本文是我们催化剂成员之一的请求。Catalyst咨询计划是AI顾问和服务提供商的仅应用辅导计划。该计划涉及与其他催化剂成员一对一的咨询，每周组Q-AND-A，以及一系列专有资源和框架来降落更多的AI业务，并通过AI项目提供更多价值。了解更多www.fgamus.com/catalyst.。
几个月前，我们的一名催化剂成员们询问了我关于跨行业最常见的AI使用情况。这是一个难以回答的问题，因为趋势是不断转移的，并且使用情况类型急剧差异。
例如,我们的AI机会景观研究表明，在电子商务中超过60％的AI使用情况与个性化或建议有关，而不到12％的使用情况景观银行业有什么与销售或营销有关。
尽管存在这些剧烈差异，但有一些使用情况会出现在跨部门的时间和时间 - 本周我决定分解三个可观的广泛AI应用类别，这些类别可以应用于几乎任何行业。
如果您有兴趣在您自己的公司找到AI机会 - 或开发AI产品 - 这些示例应作为富有成效的跳跃点。指南，原则和示例还应帮助读者掌握使这些应用程序如此共同的核心概念。
我们将在没有特定的顺序开始，我们的第一个共同应用程序中的第一个：
应用类型1：客户服务文本分析
描述:
从大多数非结构化的客户服务相关文本数据中提取有意义的，有价值的模式和见解。
为什么它是如此普遍：
（差不多）每个组织都有客户：几乎每个组织都来自医院到在线家具零售商的客户 - 企业级公司通常拥有更多的数据，而不是任何人团队可以合理地阅读和分析自己。潜在的低悬垂的水果在“缩放”到客户要求更好地通知产品，交付或客户服务团队。
客户体验是几乎任何企业的优先事项：绝大多数B2C企业有一个愿望提高客户体验和想要数字转型的愿望。客户体验数据总是将成为该交易的一部分，因为他们想要忠诚。具有大量数据的公司通常会考虑应用AI现代化其提高客户体验的方法，因此这很常见。
它在技术上相当简单：另一个原因是，对于情感分析和寻找实体和主题的自然语言处理是非常简单的，自然语言处理（NLP）的情绪是一个解决问题。W.母鸡来了寻找实体和客户数据中的主题，NLP是一个很好的选择。考虑到客户的唯一域，我们可能需要一些独特的培训，但由于否则难以管理大量客户服务数据，这不应该困难。
数据：
此类别下的数据类型可能来自各种来源，包括：
- 呼叫中心抄本
- 文本或短信消息
- 电子邮件
- 社交媒体评论和提到
能力：
少数客户服务文本分析应用程序的功能：
- 汽车制造商：根据去年同期相比，确定今年有更多关于与生锈相关维护问题的客户投诉 - 还是不同车辆之间的客户满意度分数之间的差异。
- 在线零售商:确定哪些产品或哪些客户服务票类型（即退款请求，与交付相关呼叫等）导致最糟糕的客户情绪 - 并制定对减少对客户不满的经验可测试的假设。
相关emerj文章：
应用程序类型2：启用AI的搜索
描述:
利用人工智能在无尽的企业数据中寻找答案、见解或内容。
为什么它是如此普遍：
这是一个常见的养态动机，因为即使在非结构化中，NLP也可以搜索文档或拉动文本。每个组织都有非结构化数据的大部分 - 这对于完成某些工作流程至关重要 - 而不是发现此数据意味着损失时间甚至增加的监管风险。从图像中拉动文本远离具有右侧的不可能的任务OCR技术。任务不需要使用AI进行任何预测分析，而是仅用于从各种媒体中提取信息。
数据：
数据源可能包括：
- 文件（抵押文书工作，法律文件，发票等）
- CRM数据
- 常见问题解答
- 规定或合规资源
- 等等…
能力：
- 银行业：例如，银行客户的抵押贷款文件。银行通常要处理许多工作流程和纸质表格，当客户出于任何原因打电话时，很难快速获取信息。人工智能搜索可以快速地通过所有这些流程和表单，以查找特定客户的相关文档和数据。
- 合法的：例如，可能需要在法律文件中找到与退款有关的特定条款，或可能代表银行风险的特定银行监管问题。AI可以帮助识别所有与该问题相关的法律文件。
