机器学习如何进入小型企业

作者 | Daniel Faggella
出品｜CDA数据分析师
英文 | How Machine Learning Will Become Accessible to Small Businesses？

大多数人工智能解决方案都不适用于小型企业，但随着时间的推 我决定了解人工智能解决方案现在的位置以及最终如何让小企业获得这些解决方案。

本简短指南讨论了企业在某些方面实施人工智能所需的人工智能投资水平和专业知识，以及人工智能供应商需要克服的挑战，以使自己更易于小企业使用和获取。

对于小企业主来说，不要因为人工智能的炒作而陷入困境和分心，而是要了解它的本质，并且只关注那些可能会对他们的业务产生影响的人工智能解决方案。本报告旨在为小型企业所有者提供对机器学习在小企业整体技术范围内的适用性的理解，使他们能够防止人工智能炒作，并在人工智能在小型企业领域实现可访问时更有效地利用人工智能。

在本报告中，我将讨论以下内容：

• 实施AI所需的投资和专业知识水平
• AI供应商需要解决两个问题，以便小型企业可以访问AI
• 小型企业在查看机器学习解决方案时需要避免陷阱

实施人工智能所需的投资水平和专业知识

有三个级别的投资和专业知识可确定哪些企业能够访问AI解决方案。它们如下：

• 创建AI解决方案
• 与AI供应商合作
• 使用AI工具

创建AI解决方案

希望创建自己的AI解决方案以解决其特定业务问题的企业将需要最大量的投资和最高水平的AI专业知识。更具体地说，这些企业将需要：

• 大量数据
• 强大的数据基础架构和数据清理流程
• AI领导团队的专业知识
• 深入的领域专业知识以及AI在该领域的作用
• 风险投资

熟悉的基于人工智能的推荐引擎（如Netflix和亚马逊）可以预测哪些推荐会促使特定用户执行理想的操作，例如观看更多电影和购买更多产品。这是因为这些公司拥有大量数据可供绘制。对于每天进行20笔交易的小型企业而言，情况并非如此。

此外，这些公司雇用大型数据科学家团队来构建，清理和更新他们的数据库和人工智能解决方案，这是小型企业根本无法承受的，除非他们得到风险资本家的支持，这些资金可以帮助企业构建他们的AI解决方案在它进入市场之前。

与AI供应商公司合作

虽然希望将AI解决方案集成到其工作流程中的企业可能会向供应商公司付费，但他们可能需要达到与希望构建自己的AI解决方案的公司相同的先决条件。

在某些情况下，即使有一些数据科学人才，也可能需要数月的集成时间才能实现人工智能软件，而软件仍然无法提供预期的结果。设置和集成AI解决方案的困难可能在很大程度上破坏软件的任何好处，除非企业已经拥有合适的人工智能人才，这将使整合顺利进行。

客户保留营销公司 Optimove可能能够与 1-800-Flowers.com这样的公司合作，因为它可能拥有当地草坪护理公司所不具备的数据科学人才。Digital Genius，Luminoso和 Acquisio]等公司也是如此。如果可能的话，他们会喜欢与妈妈们合作，但是如果他们还没有必要的数据科学人才来设置并将AI软件集成到他们现有的系统中，那么那些妈妈和流行音乐网点尚未准备好进行AI。

在大多数情况下，了解供应商是否拥有真正的小型企业解决方案的最佳方法是检查其网站的客户或案例研究页面。如果网站上提到的所有公司都有200名或更多员工，可以说供应商不提供小型企业能够实施的软件。例如，Acquisio 为小型企业提供促进潜在客户和PPC活动的推广，但它没有在其成功案例页面中提及任何小型企业。

使用AI工具

这些强大的先决条件对于小型企业来说难以满足，因此事实是，对于小型企业来说，实施AI解决方案，该解决方案必须真正“开箱即用”。这意味着它可以随时使用任何培训，才能或调整。只需通过几个在线教程或阅读手册，任何人都可以在短时间内学会使用它。

我将这些解决方案称为“工具”。人工智能工具不需要内部数据科学人才，数据基础设施，风险资金 - 这些都不是。不幸的是，AI工具只是AI业务解决方案领域的一小部分，但它们确实存在。

