我们正处于第四次人工智能寒冬的边缘，人们开始怀疑人工智能能否产生足够的有形价值，来证明其成本是合理的。
不过，幸运的是，我们仍有时间阻止下一个人工智能寒冬，而答案其实就在我们面前。
缺少了一些东西
对于大多数科学学科来说，突破大多是在实验室中取得的，然后交给工程师转化为现实世界的应用。
当一个化学研究团队发现一种形成粘合剂的新方法时，就会交给化学工程师来设计产品和解决方案。
机械物理学家的突破被转移到机械工程师来设计解决方案。
然而，当人工智能取得突破时，应用人工智能并没有明确的学科，导致组织投资聘请博士学位的数据科学家，希望在人工智能领域取得科学突破，而不是试图设计现实世界的解决方案。
结果如何？87% 的人工智能项目以失败告终。
进入工程智能时代
“工程智能”（“智能工程”）是一门新兴学科，专注于扎根于工程的人工智能研究的实际应用——利用科学突破和原材料来设计和构建安全、实用的价值。这为领域专家、科学家和工程师创造了创建智能解决方案的能力，而无需成为数据科学家。
领先的工业组织开始重建从研究到工程的管道，与学术界和技术供应商建立新的合作伙伴关系，并为将人工智能研究移交给智能工程师创造生态系统条件，就像化学研究与化学工程师共享一样。
结果如何？
有形用例中的突破性应用创造了价值，投入生产，而数据科学家或技术供应商仅凭数据是无法发现这些应用的。
将智能工程引入组织的 5 个步骤
专业知识是智能工程的核心，以技能（通过实际应用学习的专业知识单位）来表达。理论和培训可以加速技能的获取，但没有实践经验，您就无法拥有技能（因此也就没有专业知识）。假设您的组织已经有专家，您可以遵循以下五个实际步骤来引入智能工程学科，以及它与利用 AI 的传统方法有何不同：
引入 AI 的传统方法（占 87% 的失败率）是：
创建问题列表。
或者
- 检查您的数据；
- 选择一组潜在用例；
- 分析用例的投资回报率 (ROI)、可行性、成本和时间表；
- 选择用例子集并投资执行。
引入工程智能的智能工程方法是：
- 创建现有流程中专业知识的热图；
- 评估哪些专业知识对组织最有价值，并评估该专业知识的丰富性或稀缺性；
- 选择贵组织中最有价值且最稀缺的五大专业领域；
- 分析投资回报率、可行性、成本和时间表，以设计智能解决方案；
- 选择一组价值案例并投资执行。
利用人工智能创造新一波价值
一旦将智能工程引入您的组织，并开发出直观的应用程序并将其投入生产，就可以利用这一新功能，超越现有的专业知识，为整个组织和生态系统创造安全、实用的价值。
随着组织、行业和教育机构为工程智能构建程序，组织、个人和我们的社会将从人工智能原本未实现的经济和社会潜力中获益，创造新的工作类别，并迎来新一波价值创造。
