人工智能正迅速从亚马逊、谷歌、微软、Netflix和Spotify等大型科技企业使用的技术转变为中型企业采用的工具，用于创建新产品、增加收入、提高客户参与度和留存率，并扩展到新市场。
然而，尽管人工智能让人兴奋不已，但许多CIO(首席信息官)却很难弄清楚如何在他们的组织内创建一套技能，不仅能处理人工智能的开发，还能处理开发出的任何东西的培训和部署。事实上，根据研究公司O 'Reilly的数据，今年只有26%的组织在生产人工智能，而43%的组织处于评估阶段。这就是人工智能从开发到运营的难度——正如我们将看到的，再次回到开发。
然而，每一个挑战都有潜在的增长，根据普华永道的一项研究，到2030年，全球人工智能经济预计将达到15.7万亿美元。任何希望利用这一增长红利的组织，无论是在智能制造、零售、医疗保健、能源和许多其他行业，都需要知道推理如何使人工智能发挥作用才是关键。
人工智能在哪里落地
在人工智能开发领域有大量的信息和专业知识。对于CIO们来说，最大的挑战是部署。推理——在生产中人工智能模型运行的过程——是人工智能落地的重要环节。比如，在自动驾驶汽车中，关键的人工智能决策以毫秒为单位发生，人们的生命就处于危险之中。
与销售管理软件等传统应用不同，运行推理的人工智能模型需要不断地重新培训和部署，以保持最新。这使得管理AI应用程序生命周期变得更加复杂，当然好处也是显著的。
促进销售，避免关门，用推理服务客户
推理是解决当今许多行业面临的一系列挑战的关键。
深度学习可以帮助实现功能自动化，推荐产品，甚至提供自然语言处理。在零售和娱乐，甚至专业的社交网络，推荐系统的推理可以帮助改变不稳定的销售周期，并有助于留存客户。即使客户没有立即进行额外的购买，一个针对性强有力的推荐也可以为未来的销售播下种子。它还可以提高品牌的亲和力，展示符合消费者品味和兴趣的商品。
在制造业中，推理可以帮助公司发现生产中的错误，甚至在设备发生故障之前就发现潜在的故障。人工智能驱动的工业检查可以识别物体、障碍物和人，执行毫秒级的计算，减少停机时间。这些优点使AI视觉系统成为任何在复杂生产环境下工作的公司的首要任务。
呼叫中心使用推理来进行客户服务自动化，并迅速将客户问题转给最有能力提供帮助的人。当有人需要航空公司、银行或互联网服务提供商的帮助时，他们通常希望尽快与人交谈。在劳动力短缺日益扩大的今天，人工智能帮助解决简单的问题，并确保客户迅速联系到合适的人，他们可以解决更复杂的问题。
更聪明地使用预训练的模型来发展你的团队
知道推理如何发挥作用只是人工智能之旅的开始。接下来的步骤是制定策略并执行计划。问题是，公司面临着寻找顶尖人才来担任各种职位的挑战。对于刚开始使用人工智能的企业来说，组建一个人工智能开发专家团队可能难度更高。
这个时候，利用第三方和开源的预先培训的模型和框架来赢得先机，从而克服人才短缺的问题。这些资源大大减轻了部署企业级AI的团队的负担，因为开发人员可以调整和定制现有的模型来运行推理，而不是试图从头构建。
企业也可以通过人工智能培训培养现有的工程师和开发人员。越来越多的合作公司为企业提供免费的开发实验室，逐步指导关键的AI用例，包括构建用于客户服务或销售支持的聊天机器人，用于安全的图像分类系统，用于更好运营的价格预测模型，以及许多其他基本的AI用例。
IT掌舵生产AI
一旦有了进行推理工作的基础，CIO应该为生产应用程序采用受支持的软件—无论它运行在裸机上、虚拟化的数据中心基础设施上，还是在云中。
此外，还应考虑提供企业级AI软件，该软件不仅完全支持推理，而且还支持数据科学和模型开发的互补实践，因为它简化了AI部署。当AI从最初的部署扩展到新的业务领域时，团队可以依赖一个全面的解决方案，而不是必须开发独特的工作流。
人工智能的工作负载与传统的企业应用程序不同，但现在比以往任何时候都更容易向专家学习，以确保它们的正确实施。通过预先培训的模型、专业的开发实验室和企业级支持，了解用于高效、低成本的企业AI推理的可用工具，可以确保CIO准备好计划，以解决每个开始AI之旅的企业所面临的挑战。