一个例子是 谷歌地图，各种规模的企业都可以实现良好的效果。Facebook广告同样易于使用。两者都使用机器学习API，但都不需要数据科学家使用和维护。当某些东西对消费者友好时，小企业可以使用它。

AI供应商需要解决的两个问题，即AI可以访问小型企业

AI供应商都希望进入小型企业市场。因此，他们不断努力提出类似于谷歌地图和Facebook广告的解决方案，这些解决方案对小型企业来说非常容易获得。亚马逊也很擅长通过其推荐引擎帮助小企业推销其产品。

但是，这些解决方案都不会在一夜之间获得。例如，Facebook在第一天就没有设法提供适合消费者的广告解决方案。经过多年的努力和大量的预算才能使它达到今天的水平。

Optimove等公司希望能够为他们的PPC活动提供一个五人电子商务公司可操作，现实和合法的建议。不幸的是，由于两个大问题，现在不可能：

• 数据问题
• UI问题
  

数据问题

小型企业没有大量的数据记录，这将继续成为一个问题，直到企业发展到拥有足够数据的程度。对于离线业务来说，这更是一个问题，因为他们的数据很可能无法数字化到人工智能解决方案为其提供价值所需的容量。

例如，在网站上，企业可以假设地跟踪每次点击和鼠标移动而没有太多麻烦，这将为企业提供关键数据点。对于实体店而言，情况并非如此，数字化跟踪客户从过道到过道以及产品到产品的移动更难以捕获。

小企业数据问题的唯一解决方案是聚合。理论上，AI供应商可以从数千名每天销售20种产品的小型商业软件用户那里收集足够的数据，然后培训机器以与亚马逊相似的水平进行操作。它可以聚合数据以便训练其推荐引擎软件，然后可以向任何小型企业提供相同质量的推荐并帮助他们销售更多产品。

但是，为了做到这一点，成千上万的小企业必须首先购买该软件。一个拥有风险投资的初创AI供应商可能会以beta形式推出软件来收集这些数据点，但这需要很长时间。为了达到这种级别的聚合，软件必须为大型企业提供可靠的高投资回报率。

数据聚合的另一个问题是它可能在某些扇区中不起作用。数据聚合的价值源于共性。为了使机器学习软件识别模式，数据需要具有共同的基本点。例如，如果供应商可以汇总每天销售20件T恤的1,000家小企业的数据，那么它可以识别触发更多销售的行为模式。

对于利基产品或业务，数据聚合成为问题。制造和销售锡制定制高尔夫纪念品的公司可能只是少数类似企业中的一个。无论有多少电子商务网站插入其中，都可能无法获得足够的数据来训练AI系统对该业务有多大用处。

同样重要的是要注意，并非所有数据都具有机器学习的价值。正如数据必须具有某种程度的共性一样，它也必须是“干净的”。清洁数据是相关的，并且最近的信息具有统一或一致的结构。这允许机器学习软件从中学习。数据还必须与业务的快速变化趋势和细微差别相关，否则将不会产生可用的结果。换句话说，干净的数据比大数据更好。

在某些时候，AI开发人员会提出更好的算法，可以训练更少的数据。然而，可扩展性不太可能达到可以帮助待在家里的妈妈烘焙蛋糕出售的程度。所有这些数据问题最可能的解决方案是数据聚合和算法的组合，可以训练更少的数据。

UI问题

使小型企业可以访问AI解决方案的第二个障碍是软件或UI的用户界面。对于不是数据科学家的人来说，今天的AI软件UI非常难以理解。它们不是用户友好的，这就是为什么企业需要数据科学家来设置，集成和管理前面提到的软件。

很有可能，这将来不会成为问题。公司将找到一种方法让人们更容易与人工智能软件交互，但可能需要很多年。

这将不是新软件第一次发展成为更加用户友好的。一个例子是 MailChimp，这是2001年推出的流行的营销自动化软件。与 Marketo相比，它是相对简单的软件，但是当它第一次出现时，需要有技术知识的人才能使用它。

随着时间的推移，人们通过反复试验找出隐藏在幕后的复杂过程的方法，这样用户只需拖放电子邮件或点击按钮即可构建自动化广告系列，而无需了解一行代码。如今，没有技术背景的人可以通过几个教程视频来感受自动化系统，但是要花费超过15年才能达到这一点。