在此应用程序中，我们要么要查找文档或数据。我们希望在这些文件中找到特定的信息，概念或共性，这可能是非常具有挑战性的。许多企业通常都有用于存储数据的块系统，当这些公司没有其他选择并且没有识别时，他们怀孕了。世界正在发生变化，这是一个非常常见的问题。
这文章详细介绍了AI如何在这些类型的情景中适用，具体何时涉及由存储和信息管理公司的储存和信息管理公司的Maper Management Anke Conzelmann的Iron Mountain Director描述的处理索赔。她描述了它的工作原理：“调节器可以简单地要求与显示他们正在努力的声明的损害的类似图像，并快速找到具有相似损坏的相关索赔。”
相关emerj文章：
应用类型3：预测分析
描述:
在这里，我在最广泛的意义上引用预测分析：采用特定的历史和实时数据流，并将它们转换为前瞻性的预测模型，而不仅仅是向后看仪表板。
为什么它是如此普遍：
C-Suite可以理解它：无论好坏，公司都认为AI是一种推动效率的工具，并降低自动化工具的成本，或者一种获取现有数据仪表板的方法，使其更加预测和前瞻性。这是一个非常不完整的AI观点，并且不一定是好的或可取的，但这是C-Suite高管经常思考的是什么。这并不是说它必然错了，但它只是令人窒息的不完整。
当然，C-Level高管的AI流利程度因公司而异，但大多数高管无法设想使用的案例从他们已经知道的内容急剧差异。因此，“预测”仪表板可能是一个吸引人的 - 可理解的 - 对于许多企业公司的AI初始化。
(有时)很多数据已经存在争议:正确完成后，这些应用程序正在工作已从已统一和控制下的数据流工作。关于预测分析的很酷的事情是，如果我们作为企业认为这个仪表板很酷，但我们希望预测未来，这意味着数据已经可用。客户已经在历史意义上控制了该数据，因此作为供应商，将不再需要进入并大修数据基础架构以获得一些值。
几乎每个企业都有某种数据，它们用于商业智能仪表板已经 - 关键数据，帮助他们引导其公司并管理操作。想想零售商管理库存水平或可用的地点工作人员，或银行管理抵押申请。通过跟踪这些趋势的前导指标的数据源（例如购买频繁或零售库存）或可能影响趋势的历史信息（例如季节性以抵押贷款行业为例)，人工智能系统可能帮助领导团队做出关键预测，超出他们当前关键任务的指示板。
数据：
前瞻性的预测维护应用程序可能会使用目前用于创建倒退的BI仪表板的任何数据源 - 以及任何其他类型的前向指示符数据。
例子可能包括：
- 各种产品的采购和库存水平(可能还包括我们的顶级竞争对手商店中类似产品的估计销售代理)
- 订单日期和货件到货日期（可能会增加可能影响货物到货的天气数据或其他因素）
- 等等…
能力：
适用的企业的共同因素包括在实时或附近的现有数据流。这不是每六个月拉动的数据，但数据以足够的节奏进入，例如我们可以定期查看它，并在我们站立的地方进行衡量的决定。
这可能是遥测数据从制造业例如，设备。通过我们实时获得的数据，我们知道哪种机器过热或我们从不同的制造线路获得的生产输出以及有贡献的东西。
另一个例子是电子商务网站的客户行为数据。使用从谁收集的实时数据正在登录，点击东西，向购物车添加物品，回来，购买更多，退款，我们可以预测某些类型的人会做些什么。
我们可以实时查看所有信息。当我在eBay总部进行面试时，我能够看到墙上的巨型仪表板。他们使用它来显示过去24小时内购买的产品种类和产品类别的实时数据。这是一件最酷的东西，因为它正在实时改变。我在eBay总部写下了我的访问和访谈本文。
另一个常见的应用可能是使用实时数据根据过去7天内标记的欺诈类型和百分比来预测可能发生的欺诈事件，或其他任何情况。它可能是日常库存数据，用于获取基于销售数据的库存水平的代理。适用的数据可以是任何事情，只要它发生在真实或接近实时的情况下，就可以做出相关的预测。
相关emerj文章：
来自常用应用程序的课程
选择肯定工作的应用程序
有几个外卖。一个是你想要选择肯定工作的应用程序。用于情感分析和寻找实体的自然语言处理是一个解决问题。我们已经知道它在管理客户端方面有效，并通过向他们提供他们找到相关的信息和内容来遵守它们。
