下载文档原格式
人工智能技术在电子商务与在线购物中的应用随着互联网的快速发展，电子商务与在线购物已经成为了现代人生活中不可或缺的一部分。
而人工智能技术的快速进步也为电子商务与在线购物带来了许多创新和便利。
本文将探讨人工智能技术在电子商务与在线购物中的应用。
一、智能搜索引擎智能搜索引擎是人工智能技术在电子商务与在线购物中的一个重要应用。
传统的搜索引擎仅能根据关键词进行搜索，结果通常大而杂，用户需要耗费大量时间和精力去筛选。
而智能搜索引擎则可以根据用户的搜索历史、购买记录、兴趣爱好等个人信息进行分析，提供更加个性化和精准的搜索结果。
用户可以更快速地找到自己需要的产品或信息，提高搜索效率。
二、智能推荐系统智能推荐系统是电子商务与在线购物中另一个应用广泛的人工智能技术。
通过分析用户的历史浏览、购买记录、点赞评价等个人信息，智能推荐系统可以推荐用户感兴趣的产品或服务。
例如，当用户浏览了一本图书后，智能推荐系统会根据用户的兴趣爱好和阅读习惯推荐其他相似类型的图书，提高用户的购买体验。
三、智能客服机器人智能客服机器人是电子商务与在线购物中提供客户服务的重要工具。
传统客服人员无法满足用户随时随地的咨询需求，而智能客服机器人可以通过自然语言处理和机器学习等技术，对用户的问题进行准确理解并给出相应答案。
智能客服机器人不仅可以提供实时的客户咨询服务，还可以处理一些常见问题，减轻客服人员的工作负担。
四、智能支付系统智能支付系统是电子商务与在线购物中不可或缺的一部分。
传统的支付方式如银行转账、支付宝等需要用户手动输入信息、验证等步骤，繁琐且耗时。
而智能支付系统通过人脸识别、指纹识别等技术，可以实现快捷、便利的支付方式。
用户只需要通过指纹或者人脸识别便可完成支付，大大提高了支付的安全性和效率。
五、智能风险控制系统智能风险控制系统是电子商务与在线购物中的重要保障。
传统的风险控制需要人工审核、人工判断，效率低且容易出错。
而通过人工智能技术，可以构建智能风险控制系统，能够对用户的行为进行实时监测和分析，并根据历史数据进行预测和预警，及时发现和处理风险。
AI技术在电子商务中的作用与应用指南一、引言随着科技的迅猛发展，人工智能（Artificial Intelligence，简称AI）作为一项颠覆性的技术逐渐融入各个行业中。
其中，电子商务（E-commerce）作为当今商业活动中最重要的一环之一，在AI技术方面也取得了许多突破。
本文将探讨AI技术在电子商务中的作用，并提供应用指南。
二、AI技术在电子商务中的作用1. 个性化推荐系统个性化推荐系统是电子商务领域应用最广泛、最直观且影响力最深远的AI技术之一。
通过分析用户行为和偏好，智能推荐系统可以为消费者提供符合其兴趣和需求的产品或服务建议。
例如，亚马逊通过机器学习算法分析大量数据以推荐相关商品给用户。
2. 智能搜索与语音识别传统的关键字搜索在海量商品面前常常效果不佳。
而借助自然语言处理和机器学习等AI技术，电子商务平台能够更准确地理解用户查询意图，并提供更精准的搜索结果。
此外，语音识别技术也成为了电子商务中的重要工具，通过语音搜索使用户更加方便快捷地找到所需产品或信息。
3. 虚拟试衣与AR技术在购买服装等涉及尺码、颜色等个体差异较大的商品时，虚拟试衣技术可以帮助消费者更好地模拟试穿效果。
通过AI技术和计算机视觉算法，消费者可以在网上选择自己的身体参数和喜好，然后以虚拟形式试穿不同款式的服装，从而提高购物决策的准确性。
此外，增强现实（Augmented Reality，简称AR）也被广泛应用于电子商务中。
人们可以使用手机或平板电脑等设备将虚拟商品放置在真实环境中进行观察和交互，增加了购物体验的乐趣。
4. 欺诈检测与风控随着电子商务规模的扩大，欺诈行为也随之增多。
AI技术通过分析用户行为数据来检测潜在的欺诈风险。
例如，在支付过程中，系统能够利用机器学习算法检测潜在的信用卡盗刷行为，并及时采取相应的风险控制措施，从而保护用户财产安全。
三、AI技术在电子商务中的应用指南1. 了解消费者需求利用AI技术来分析和预测消费者需求是提供个性化服务的关键。
人工智能技术在智能商店中的应用教程随着科技的快速发展，人工智能（AI）技术的应用范围不断扩大。
在商业领域中，智能商店正逐渐成为新的趋势。
智能商店利用人工智能技术，提供创新的购物体验和更高效的运营管理。
本篇文章将为您介绍人工智能技术在智能商店中的应用，以及如何运用这些技术提升智能商店的效率和用户体验。
一、无人商店技术无人商店是一种基于人工智能技术的创新型商业模式。
它通过深度学习和计算机视觉技术，实现了无人巡视、自动识别和结算、无感知购物等功能。
首先，无人商店通过使用多个摄像头和传感器，对顾客进店、浏览商品、购买商品的过程进行全程监测。
系统通过深度学习技术和图像识别算法，准确地识别和追踪顾客的行为，实现对商品的智能管理。
其次，无人商店使用人工智能的自动结算技术，顾客可以自主选择商品，无需排队和人工收银。
系统会自动识别所选商品，并结算交易。
这种快速结算的方式大大提升了购物的便利性和效率。
此外，无人商店的内容也可以根据用户的购物行为做出智能推荐。
通过分析用户的购物历史和偏好，系统可以向用户推荐相关商品，提升用户的购物体验和满意度。
二、智能导购技术智能导购技术利用自然语言处理和机器学习等技术，向顾客提供个性化的购物建议和商品推荐。
通过与顾客进行对话，系统可以了解顾客的需求和偏好，并提供相关的产品信息和购买建议。
智能导购技术可以通过多种方式与顾客进行交互，例如语音识别、聊天机器人等。
顾客可以通过语音命令或文字聊天的方式，与系统进行沟通和询问。
系统会通过自然语言处理技术理解顾客的问题，并给出准确的回答和建议。
此外，智能导购技术还可以在用户离开商店后，通过智能手机等移动设备继续提供个性化的服务。
用户可以通过扫描商品上的二维码或搜索商品名称，获取更多详情和评价，以便做出购买决策。
三、预测分析和库存管理人工智能技术还可以应用于预测分析和库存管理。
通过对历史销售数据和市场趋势进行分析，系统可以预测商品的需求量和销售趋势。
AI技术在智能购物中的应用与影响随着人工智能技术的迅速发展，智能购物已经成为了近年来的热门话题。
人工智能技术不仅提高了智能购物的效率，还拓宽了智能购物的应用范围。
本文将介绍AI技术在智能购物中的应用和影响。
一、AI技术在智能购物中的应用1. 商品推荐AI技术可以分析用户的购买历史、收藏夹、浏览记录等信息，准确地了解用户的喜好，从而推荐符合用户兴趣的商品。
这不仅可以缩短用户的购物时间，还可以提高用户的购物体验。
2. 购物指导AI技术可以分析用户的需求与预算，根据用户的需求优先推荐符合用户要求的商品。
此外，在用户选择商品时，AI技术还可以提供产品的详细信息，包括产品的品牌、型号、功能、保修期等信息，帮助用户做出明智的购买决策。
这不仅可以降低用户的购物成本，还可以增强用户的购物信心。
3. 购物搜索AI技术可以通过对商品信息进行分析和处理，快速有效地帮助用户搜索到所需商品。
AI技术可以实现图像搜索、语音搜索、文本搜索等方式，用最简单的方式满足用户的购物需求。
4. 智能客服AI技术可以通过自然语言处理、语音识别等技术，实现智能客服功能。
当用户需要咨询有关商品的信息时，可以通过智能客服帮助用户进行咨询，提高用户的购物体验。
二、AI技术在智能购物中的影响1. 提高用户购物体验AI技术可以分析用户的购物行为，根据用户的偏好和历史记录，为用户提供更个性化的购物体验。
通过商品推荐、购物指导、智能客服等功能，可以提高用户的购物效率和购物体验。
这对于提高用户的满意度，形成品牌口碑具有重要的意义。
2. 降低购物成本AI技术可以帮助用户通过搜索和推荐等方式选择更适合自己的商品，降低用户的购物成本。
在购物指导中，AI技术可以提供价位、品牌等关键信息，帮助用户做出更好的购物决策。
这将节点提高用户的满意度，增强品牌的忠诚度。
3. 拓宽购物渠道AI技术可以使得智能购物不再局限于传统的渠道，如商场和超市等。
在AI技术的支持下，用户可以通过社交平台、电商平台、智能家居等多种方式进行智能购物。
人工智能技术在智慧商场系统中的应用与用户行为分析智慧商场系统作为人工智能技术在零售行业的一种具体应用，已经在全球范围内得到了广泛的部署和应用。