在查看机器学习解决方案时，小型企业需要避免过度陷阱

聊天机器人

聊天机器人是机器学习的应用程序，似乎在各个行业中获得了很大的吸引力。例如，医疗保健行业是该技术的早期采用者。但是，聊天机器人对小型企业的限制仍然与其他类型的AI迭代相同。聊天机器人仍需要一定数量的干净数据和一定的技能来训练和使用它们。提供真正价值的开箱即用聊天机器人根本无法使用。

重要的是要注意，聊天机器人仅在明确定义的窄范围内使用时才是实用的。 用例显示了解聊天机器人限制的价值，特别是对于小型企业。当使用较少时，它们最有可能提供强大的ROI。

例如，具有许多传入查询的企业可以使用聊天机器人在路由到正确的人之前响应前两层问题。即使这样，它也可能无法为小公司提供强大的投资回报率。在大多数情况下，很多聊天机器人都是玩具应用程序。

玩具应用程序是那些专门为满足自身需要AI并且大部分都是陷阱的人而设计的应用程序。许多公司将AI用于除解决业务问题之外的其他目的。时尚品牌采用聊天机器人，因为他们看到有关竞争对手使用其中一个的新闻稿，所以他们觉得他们也应该有一个。

供应商非常愿意鼓励这种思维。然而，有关聊天机器人的真正强劲和强烈的积极投资回报率的证据并不是现在无处不在的。

当我采访Conversica的首席科学家Sid J Reddy时，他说：

为了使公司能够成功构建会话系统，他们需要非常擅长自然语言处理和机器学习…我们没有一个模型可以理解每个上下文的所有内容…特定的模型只能基于它的例子。因此，不同的公司专注于不同的意图和实体。

也就是说，聊天机器人的概念仍然具有强大的吸引力。全自动服务将是企业和客户的理想选择。但是，在目前的聊天机器人开发状态下实施它需要花费大量的金钱，时间和精力。对于大多数小企业来说，这比它的价值更麻烦。

营销语言

供应商通常将自己推销为提供机器学习解决方案，而实际上他们只是利用人工智能炒作。我之前讨论了三个经验法则，用于在我网站上最喜欢的作品之一中切断人工智能炒作。营销语言本身通常包括流行语，宣传公司的解决方案，好像它会神奇地解决企业的问题，好像它是一个人工智能工具。

如前所述，大多数人工智能解决方案都不是工具，供应商往往不与那些没有大量清洁数据和内部数据科学家的公司合作完成整合过程。

小企业主的小贴士

AI供应商希望说服小型企业将AI解决方案集成到他们的工作流程中，特别是当小型企业是一个巨大的市场时，但遗憾的是，AI解决方案在2018年对小型企业来说并不可行。

这是因为在实施AI时，小企业有几个缺点。例如，如果任何规模的企业尚未拥有有能力的数据科学家的空间，那么许多人工智能解决方案对该企业来说不是合理的投资。人工智能软件需要对科学及其背后的大量风险资金有一个坚定的理解，因为它不会经常在实施的第一天向企业提供结果。

一些企业最近才开始雇用人工智能和数据科学人才，因此他们可以利用人工智能来解决他们的业务问题，小企业可能无法做到这一点。

小型企业构成了市场的重要组成部分，这使其成为人工智能供应商公司的一个有吸引力的目标。然而，大多数人工智能和机器学习系统仍然过于复杂和昂贵，无法被小型企业访问。

小型企业主可以轻易获得人工智能的唯一方法是将其商品化，使其变得对消费者友好。要做到这一点，它必须从顶部开始。大公司必须找到一个有利可图的人工智能解决方案，以便他们投资它，反过来，供应商可以继续开发该解决方案，使其成为任何人都可以使用的东西。这就是小型企业可以获得机器学习的方式。

结束语

原文链接：https://emerj.com/ai-future-outlook/how-machine-learning-will-become-accessible-to-small-businesses/

的东西。这就是小型企业可以获得机器学习的方式。

结束语

原文链接：https://emerj.com/ai-future-outlook/how-machine-learning-will-become-accessible-to-small-businesses/