对于所有关于人工智能(AI)和机器学习(ML)的大肆宣传，许多IT经理对于如何在他们的计算机系统中开始使用这些功能感到挠头。
通常没有好的选择:用戴尔(Dell)和IBM等公司的新系统取代昂贵的现有硬件，或者相信那些没有经验的小型专家，他们可能不清楚自己的软件到底有什么功能。
相反，独立专家表示，在着手人工智能或机器学习项目时，最好是缓慢而具体。了解技术真正能做什么，了解你必须解决什么问题，了解实现它需要什么。这里讨论了前两部分，但是第三个方面，即实现，又如何呢?
“你要做的第一件事是弄清楚人工智能实际上能为你的公司做什么，”人工智能/ML顾问亚当·盖特基(Adam Geitgey)说。
目前，Geitgey说，人工智能/ML软件最有效的地方是将需要少量判断的重复性人工任务自动化。“你要找的是有很多人反复做决定的地方……找一些你经常做的劳动密集型工作。”他解释道。
一些例子包括在诉讼中审查民事发现文件，图像分类，和转录音频。451 Research的分析师Henry Baltazar补充说，对于内部IT功能，示例包括调优/优化数据中心操作、配置管理和系统补丁/更新。
参见:人工智能:趋势、障碍和潜在的胜利(Tech Pro研究)
其次，对于所有这些例子，“你需要大量数据来训练人工智能去做……如果你没有这些数据，你就无法建立一个人工智能系统，”他指出。您可以从Amazon、谷歌和IBM购买现成的应用程序，但是如果您需要自定义的应用程序，则必须组织一个团队来构建它。
Geitgey说:“现在很多人都雇佣专家，但是有足够多的中级软件开发人员对此感兴趣。”“这是非常不成熟的第一代产品。你可以想象，几年后，这些工具会变得更加容易获得和标准化，你可能不会从你的硬件供应商那里得到它们。”现在，“如果这是你的公司做过的第一件事，那么有指导可能会有帮助。”
Geitgey补充道:“第三步是实际创建解决方案并测试其有效性。”他说，人们经常看到超大规模的公司在内部电脑维护操作中使用人工智能，但这对一般规模的公司来说可能效率不高。
Geitgey说，常见的错误包括仅仅因为AI/ML流行而想要使用它，以及在理解需要解决的问题之前就投入到软件开发中。
为了开始收集足够的数据来了解问题并开发足够智能的软件，“我总是建议告诉首席执行官和决策者，数据本身是公司的一项资产……尤其是没有其他人拥有的东西。”他说道。“你需要大约1万个数据点的东西来做一些有用的事情。”Geitgey指出，要确保这些数据是相关的——夏季的在线销售数据并不能帮助你的软件预测“网络星期一”所需的计算周期。
451的巴尔塔扎尔表示，在开发或购买AI/ML软件之后，你还必须了解如何衡量它是否兑现了承诺。他说，目前只有不到一半的开发者知道如何做到这一点。他说，需要关注的指标包括效率的提高(如执行工作所需的员工数量减少)、IT故障单的减少以及更快的补救。
了解智能城市、人工智能、物联网、VR、AR、机器人、无人机、自动驾驶，以及更多最酷的技术创新。