通过引入人工智能技术，智慧商场系统可以提供更加智能化、便捷化的购物体验，同时还能对用户的行为进行分析，以实现精准的个性化推荐和精确的市场营销策略。
一、人工智能在智慧商场系统中的应用1. 智能客服机器人在智慧商场系统中，人工智能技术可以用于开发智能客服机器人，用于为顾客提供贴心的购物指导和解答问题。
利用自然语言处理和机器学习算法，智能客服机器人能够识别和理解顾客的问题，并提供准确的答案和建议。
2. 商品智能推荐智慧商场系统通过人工智能技术可以分析顾客的购物历史、行为偏好以及实时定位等数据，从而为顾客提供个性化的商品推荐。
通过深度学习算法，智慧商场系统可以更好地理解顾客的需求和兴趣，为顾客推荐最合适的商品，提高购物的便利性和满意度。
3. 智能支付系统智慧商场系统可以利用人工智能技术实现智能支付系统，通过人脸识别、指纹识别等生物特征识别技术，实现快速、安全的支付方式。
这样不仅提升了支付体验，也增加了支付的安全性。
4. 库存管理与预测人工智能技术在智慧商场系统中还可以用于库存管理和预测。
通过智能分析和预测算法，系统可以根据顾客的购买模式和历史数据，准确预测商品的需求量和销售趋势，帮助商场进行合理的采购和库存管理，避免过量或缺货的情况。
二、用户行为分析与智慧商场系统的优势人工智能技术在智慧商场系统中的应用，可以对用户的行为进行深度分析，从而为商场提供更准确的市场营销策略和改善用户体验的方案。
1. 个性化的市场营销策略通过对用户行为数据的分析，人工智能可以识别用户的购物偏好、购买力以及兴趣爱好等，从而向用户提供个性化的推荐和优惠券等市场活动，增加用户的购买决策和促成交易。
2. 消费者行为预测通过分析用户的浏览、点击和购买等行为数据，人工智能可以预测消费者的行为，例如判断客户是否会购买某种商品、预测客户的购买潜力等。
如何在数字化时代构建有效的客户关系在数字化时代，构建有效的客户关系成为了企业和组织们的重要挑战之一。
随着科技的飞速发展和互联网的普及，消费者对产品和服务的要求也越来越高。
因此，建立良好的客户关系成为了实现业务增长和提升竞争力的关键。
一、了解客户需求在构建有效的客户关系之前，了解客户需求是至关重要的。
通过市场调研、数据分析等方式，企业可以了解客户的喜好、需求、购买习惯等信息。
同时，透过社交媒体、在线调查等渠道与客户互动，收集反馈意见和建议，从而更好地满足市场需求。
二、个性化沟通在数字化时代，个性化沟通是构建有效客户关系的重要手段之一。
企业可以通过建立客户数据库，记录客户的个人信息，例如姓名、性别、年龄、职业等，以便更好地定制产品和服务。
此外，利用大数据分析技术，根据客户的购买记录和行为数据，向客户发送个性化的营销信息和推荐，提高客户满意度和忠诚度。
三、建立多元化的沟通渠道在数字化时代，用户选择产品和服务的渠道更加多样化，因此建立多元化的沟通渠道是必要的。
除了传统的门店销售和电话客服，企业还可以通过建立官方网站、社交媒体平台、移动应用等方式与客户互动。
通过这些渠道，客户可以方便地获取产品信息、下单购买，同时企业也可以快速回应客户的问题和需求。
四、重视客户反馈客户反馈是优化产品和服务的重要依据。
企业应该重视客户的意见和建议，及时采取措施予以改进。
在数字化时代，客户的评价和意见可以通过社交媒体和在线评价平台广泛传播，因此企业需要积极回应客户的反馈，并公开展示处理结果，以增强客户的信任和满意度。
五、利用人工智能技术人工智能技术在构建有效客户关系中发挥着越来越重要的作用。
通过智能客服系统和聊天机器人，企业可以实现24小时全天候的在线客服，及时回答客户的问题。
此外，通过机器学习和数据挖掘技术，企业可以对客户进行细分和分类，从而更精准地进行市场推广和营销。
总结起来，数字化时代构建有效的客户关系需要企业从多个方面入手。
人工智能开发技术模型构建步骤详解随着信息技术的迅猛发展，人工智能（Artificial Intelligence, AI）在各行各业中的应用越来越广泛，成为当今科技进步的重要驱动力。
而人工智能的快速发展离不开有效的技术模型构建。
本文将围绕人工智能开发技术模型的构建步骤进行详细解析，带领读者深入了解这一过程的重要环节。
首先，人工智能开发技术模型构建的第一步是确定问题和目标。
在进入模型构建过程之前，需要明确所要解决的问题和达到的目标。
例如，如果是要开发一个语音识别模型，问题就是如何通过语音识别技术将人的语音转化为能够被计算机理解和处理的文本。
目标可以是提高识别准确率、降低识别时间等。
确定问题和目标的重要性在于为后续的模型构建提供明确的方向和依据。
接着，第二步是数据收集和准备。
数据是人工智能模型训练和测试的基础。
在这一步骤中，需要收集与问题相关的数据，并进行整理和清洗，以确保数据的质量和完整性。
例如，在语音识别模型的构建中，可以收集各种不同口音和语速的语音数据，并进行标注和分类，以便训练模型。
第三步是特征提取和选择。
在这一步骤中，需要从原始数据中提取出能够反映问题和目标的关键特征。
特征提取的目的是将原始数据转化为计算机可以理解和处理的形式，以便后续的建模和分析。
在语音识别模型中，可以通过谱图提取语音信号的频域特征，或者使用声学模型将语音信号转化为MFCC（Mel Frequency Cepstral Coefficients）等特征。
第四步是选择合适的模型算法。
在人工智能开发中，常用的模型算法包括神经网络、决策树、支持向量机等。
选择合适的模型算法要根据问题的特性和数据的分布情况来决定。
例如，在语音识别模型中，可以使用循环神经网络（Recurrent Neural Network, RNN）或者卷积神经网络（Convolutional Neural Network, CNN）等模型算法。
第五步是模型训练和调优。
通过AI技术实现智能化营销决策的步骤指南智能化营销决策是当今企业在竞争激烈的市场环境中获取竞争优势的重要手段。
随着人工智能（AI）技术的日益成熟，越来越多的企业开始应用AI技术来提高营销效果和效率。
本文将介绍通过AI技术实现智能化营销决策的步骤指南。
一、数据采集和整理阶段实现智能化营销决策的关键是利用大量可靠的数据作为支撑。
在这一阶段，企业需要收集相关的内部和外部数据，并进行清洗和整理。
1. 内部数据收集：包括客户数据、销售数据、产品数据等。
这些数据通常存储在企业内部数据库或CRM系统中。
通过对这些数据进行分析和挖掘，可以获取有关客户行为、购买偏好等方面的信息。
2. 外部数据收集：可以从各种渠道获取与产品或服务相关的外部数据，如市场调研报告、社交媒体评论等。
外部数据可以帮助企业了解消费者需求、市场趋势等重要信息。
3. 数据清洗和整理：通过数据清洗和整理，可以确保数据的准确性和一致性。
这一步骤包括处理缺失值、删除重复数据、解决数据不一致等问题。
二、数据分析和挖掘阶段在完成数据采集和整理后，下一步是对数据进行分析和挖掘。
AI技术为企业提供了各种强大的数据分析工具和算法，可以帮助企业从海量的数据中获取有价值的洞察。
1. 建立模型：根据特定的营销目标，选择合适的模型或算法进行建模。
常见的模型包括预测模型、分类模型、聚类模型等。
这些模型可以根据历史数据预测未来趋势，帮助企业做出决策。
2. 数据可视化：将分析结果以直观易懂的方式呈现给决策者非常重要。
可视化工具可以帮助企业将复杂的数据转化为图表或图形，便于决策者理解和利用。
3. 挖掘洞察：通过应用各种统计方法和机器学习算法对数据进行挖掘，在海量的数据背后发现隐藏的规律。
例如，通过分析历史购买行为数据，可以识别出不同客户群体的特征和购买偏好，从而制定个性化的营销策略。
三、决策制定和实施阶段在完成数据分析和挖掘后，下一步是根据分析结果制定决策，并将其付诸实施。
1. 制定决策：根据数据分析和挖掘的结果，决策者可以制定具体的营销决策。
人工智能的完整操作指南随着科技的不断发展，人工智能（Artificial Intelligence，简称AI）已经成为当今社会的热门话题。
无论是在科研领域、商业应用还是日常生活中，人工智能都扮演着越来越重要的角色。
本文将为读者提供一份完整的人工智能操作指南，帮助大家更好地了解、应用和掌握人工智能技术。
一、了解人工智能的基础概念在开始使用人工智能之前，我们需要对其基础概念有一定的了解。
