文章由丹尼尔
30篇
20世纪90年代,本·霍洛维茨(Ben Horrowitz)对产品经理的描述如下:
“一个好的产品经理是一个产品的首席执行官。”
这个定义并不总是完美契合,但它可以概括一个产品经理的职责的好方法;它们是完全负责把一个内部产物从开始到生成的ROI。
许多企业领导人做出相信AI和机器学习是像普通IT的错误,但是这不能从事实进一步。在很大程度上,这是因为,不像谨慎的业务问题的简单的软件解决方案,它可以是非常难以衡量机器学习的投资回报率。
当你阅读AI供应商的网站或企业发布的新闻稿时,你可能不知道这一点,但当你深入挖掘企业实际采用AI的原因时,你会发现模式是清晰的:
想要应用人工智能的公司正在他们的行业中寻找竞争优势,这将使他们在市场中获得优势并帮助他们成长。然而,并非所有的人工智能应用程序都能给公司带来竞争优势。许多人工智能应用将成为新常态。
商业领袖们对自动化有很多担忧,其中之一就是他们如何让员工适应新技术。数字时代也带来了快速转变技能有效员工对自己的工作需要,留给企业领导人想出策略如何reskill和重新培训员工,防止他们的公司吸引公众的鄙视,以及如何与同行竞争。
还有在整个医疗行业进步无数AI举措;其中有些是心理健康和福祉。在这篇文章中,我们提供的AI是如何促进心理保健方面的概述。
在过去的四年里,我们采访了数以百计的人工智能研究人员和人工智能企业领导人,我们不断听到人们对人工智能的采用一次又一次地表示同样的沮丧。
“文化很难改变。”
“领导不知道他们正在试图完成的任务。”
“没有人知道该怎么做,我们已经聘请到了这些数据的科学家。”
等等……
在我们与企业客户一到一个工作,我们已经采取了最普遍的,经常性对AI部署难题,并把它们一起放入“先决条件”,以AI部署的框架。
Emerj技术顾问,German Sanchis Trilles博士将自然语言处理定义为:
“……与人类语言有关的一切。如果你有一个系统需要识别一个人写的东西,那就是NLP。如果你有一个系统试图理解一个人用他的声音或她的声音说什么,那也是NLP。如果你想让一个系统说话,做一些语音合成,那也是NLP。
内容营销包括许多方式来宣传和吸引新的潜在客户。在Emerj,我们为人工智能相关产品和服务开展了数百项活动,我们了解到,人工智能供应商的内容营销可以归结为两件事:
公司经常在主页或服务页面上强调人工智能。虽然人工智能目前是一个重要的话题,但在网站主页上简单地提及它并不会引起潜在客户的兴趣。相反,更重要的是关注利益相关者的直接需求,他们找到一个人工智能供应商网站和他们的在线财产,以便让他们更接近销售。
在这篇文章中,我展示谁使用他们的业务和相关专业知识(而不是他们的编码能力)有更多精彩的职业生涯在人工智能非技术专业的6个例子,我直接一批约AI知识Emerj用户问题和意见职业发展
上个月,我们以“在人工智能时代提升你的职业生涯”为主题,在工业人工智能播客上发布了一系列关于人工智能的播客,重点关注非技术专业人员如何在市场上变得更有价值,如何在不学习编码的情况下参与人工智能项目和计划。
我收到的关于这个系列的反馈是我们在播客上运行过的任何其他系列的两倍——这让我很惊讶。
这让我很惊讶,因为我认为Emerj.com上的所有东西对非技术专业人士都很有用。我们已经建立了我们的编辑日历和我们的产品,围绕着非技术专业人员的需求,他们想要充分利用他们的职业生涯,但最近的系列直接谈到了这个话题。
但直接触及“在人工智能时代推进你的职业生涯”的主题显然是一针见血的。
出于这个原因,我决定发布一个关于同一主题的由三部分组成的视频和文章系列,分解对我来说最重要的课程,并分享我自己从小镇武术教练到国际人工智能演讲者和战略家的一些故事。
