来源：CPDA数据分析师网 / 作者：数据君
人工智能或人工智能已不再是虚构的
它是目前在各种应用中使用的可靠技术，并且在检测嵌入在大量数据中的模式方面显示出了特殊的价值，预测特定客户可能会购买的商品，识别信用卡欺诈，分析保修数据以查明质量问题，并为保险承销商提供更准确的精算模型，围绕AI的炒作更加强大，并且一些组织被它所吸引。这种诱惑很容易激起将技术应用到不太适合的任务的尝试，使用AI来诊断和推荐癌症治疗计划，最终使该组织付出了一笔巨款，却从未被患者使用过。
cpda数据分析师
使工具与工作相匹配
然而与此同时，中心尝试将AI用于更多日常事务，例如为患者家庭推荐旅馆和饭店，他们发现，给定明确定义的问题参数，该技术产生了令人印象深刻的结果，并节省了大量员工时间，诸如更新客户文件，更换丢失的信用卡以及从法律文件中提取准备金之类的东西都非常适合AI自动化业务流程并跨多个后端系统工作。
但是与人不同，人工智能技术相对不灵活
在IT中使用AI的问题在于它过于僵化，如果AI算法是围绕一个公司的网络基础结构构建的，然后有人试图在看似相同的公司基础结构上使用AI算法，那么他们将感到失望，它行不通–这与它学到的模式不同，甚至在IT团队宣称AI解决方案取得成功的情况下，也常常是因为他们错误地使用了该术语，人工智能与专家系统并不相同，即使专家系统可以非常智能，没有学习算法的核心，就不是人工智能，常识不是AI的特征。
尽管如此人工智能及其基础技术（例如神经网络）仍具有可观的前景-尤其是当它们不断改进
学习并克服其当前局限性时，确实随着时间的流逝，当今出现的许多令人屏息的AI炒作和错误描述完全有可能成为现实。至少就目前而言，AI可以理解为具有不同的风格，每种风格对应于不同的复杂程度。
最底层的是针对日常后台业务流程的自动化工具
在中间的梯级上是用于通过分析获得洞察力的系统，例如在大量数据中查找模式，识别语音或识别图像，与业务流程机器人不同，第二梯级学会了随着时间的推移而不断改进，梯队最重要的是认知参与，包括系统自动化（例如，自动扩展基础结构和其他类型的补救措施），用于回答员工问题的内部站点以及向零售商提出的建议，以提高销售和客户参与度。但是他们仍然没有那么擅长，发现其70％的客户要求都需要人工值班人员来回答。
但是AI已经可以提供某些类型的IT用户支持
例如，对于不擅长监控的IT团队成员，AI可以帮助他们从噪声中过滤掉信号，从而使他们的工作变得更加轻松和快捷，除此之外，随着时间的流逝，AI似乎注定要成熟到可以在管理复杂的IT网络和流量方面提供更多帮助的高强度需求，即使是非常聪明的人也很容易淹没，但是我们还不存在，因此需要相应地调整期望值。
