本周早些时候，Cutter联盟发布了深入的AI评估报告，报告说大多数公司都在严重地部署AI。像任何新工具(或可能是令人惊奇的新工具)一样，很少有人最初知道如何有效使用它，并且大多数人对现代技术可能无法实现的功能都望而却步。
所需要的是一种确定AI可以做什么，企业最需要它的地方以及如何从他人的错误中学习的方法，从而避免了在学习过程中花费昂贵的学习途径。为此，Dell EMC简要介绍了其AI方法。
戴尔历来是该细分市场中最务实的公司之一，因此，戴尔的方法更多地是关于人工智能的实际和有效应用，而不是对某些未来更普遍的不合理承诺，尽管公认的是更令人惊奇的潜在产品。
让我们来谈谈。
痛点
与任何新技术一样，大多数供应商似乎都不想谈论很多痛苦的话题，而戴尔的信誉是从发现它们开始就值得戴尔的赞誉。这种方法很重要，因为通过专注于痛点，他们的解决方案应根据可完成的工作而少发展，而应根据客户的需求而更多。这些新兴技术常常被削弱，因为工程学想要展示想象力而不是聆听技巧，结果常常使客户远离想要的地方。
Dell EMC确定的痛点分为两类：使用AI产品的数据科学家的痛点和必须部署它们的可怜的IT人员的痛点。
数据科学家的痛点：最大的问题是，数据科学家对当前的AI解决方案感到沮丧，因为他们无法充分利用他们拥有的庞大(通常是错误的)大数据存储库，即使它们可以正确地构成查询并获得回应，为时已晚，无法发挥作用。如果您在这两行之间阅读，那么一个不起作用或不及时起作用的解决方案就没有多大价值，而且这些AI工具也不便宜。它使您认为许多现在秘密部署了AI的公司都希望收回他们的钱。
IT痛点：这与数据科学家的痛点相吻合，因为IT抱怨它缺乏有效部署该技术所需的技能，并且没有能力发展IT运营来采用该技术集。难怪数据科学家在抱怨。这就好比与赛车手交谈，他们使用的是最初不知道如何制造赛车的人制造的赛车。这些司机当然不会高兴(我希望他们中的很多人会受伤或不再生活)。
Dell EMC方法/解决方案
考虑到这些痛点，戴尔EMC一直致力于简化其AI产品并创建培训，以便IT不仅可以更快地部署，而且可以更有效地部署。戴尔与AI合作伙伴NVIDIA和Intel合作，针对可用技术优化其解决方案，并确保其成功部署，从而通过更好地确保结果的成功来区分其产品。
由于NVIDIA和Intel不能很好地协同工作而闻名，Dell EMC正在将其技术与IP桥接在一起，以优化结果并提供更高的ROI。而且，根据结果，戴尔EMC表示，这将部署时间从数月缩短至数周，并显着提高了易用性。
结果
从零售和大型企业到医疗保健和银行，这种方法适用的例子很多。以下是一些突出的具体示例：
一家零售商抱怨说，顾客正在为自己结账的廉价物品贴上价格标签，然后将它们放在昂贵的物品上，因此他们在购买手表但要为香蕉买单。解决方案是引入图像识别和匹配，以便摄像机可以标记POS(销售点)系统正在报告的内容和正在扫描的内容之间的差异，从而大大减少了欺诈行为。
赌场能够通过更好地细分客户来增加销售额，从而根据已定义客户群的独特需求更好地制定报价。该示例是AI最成功的成功用法之一，但是很难进行部署以使Dell EMC对其取得积极成果至关重要。
在医疗保健中，与使用假体进行置换手术有关的问题之一是所制造的物品与将要获得该物品的人之间的匹配性差。在这种情况下，戴尔EMC解决方案在髋关节置换零件和专利之间提供了更好的匹配，显着提高了积极手术成果的百分比。(我突然想问一下我是否必须更换身体的任何部位)。
其他解决方案包括改进信用卡(MasterCard)的欺诈保护，保险索赔的欺诈检测以及对抵押和其他贷款的风险进行更好的分析。
还有一些有趣的解决方案也引起了我的注意。例如，卡特彼勒(Caterpillar)正在将该技术用于自动驾驶和防雷安全，鉴于该行业使用的某些物理工具要比房屋大，因此这对于避免灾难性后果至关重要。西蒙弗雷泽大学正在使用该解决方案来分析DNA和微生物，以制止流行病。麻省理工学院林肯实验室(MIT Lincoln Labs)将该技术与一千万亿字节的数据结合使用，以提高机器人车辆的生存能力，而Zenuity可以每小时使用此技术运行50次仿真，以促进自动驾驶。
最后，AeroFarms已使用该技术使农场产量比传统方法提高了390倍。由于全球变暖破坏了现有的农场资源，这对于我们的生存至关重要。
包起来
Dell EMC和Cutter联盟提醒我的是，对于任何新技术，都有局限性可以在很大程度上抵消早期的炒作。但是，了解这些局限性可以大大提高结果的有效性，不仅可以确保合理设定期望值，而且可以确保这些期望值能够得到满足。
AI可以做一些令人惊奇的事情，但前提是正确部署，满足IT和数据科学家的需求，并针对导致购买决策的特定问题制定解决方案。幸运的是，这就是Dell EMC提倡和做的事情，它的示例应有助于推动行业和AI解决方案的发展。