进入小镇的武术教练零部件之前,我想的份额举足轻重的硅谷谈话,改变了我的职业生涯:
虽然很难让人们对乌托邦的愿景达成一致,这是比较容易对什么是“更好的世界”可能看起来像同意。
例如,联合国的“可持续发展目标”是一套重要的商定的近期全球优先事项:
金融部门是最早开始在各种用例中试验机器学习应用程序的部门之一。2019年,银行和其他放贷机构将机器学习作为一种赢得市场份额并在不断变化的环境中保持竞争力的方式,在这种环境中,人们不再只需要银行来满足他们所有的银行需求。
四个月前,我们推出了我们的银行人工智能播客,每月我们都会在播客中讨论一些与银行和金融机构采用和实施人工智能相关的最关键的话题。我们的系列是基于对人工智能行业专家的采访,他们中的许多人在我们的第一个综合银行业研究项目人工智能供应商记分卡和能力图中分享了他们的宝贵见解。
对于人工智能的投资回报率,企业仍然没有一个清晰的认识。许多人认为人工智能和其他软件解决方案一样:理论上,回报应该是即时的。但事实并非如此。此外,商业领袖经常被欺骗,认为投资回报率之路比人工智能要顺畅得多,因为人工智能供应商往往夸大其软件产生的结果。
我们采访了微软人工智能部门的总经理大卫·卡莫纳,他谈到了如何与他在微软工作的企业客户进行人工智能投资回报。这一集最大的收获就在开头。David谈到了如何考虑人工智能的长期和短期投资回报率。
很显然,有一个在如何人工智能与为反对旧学校系统20世纪80年代和90年代的神经网络进行了一场革命。很明显,硬件开始演变,这也是很清楚的是,我们这些电源硬件系统的方式将不得不改变。
我们与人工智能硬件公司Groq的首席执行官兼创始人Jonathan Ross就软件定义计算进行了交谈。本次采访是我们与Kisaco Research合作为9月17日和18日在加州山景城举行的人工智能硬件峰会所做系列报道的一部分。
这篇文章的大前提不同于我之前的大部分人工智能能力文章。
虽然大多数在本系列文章中已经涉及到了与问候监管,数据和国际政策组织和政府之间的权力短期的斗争,本文将着眼于长期的轨迹AI和技术正朝着领导而这意味着什么的最强大的国家和组织。
我们采访了微软智能设备总经理Moe Tanabian,他在9月17日和18日于加州山景城举行的AI Edge峰会上发表了讲话。Tanabian讨论了如何思考和重构业务问题,使它们更容易被人工智能以及边缘的人工智能访问,这涉及到在单个设备上而不是在云中进行人工智能处理。这一优势可能为人工智能解决商业问题带来新的潜力。Tanabian还提供了有代表性的智能设备用例。
金融领域机器学习的出现,引发了人们对利用人工智能实现从欺诈检测到客户服务的自动化过程的浓厚兴趣。虽然有些用例不像其他用例那样确定,但我们的研究使我们相信,在未来五年内,银行将继续投资于机器学习,用于包括承保在内的风险相关流程。
自从网上银行服务出现以来,客户已经有了几种不同的方式与他们的银行沟通。银行需要监控所有这些客户的请求,并以最有效的方式响应他们。此外,每一种不同的沟通渠道都代表了一种有价值的方式,可以细分客户,不仅可以提高他们对银行品牌的认知,还可以更好地向他们推销银行产品。
虽然有在商业世界的AI应用程序建立的用例中,声称AI供应商都来自他们的软件往往是夸大了回报。什么也跻身AI炒作并不明显的是,采用人工智能和机器学习是更具挑战性比看起来。
这个星期,我们与大卫·卡莫纳,AI的总经理在微软发言。卡莫纳讨论如何重新定义业务流程是一个非常不同的AI采用项目不是东西,是水平的工作。
我们的研究表明,用于风险相关银行功能的人工智能应用程序比其他业务领域的应用程序要多得多。欺诈和网络安全、合规、贷款和借贷以及风险管理总共占银行业AI供应商产品的56%,如下图所示: