北京治疗白癜风那家医院看的好 http://www.bdfyy999.com/m/可能会受到一些人的质疑，毕竟在企业领域，多是形式的人工智能，但是在商业领域这确实是相对容易落地的技术。我们可以尝试看看企业中的数据如何落地ai，研究下企业中的数据在落地ai过程中遇到的挑战是什么。企业在落地ai之前遇到的挑战：计算成本、资源分配和人员选型这是一个最常见的ai落地问题，不是数据问题。现在企业中常用的ai方案，在esri都可以通过ocr识别数据，再通过智能推荐、数据绘图等方法落地的，这些技术在企业应用中是完全成熟的。主要的挑战是人员分配，尤其是决策分析类、生产制造类、教育培训类方面。如果人员数量大，企业人力资源会不够。企业可以通过人机协同来解决人员问题，但是ai落地可能需要人员，也可能需要机器，但是人才的选型以及使用效率在每个企业都有着不同的考量。计算成本的问题最严重，对于没有专业资源的公司来说一般需要数以十万计的计算机或者人工来完成。人工智能方案依赖于定量模型，存在数据的边界，没有资源配置的边界。对于初创企业来说，我们通常给予比较高的人力资源投入，但是企业在实践过程中，由于计算成本的问题是无法发挥其机器优势的。资源分配，在企业落地ai的过程中，资源配置需要考虑的非常多。包括人力、硬件、资金、模型的覆盖、方案研发投入、管理资源调度等等，很多时候会分为两大块，一块是人力资源的建设，比如基础设施、服务器、机器人等，有资源积累一定基础后，把这些都投入到企业业务当中去，把产出加倍。另一块是人力资源的投入，定义为员工资源，员工包括各个部门、各个岗位人员，数据覆盖到基础要求、高层要求、创新要求等各个岗位。当然人力资源在企业中也是有资源分配的边界的，这也是本质问题。在资源划分的过程中需要把人力和资源区分开来看待，资源可以是数据，包括数据管理、数据挖掘等等。而人力资源的划分才是关键，包括员工管理、用工管理、人力结构组织等等。不同的角色、产品或者场景需要不同的人力资源体系定义。人员能否选型的原因有很多，比如企业目前仅知道有人资部门，但是还没有对现有员工做区分，公司利润、研发等人力资源的基础又不稳定，因此选型人才做为企业在人力资源分配上的一个非常重要的考量。有些企业选择一个顶尖的人才，但是企业也面临没有数据管理的情况，一方面企业希望通过ai选型吸引到顶尖的人才，另一方面企业也需要自己培养很多中层员工去管理和顶尖人才。而且ai人才的分配是一个很复杂的问题，不是单方面要求非常高，高层面基础人才需要层层补充。
