关于AI的四个常见神话

1.如果您建造它，他们会来……还是会来的？

仅仅为此而建造和出售产品已不再足够了。当数字初创公司和旧企业争夺创新的方式以实现其数字未来时，市场却很拥挤且节奏快。前瞻性公司正在制定计划，以产生对新数字收入来源的可预测需求。

分析师公司IDC预测，到2020年，50％全球2000公司将看到他们的大部分业务取决于创建数字增强的产品，服务和体验。已经进行了转变的开拓性公司报告的增长速度要比他们的竞争更快。在这个新世界，数据为AI，连接事物和其他数字技术的背面增添了新的可预测的收入流。

尽管任何公司都可以启动数字平台策略，但差异化的价值主张是必不可少的，并且需要大规模构建。客户体验至关重要。例如，在虚拟现实（VR）耳机不应超过10毫秒。为了今天完成此操作，VR游戏耳机需要笨重的硬件来控制传感器并运行计算密集型软件。

但是，借助多访问边缘计算（MEC）和基于AI的技术，移动边缘计算平台将接近消费点，接管繁重的举重，同时避免不必要的延迟。通过使用MEC和AI，包括Deutsche Telekom和Verizon在内的许多移动运营商最近发表了与应用程序和设备有关的公告，其中毫秒响应时间和客户使用模式和偏好很重要。换句话说，通过将AI放置在其产品的核心并使用Edge Computing的核心中，网络服务提供商可以根据消费者和业务需求进行数字化转换以生成新的收入来源。

2.一个AI尺寸肯定适合所有人，对吗？

听起来陈词滥调，但是AI的可能性是无限的。AI最终将进入几乎所有产品和服务。但是，并非每种新产品或服务都会成功。成功或失败将基于业务案例，对于许多公司而言，正确的AI用例继续仍然是一个谜。在一个最近的全球研究由麦肯锡全球研究所（McKinsey Global Institute）进行的，只有20％的C级高管在接受调查的C级高管表示，他们目前使用任何与AI相关的技术大规模使用，许多公司指出，他们不确定商业案例或投资回报率。

当然，Alexa和Siri似乎都有所有答案，但是AI为此而不是答案。AI技术是达到目的的手段，应该是周到地应用实现真正的客户价值主张。为了实现收入增长，运营效率和市场差异化，要问的关键问题是：您要解决什么问题，AI如何发挥作用？

例如，工业设备制造商将受益于敏捷机器学习，以改善失败发作的预测，从而提前安排维护。同样，更好的使用预测可以帮助移动运营商减少解决网络拥塞和隔离不稳定所需的时间。故障模式分析可以使软件开发人员能够更快地解决优先错误。

如今，估计有1800多家AI公司已获得超过160亿美元的资金，但并非所有人都能生存。为了最大程度地提高产品的价值，首先要确保专注于提供最佳的用户体验与最好的业务案例。

3. AI是革命而不是进化

随着数字在不同程度上渗透到每个行业领域时，旧企业有一种紧迫感，可以快速进行数字化。真正快。甚至豪华汽车制造商保时捷转移值从马力到数字电源，提供诸如在附近的停车位或警告危险道路条件的警告驱动程序之类的服务。很快，预计基于软件的产品将占新保时捷911跑车89,400美元标价的10％。

对于公司而言，重要的是数字转换路线图 - 是的，是进化- 为了在生命快要结束之前成熟的产品，以减少对业务的负面影响。目的是确保核心业务尽可能长时间保持盈利，同时成功地孵化以战略优先级形成的新鲜产品线。但是，请确保设计围绕人的产品 - 重点应该放在如何超越客户期望达到以数字方式的未来期望的期望之外。与同行相比，专注于客户体验的公司的收入增长优于竞争对手。

许多成熟的公司已经开始了这一数字化转型之旅。一个典型的例子是GE与AT＆T之间在路灯中部署网络传感器之间的合作伙伴关系。智能灯会变暗或变亮，监视空气质量，关注停车位，甚至发现和报告枪声。为了进一步移动数字化转型工作，公司需要确保其研发组织具有正确的业务重点，激励措施，文化和增长流程。最终，企业需要将AI视为一种进化技术，可以为客户提供出色的数字体验。

4.技术胜过设计

如今，古老的格言“形式遵循功能”可以更准确地改写为“形式遵循情感”。为“普通用户”设计的设计已过时。体验越个人化，对客户的价值就越有价值，那么您的产品或服务就越成功。无论是开发人员控制台，业务生产力应用程序还是用于消费者设备的应用程序，个性化都很重要。

虽然AI可能是破坏的强大力量，但重要的是要专注于最重要的事情。从定性到最终用户参与式研究和概念评估，以人为本的设计的目标是寻找新的方法来与目标受众互动。而且赌注再也不会更高。根据最近的研究Salesforce研究，现在有64％的客户期望即时的与品牌的回应和互动。如果公司不预料到他们的需求，则一半的被调查者可能会改变品牌。

基于AI的机器学习使公司可以实时收集和分析数据，以更好地了解用户使用产品的体验。它为客户如何与其他用户和服务互动提供了洞察力和智慧。换句话说，AI提供了创建的绝佳机会数字增长机会，只要您从结尾-用户的观点。这意味着要超越将AI用作使用特定于AI特定用例的技术的假设和误解，真正专注于了解广泛客户的需求，偏好，态度和动机。

所有的物联网议程网络贡献者都负责其帖子的内容和准确性。意见是作家的，不一定会传达物联网议程的思想。