当然，当涉及到客户服务时，NLP并不能解决所有问题，因为这个问题有很多复杂性，而且常常超出AI的控制范围。你需要在一个容易证明的用例中框架AI。
当您尝试在普通企业中部署AI时，您不希望通过超越可用的使用案例，以超越可用的使用案例，例如NLP。如果您拥有资金和/或AI人才来支持主动的资金和/或AI人才，但在大多数情况下，您希望留在您已经了解的参数范围内为该AI应用程序。
这个overrach的一个很好的例子是使用AI供电的聊天禁令。虽然经过验证的用例表明，Chatbots可以提高客户服务的效率，但没有用例表明Chatbots在回复强大，复杂的客户服务请求中的成功。这是一个更难的情景，NLP的核心科学在谈话中真的有可能进行更多的进化。
同样，这三个AI应用的核心课程正在挑选已经过验证的用例。一般来说，这些应用程序不用于解决难以解决的新问题，而是将它们应用于已知和解决的问题。
找到人们已经想要解决的问题
如上所述，这三个应用程序如此流行的原因是他们解决了跨越不同行业的常见问题或问题。我们对客户服务有什么看法？每家公司都希望提高客户体验。我们对文件，搜索和发现有什么看法？每个公司都有用于存储数据的笨重系统。我们对预测分析有什么看法？每个公司都认为AI作为使用数据和预测的方法。
客户已经了解他们想要解决的问题，因此随着流程而言是有意义的。有时它可能有意义，提出对客户的违反直觉的AI应用程序，因为它将长期对他们更有用，并且您希望建立信任并成为领导者。
您可以理解的是，您希望积极主动，并建议他们可能没有想到的事情。然而，在大多数情况下，骑行现有意图和举措的大多数情况都更加实用，并与检查切割机关的其他任何东西一起进行。
在不大修工作流程的情况下添加值
最后，在不修改工作流的情况下增加价值。例如，在前面讨论的客户服务的情况下，如果我们想要查看情感或趋势，我们应该有一个单独的接口来完成这些事情。我们不应该改变客户服务的工作量，因为这会造成太大的破坏。你所需要的只是一个团队，进行分析，然后在不改变工作流程的情况下将这些经验传授给整个公司。
这同样适用于文档搜索应用程序。如果你看看搜索平台公司，比如Sinequa.，您将看到他们将搜索工具嵌入到客户端的现有工作流程中。当客户处于抵押贷款工作流程的中间时，银行员工可以在一个非常简单的搜索框中进行搜索，并在不中断正常工作流程的情况下提取他们想要的文档。在某些情况下，文档搜索暗示使用新界面，但通常，它不应该是天文中的破坏性。
当涉及前面提到的预测分析时，该公司是申请的好候选者的事实是数据已经存在于仪表板中以记录过去。您可以使用相同的仪表板来查看未来。预测分析并不意味着如何进行业务，但意味着提取数据科学或主题专家团队然后可以传播，思考和用来改善他们的流程。
这些应用程序都不需要对现有工作流程的急剧更改。与聊天栏等应用程序不是这样的情况，这些应用程序根据定义意味着将客户服务人员拉出某些问题，并使它成为工作流程的新部分，然后使用该信息进行会议并决定如何改善我们的流程。这比从历史客户要求那里学习更具破坏性。
这并不是说没有中断工作流程是企业中才能做到的唯一方法。事实上，我相信，在未来，AI将变得越来越颠覆。随着AI变得更加信任，随着更多的应用程序被证明。我认为一些工作负载将完全改变。有些公司将采取巨大的风险，即将退还，其他公司将遵循诉讼。
然而，现在我们想从人工智能领域的新公司开始。我们希望能够在90%的时间内不彻底修改他们的工作流程的情况下嵌入它。我们不希望对启动项目进行大规模的工作流修改，以避免对它们的采用和部署产生阻力。
使用Emerj Plus发现AI机会
这三种应用类型在行业中非常常见，因为它们解决了常见问题，而不是有用的，而不是破坏性的，并且有验证的用例。如果您希望从任何行业应用可能适用的早期AI应用思想（并且相对验证）开始，这些可能是一个良好的开端。
如果你想走一步 - 了解更多有关Emerj的完整AI使用案例和艾白皮书图书馆的更多信息All-Access Emerj Plus会员资格。