人工智能是一种模拟人类智能的技术，通过计算机系统模拟人类的思维过程和行为，从而实现一定程度上的智能化。
人工智能的核心技术包括机器学习、深度学习、自然语言处理等。
二、选择适合的人工智能工具和平台人工智能领域有许多工具和平台可供选择，如TensorFlow、PyTorch、Keras等。
根据自身需求和技术水平，选择适合的工具和平台是十分重要的。
初学者可以选择一些易于上手的工具和平台，而对于有一定经验的开发者，则可以选择更加专业和灵活的工具。
三、学习机器学习算法机器学习是人工智能的核心技术之一，它通过训练模型，使计算机能够从数据中学习并做出预测。
了解和掌握常见的机器学习算法，如线性回归、决策树、支持向量机等，对于开发人员来说至关重要。
通过学习机器学习算法，我们可以更好地理解人工智能的工作原理，从而更好地应用和优化模型。
四、掌握深度学习技术深度学习是人工智能领域的热门技术，它模拟了人脑神经网络的结构和工作原理。
深度学习技术在图像识别、语音识别、自然语言处理等领域取得了显著的成果。
学习深度学习技术需要一定的数学基础和编程能力，但它也为我们提供了更强大的工具和方法来解决复杂的问题。
五、应用人工智能于实际场景人工智能不仅仅是一种技术，更是一种解决问题的方法。
我们可以将人工智能应用于各个领域，如医疗、金融、交通等。
通过分析大量的数据和应用合适的算法，人工智能可以帮助我们提高效率、降低成本，并解决一些传统方法难以解决的问题。
六、关注人工智能的伦理和社会影响人工智能的发展不仅带来了巨大的机遇，也带来了一些伦理和社会问题。
使用AI技术进行智能电商运营的应用指南智能电商运营是当下电商行业的热门话题之一。
随着人工智能技术的不断发展和应用，电商企业越来越多地开始利用AI技术来提升销售效果、优化用户体验并实现运营智能化。
本文将指导您如何使用AI技术进行智能电商运营，从而帮助您赢得竞争优势。
一、智能推荐系统——为用户个性化定制在传统的电商平台上，用户需要通过繁琐的搜索或浏览商品分类才能找到自己所需的商品。
然而，借助AI技术开发的智能推荐系统可以通过分析用户的历史购买记录、浏览行为和兴趣偏好等数据，提供个性化、精准的商品推荐。
基于机器学习和深度学习算法，智能推荐系统可以实时监测用户行为，并将这些信息应用于算法模型中以预测用户喜好。
通过对海量数据的分析与挖掘，系统可以针对不同用户展示最具吸引力、符合偏好的商品，从而大大提升销售转化率和用户满意度。
二、智慧客服体验——提升用户服务质量传统电商平台的客服部门往往需要大量人力资源，且由于人员数量有限，难以实现7x24小时全天候服务。
但是，利用AI技术开发的智能客服系统可以解决这一问题。
智能客服系统基于自然语言处理和机器学习算法，可以实现与用户的语音、文字交互。
它能够理解用户提出的问题并给出准确的答案或相关推荐，而且可以同时为多个用户提供服务。
此外，它具备强大的学习能力和不断迭代改进的功能，可以根据用户反馈进行调整优化，提升回答准确度和响应速度。
三、智能营销策略——提高精准投放效果传统电商营销常常广撒网式地投放广告、促销信息等，并不能实现精确投放和个性化沟通。
而利用AI技术进行智能营销则可以帮助企业更好地锁定目标受众，并进行个性化推送。
一方面，AI技术可以通过数据分析和模型训练建立用户画像，并依此做出合适的推荐或广告投放。
另一方面，在线广告平台也引入了AI技术，在实时竞价广告投放的过程中，通过大数据分析和机器学习算法，智能分析用户的搜索、浏览和购买行为，从而更准确地选择合适的投放位置和时间段，提高广告投放效果。
人工智能技术：构建与购买指南作者：Maria Korolov来源：《计算机世界》2019年第16期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DanO'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：///article/3387618/ai-technology-when-to-build-when-to-buy.html。
