State of AI in the Enterprise： 人工智能投资回报率达到20%或者更高
AI锐见82％早期使用人工智能技术的产品项目投资回报率都很高。
63％的企业采用了机器学习，这使得机器学习成为2018年最受欢迎的人工智能技术
69％的企业在为新的人工智能驱动的商业模式和项目招聘员工时面临“中等、重大或极端”的人才缺口。
59％的企业使用专门开发的人工智能软件简化工作流程、缩短销售周期。
37％的企业已经在认知技术上投资了500万美元，甚至更多。
以上结论都来自采访了1100名来自美国公司的IT和业务主管之后，Deloitte所作出的报告：《State of AI in the Enterprise，2nd Edition：Early adopters combine bullish enthusiasm with strategic investments》。
如今，科技、媒体、娱乐和电信企业的人工智能投资回报率平均为20％，或者更高。毕竟，随着全球认知技术市场预计将达到191亿美元，专利成了创造新市场的关键。在这些领域中竞争的企业也正在竞相创造和许可尽可能多的知识产权（IP）。
除了苹果、谷歌、IBM、微软和其他公司今年在人工智能和认知技术上投入的数十亿美元，Netflix也正在使用人工智能来改善客户体验。
Netflix发现，如果用户搜索一部电影超过90秒，他们就会放弃。Netflix估计，通过人工智能推荐最有趣的电影，使得它每年节省了10亿美元的销售损失。制造商也在采用人工智能相关技术，以便更好地理解如何在不同的生产运行中预测机械的可靠性、稳定性和性能。
59％的企业正在使用人工智能软件简化工作流程，缩短销售周期。
与其他方法相比，更多的企业通过包括CRM和ERP系统在内的企业软件获得认知能力。Salesforce的Einstein就是人工智能集成到CRM中帮助实现收入和客户目标的一个例子。
今年早些时候，Salesforce宣布成功创建了一个高级NLP模型，用于处理通常需要不同模型的多个用例。企业软件供应商正在竞相扩展其AI功能，Salesforce在CRM和相关市场中保持着快速发展的步伐。
Deloitte发现，IT自动化（47％），质量控制和检测缺陷（46％）以及网络安全（41％）是人工智能的三大使用案例。下图比较了当今企业如何获取和开发AI的一些最常见案例。
63％的企业高管表示，他们自己的人工智能必须要赶超竞争对手，最少也应该必须领先那么一点点。
Deloitte发现，高管们在2018年变得更加现实，更加专注于如何加强擅长人工智能项目与获得更大竞争优势之间的联系。
11％的受访者认为，人工智能在今天具有至关重要的战略意义；42％的人认为两年后它将至关重要；28％的人表示，人工智能正在帮助他们扩大对竞争对手的领先优势；9％的人可以利用包括人工智能在内的先进技术实现跨越式发展。
让现有产品变得更智能、联系更紧密（51％）、优化内部运营（36％）、做出更好的决策（35％）是当今企业运用人工智能的主要收获。
人工智能还被用于优化外部运营（30％），包括供应链和供应商网络，让员工更有创造力（36％），创造智能、互联和依赖物联网连接的新产品（32％）。
25％的企业依赖人工智能来获取和应用稀缺的知识，这对于在企业范围内创建可扩展的配置、价格和报价（CPQ）以及产品配置策略至关重要。
企业在人工智能和认知技术的投资上，最担心的是网络安全漏洞问题，尽管如此，仍有36％的企业在继续推进项目。
受访者中，30％的人表示为了解决网络安全问题放慢了人工智能计划；20％的人决定不启动基于网络安全问题的人工智能计划；32％的人在过去两年内曾遇到过与人工智能相关的网络安全漏洞。
39％的企业更喜欢将基于云的服务作为人工智能和基于先进技术的应用程序的交付平台，相比之下，只有15％的企业更喜欢基于本地的服务。
Deloitte发现，在所有应用程序交付方法中，有人工智能技术加持的交付方式的增长速度最快。并且，对基于云平台的先进技术和人工智能应用的需求也在日益增长。
最近的一项研究预测，到2023年，全球人工智技术加持的服务市场将从2018年的15．2亿美元增长到10．88亿美元，预测期间复合年增长率将达到48．2％。
基于云的平台和先进技术为企业提供了更强大的计算能力，企业可以利用这些计算能力从非结构化数据中管理更大的数据集、加速应用程序开发、简化算法开发和部署。
当然，在最近出版的一本名为《智力建筑师》的新书中，作家、未来学家Martin Ford采访了23位今天在人工智能领域有着杰出表现的人物，其中包括DeepMind首席执行官Demis Hassabis、谷歌AI首席执行官Jeff Dean和斯坦福大学人工智能专家李飞飞。
Ford要求他们每个人猜测哪一年将至少有50％的机会实现通用人工智能。23个人中，只有18人回答了这一问题，而最终只有两个人的回答被记录了下来。
有趣的是，这两个人提供了两个最极端的答案：谷歌的未来学家和工程总监Ray Kurzweil认为，到2029年，通用人工智能将有50％的可能性建成。
iRobot的机器人研究专家和联合创始人Rodney Brooks认为这一年份是2200。其他人给出的年份都在这两个年份中间，平均算下来在2099年——离现在还有81年。
也就是说，大多数人还是能在有生之年看到通用人工智能实现的，只不过还需要一点时间。
Ford在接受The Verge网站的采访时表示，此次他收集到的数据偏向于更长的时间段，而之前的调查倾向于30年左右，这一点特别有趣。
Ford还表示，从采访中能看出专家们意见中一个有趣的分歧——不是关于何时可以实现通用人工智能，而是使用现有方法是否可能实现通用人工智能。
一些研究人员表示，我们已经拥有所需的大部分基本工具，现在只是时间问题了；另一些人说，我们仍然缺少实现这一目标所需的大量根本性突破。
所有受访者都指出了当前人工智能系统的局限性，并提到了他们尚未掌握的关键技能，包括转移学习（将一个领域的知识应用到另一个领域）和无监督学习（系统在没有人类指导的情况下学习）。
目前绝大多数机器学习方法依赖于人类标注的数据，这是目前发展遇到的严重瓶颈。
受访者还强调，在人工智能这样的领域进行预测是完全不可能的，因为这个领域的研究时断时续，并且关键技术在首次被发现几十年后才能充分发挥潜力。
不过从这份报告也可以看出，工业界的人工智能应用还是要比学术界的看法乐观很多的。
当然，Ford也表示，这种反复思考可能是人工智能研究者们最重要的收获：在人工智能这样复杂的领域，确实没有简单的答案，毕竟即使是最优秀的科学家在“世界面临的基本问题和挑战”的问题上意见也不完全一致。
