人工智能可望解决所有行业的各种问题，展现了极好的前景。人工智能支持及推动的技术以及基于人工智能的技术现在已经逐渐进入实用，例如，基于人工智能的技术可以实现零售业务和财富管理方面的任务自动化。这一类的自动化可以减少错误及管理日益庞大的数据集，因而可以让人类腾出手来完成智能、战略方面的任务。在企业层面，人工智能架构正在彻底改变企业能力并在稳步地塑造未来企业的运作方式。

文章插图
接入商业企业核心系统
机器学习运营或人工智能规模化是零售和商业世界的关键优先事项。企业技术堆栈可以利用人工智能和预测处理高频率的、模糊事件。人工智能的主动学习和持续改进可以嵌入到商业应用和工作流程中。这些需要可以被利用起来进行信号上下文拼接，进而创建统一的真相视图，真相视图则可以令团队有能力在当下作出上下文决策。各种相关的技术框架已经存在了近十年之久，但大多数企业一直无法克服现实世界背景下或规模上的应用技术障碍。
大多数商家还没有搞清楚如何使用这些工具，甚至企业级的公司也可能缺乏这方面的专业知识。现实是，零售业和商业领袖倒是知道这些工具的存在并具有价值，但他们却在实现这一价值时受阻，原因是系统或生产工作流程不够灵活。
商业不会放缓，世界上的零售商不能停下运营去添加人工智能和机器学习或为了更好地使用人工智能和机器学习而停止运营。因此，困难的关键在于，如何才能从正在生产中运行的机器学习中进行学习呢?
上述系统的潜力则进一步令此问题具有紧迫感。例如，由机器学习和人工智能系统组织的数据可能令零售商能够预测某个人是否会购买某个产品。零售商可以发一个报价增加此人购买的可能性。其挑战在于条件在不断变化，这意味着所用到的模型需要不断调整和更新才能解决新的问题。
Hypersonix公司利用基础企业AI层驱动的微服务组合及多种AI智能算法建立了核心技术。各种企业过去从数据里提取价值时举步维艰，他们的数据被组织在各种孤岛上，所以访问和分析数据都存在困难。企业也很难制定相应的战略以及做到通过正确的渠道以正确的价格将正确的产品送到正确的客户手中。
结果导致了在制造、分销、定价、促销、销售品种和报价方面的决定都是在信息黑洞中进行，通常只是靠直觉、静态规则，或者在最好的情况下通过历史分析。但如果不能将历史分析和未来需求预测结合起来，只在当前作出最好的决定则往往会导致机会的丧失和不可避免的商业风险。
Hypersonix团队克服了格式和数据结构的巨大多样性、企业数据孤岛、不一致的决策过程和陈旧脆弱的企业系统等困难，创建了先进的两步走过程。
首席技术官Kumar Srivastava做了这样的解释，“我们的平台专注于整个商业世界：从制造到运输到定价到退货等各方面。非常广泛。我们解决的问题包括，大型企业如何连接数千种不同的信号，以利企业能够在建造什么、如何发货、如何定价、如何促销、何时退出流通等方面作出更好的决定。我们的主要信念是，每个企业都想做到在正确的时间、通过正确的渠道、将正确的产品送到正确的客户手中。”
要做到这一点就需要重组所有的企业决策，要从根本上做到以需求预测为基础，进而预测每一个产品在任何特定时间点的需求。这是非常困难的，大量的企业产品目录，而且每个产品在每个地方的模式、购买行为和消费者偏好都非常不同。另外，产品目录、消费者偏好、产品购买行为和当地情况也都在不断变化且不稳定，使得事情变得更加复杂。
大多数企业完全无法跟上这样的动态环境，往往最后都退而求其次用了静态规则或直觉决策。Hypersonix的产品和技术栈旨在首先将不同的数据集汇集到一个统一的商业数据模型中，然后再以非常高的频率执行高度关联和定制的算法。
企业公司的运营并不是人工智能支持增长的唯一领域，企业人本身(更确切地说是他们的钱)也可以得益。
私人银行
初创企业激增，高净值个人的数量也在增长，财富管理和私人银行业务创新正在蓬勃发展。资料显示，超过8%的美国成年人是百万富翁，而且这些财富的分布不在西部。Asheesh Chanda在金融行业工作了15年多，但他去开个人银行账户时却发现即使是百万富翁也没辙。Chanda了解到许多人和他一样拥有类似的个人财富，但没有机会获取高质量的银行产品或建议。他们希望拥有私人银行账户，但却也只能选择民众用的银行账户。

稿源：(科技行者)

【傻大方】网址：http://www.shadafang.com/c/110c52F22021.html

标题：tAI帮忙“做生意”：越智能，就越简单