实现和配置机场的工作流程。Thompson认为，从一个小项目开始着手，这是实施人工智能的好方法。“如果你试图通过大拆大建的方式部署人工智能，那么它们通常也不会很好地运行。慢慢来，一次只尝试这一技术的一个方面。我的座右铭是：欲速则不达。”

商业化人工智能解决方案正在兴起

Gartner分析师Svetlana Sicular认为，多伦多机场管理局的经验代表了大多数企业尝试人工智能的方式，因为很多企业都选择购买而不是自己构建。“有一点现在正变得越来越清晰，那就是自己动手行不通。因为很难找到拥有这种技能的人才，就算找到了成本也很高，因为所有的企业都在寻找同样的人才。”

与此同时，平台供应商越来越多地将人工智能嵌入到他们的系统中，只需点击一下按键即可使用这一技术。此外，将人工智能工具嵌入自己平台的供应商已经建立起了极为庞大且组织良好的培训数据池。

例如，Salesforce拥有大量标记和分类信息，可以分析趋势和模式，然后为客户提供最常见或最急需的分析。供应商也可从规模经济中受益，他们可以聘请非常专业的人才来开发和改进他们的人工智能模型。

Sicular指出，这才是真正关键的数据。“从长远来看，数据是企业机器学习的最大一块。这也是像谷歌这样的公司能够如此成功的原因，因为他们知道如何获取机器学习数据以及如何利用它。”相比之下，一些企业仅限于自己收集的数据，或者通过购买方式获得的培训数据集。

曾担任VMware首席技术官、现担任风险投资公司General Catalyst Partners常务董事的Steve Herrod表示，商业工具还可提供其他优势。例如，与寻找会使用公司自产系统的人相比，找到熟悉商业工具的人要更加容易。此外，供应商还在其平台上提供了免费或低成本的培训。“当有能够胜任企业工作的产品时，最好使用现成的商业化产品。随着时间的推移，我们将拥有越來越多现成的商业化人工智能软件。这些软件将大大挤压我们自己构建差异化功能的需求。”

何时自己构建人工智能工具

购买现成的人工智能工具十分快捷方便，但是有时企业别无选择，只能从头开始构建。这种情况包括数据、模型极其敏感或是属于专有的，再或者是根本没有可用的商业化工具。

例如，专注于公用事业的软件公司EnergySavvy已经建立了专利算法来分析公用事业客户的能源使用模式。该公司工程副总裁Kalpana Narayanaswamy称：“我们近十年来一直为公用事业客户提供服务，这让我们有机会深度了解他们的项目是如何运作的，他们是如何分割数据的，以及如何从中获取洞察力。”

她说，解决这些问题需要了解公用事业企业的内部运作方式。“你必须知道如何应用它们。这就是问题的所在。”为此，该公司建立了一个专注于行业专业知识的数据科学机构。另外，她认为分析平台本身是建立在开源技术之上，这也是EnergySavvy之所以能够超越对手为客户提供的基本见解、基本定位和基本定制的原因。

人工智能组件既是企业业务增长的核心，也是一个关键的区别点。一般来说，当企业的人工智能技术是一个差异化因素时，那么就很难通过现成的商业化系统来实现。

Dialpad是一家总部位于旧金山的企业VoIP服务提供商。该公司的首席战略官Dan O'Connell表示，尽管市场上有现成的商业化语音识别和自然语言处理系统，但是该公司还是从头开始构建了自己的VoiceAI系统。

他说：“我们只能选择一种速度较慢、缺乏准确性，并且非常昂贵的API。”Dialpad最终决定自己聘请自然语言处理和语音识别专家和数据科学家，以及拥有计算神经科学博士学位的人。

通过自己从头开始构建，该公司实现了一些独特的功能。例如，除了实时通话记录，它还具有现场指导、情绪分析和实时智能筆记等功能。他指出，“这让团队有机会采用更为科学的方法理解和处理对话。”

需要避开的陷阱

技术咨询和系统集成公司Insight的首席技术官Brandon Ebken表示，并非每家企业都需要建立自己的人工智能技术。他说：“但是当你越接近核心业务流程并有能力改变客户体验，那么你就越有可能需要进行某种类型的定制。”

开始得越早就能获得越多的竞争优势。他说：“我不建议任何人采取等待观望的态度。人工智能今天就摆在这里，它们已经不再是科幻小说中的东西。几乎所有的客户都有某种类型的人工智能计划。人工智能正在推动数字化转型，采取等待态度的客户将会被竞争对手超越，或是错失一些巨大的机会。”

另一个可能需要自己构建解决方案的情况是存在隐私因素，例如在受到严格监管的金融和医疗保健行业。

Booz Allen Hamilton的负责人Lauren Neal指出，许多商业翻译引擎需要将数据上传到云端，但是政府用户和受监管行业的用户希望确保他们的数据安全。她说：“他们宁愿选择本地解决方案，从而将这些数据放在本地以确保数据安全。但是可以设置这种模式的商业化人工智能工具并不多。”

她补充道，很多企业还担心遭到供应商锁定。对于使用平台供应商的内置人工智能工具的公司来说，尤其如此。“这样一来，他们就可能缺乏了灵活性。”

由于目前技术正在快速变化，因此被锁定在单个供应商的人工智能技术中将会让企业在竞争中处于劣势。

两全其美的举措

对于大多数企业来说，自己构建与购买并不是一个二选一或非此及彼的决定。相反，他们的策略是能买到就买，买不到就自己构建。

为Workday、Ondeck Capital和Paycor等企业客户提供人工智能辅助销售指导的ExecVision公司首席技术官Reuben Firmin表示：“我们目前采取的就是两条腿走路的策略。我们在使用现成的工具进行情绪分析，同时也构建了自己的工具。当有现成的工具时，我们就没有必要再从头来一遍。”在项目开始时进行这项研究是很重要的，可以避免浪费精力。

他还专门警告称：“企业不应忽视传统的选项。统计数据足以满足许多项目的需求。很多工程师都被深度学习所吸引，但是并非所有属于人工智能范畴的项目都需要这样的学习。”

当商业化工具可用时，企业可能需要进行自定义集成，添加专门的代码或配置。技术咨询公司PCM的高级副总裁Herb Hogue指出，“没有任何现成的解决方案可以解决所有人工智能需求和业务挑战。大多数解决方案都有核心框架、应用程序或SaaS产品，但是企业仍然需要进行修改、增强或使其符合现有的业务。这就是我的经验。”

位于费城的数字解决方案提供商Anexinet的分析主管Brian Atkiss表示，包括亚马逊、谷歌、微软和IBM在内的大多数主要云服务提供商都有能力轻松构建定制化的机器学习模型和人工智能系统平台。

此外，这些巨头还为常用功能提供现成的组件和API，例如自然语言处理、语音识别、光学字符识别和聊天机器人等等。

许多企业都有足够的内部数据用于用例。与使用来自商业化工具的通用且可广泛获取的数据相比，模型使用针对每个用例的完全自定义数据集将会更加准确。

数字咨询服务公司Sparkhound的业务自动化总经理Richard Salinas表示，具有大量内置功能的平台可让企业的开发团队更加专注于业务流程和用户体验。他称：“人们普遍存在一种误解，认为从头开始构建应用程序意味着可以获得极大的灵活性。”

本文作者Maria Korolov过去20年一直关注新兴技术和新兴市场。

原文网址

https：//www.cio.com/article/3387618/ai-technology-when-to-build-when-to-buy.html