最近谷歌搜索了一个问题："人工智能能做什么？"返回27亿个结果。关于人工智能功能、现实世界应用程序以及将宣传与现实分开的网页数量之大说明了两件事：

首先，人们感兴趣。其次，他们很困惑。

这也难怪。我们听到专家、教宗、预言家（是的，还有一些科技公司）谈论人工智能是治愈所有疾病的灵丹妙药。你现在需要的是商业游戏规则的改变者

但是你怎么知道你的企业是否真的会从人工智能中受益呢？在销售、市场营销、客户服务等方面，哪些特定的业务领域将受益最大？

然后你必须考虑AI能做什么。它不能做什么？用例是什么？谁需要被杀？

围绕人工智能的问题和它的潜力一样无穷无尽。这就造成了利益与执行之间的脱节。需要证据吗？麻省理工学院斯隆管理评论（MIT Sloan Management Review）和波士顿咨询集团（Boston Consulting Group）的一项研究显示，84%的高管认为人工智能将创造竞争性的商业优势。更重要的是，我们的研究发现，62%的客户愿意使用人工智能来改善您给他们的体验。然而，根据麻省理工学院的数据，人工智能关键技术，只有不到一半的人（仅38%）真正实施了人工智能战略。

62%的客户愿意使用人工智能来改善他们的体验，高于2018年的59%。"Salesforce Research

这是我们新的"Ask Salesforce"系列的第一篇文章，解释了如何在企业中使用人工智能。我们将从人工智能如何帮助您做出更好的决策和回答关键业务问题开始。

1。从一个具体的问题开始

让人工智能为您的业务工作的第一步是弄清楚您希望人工智能回答的具体问题。

这个问题可以表示为是或否的问题，比如"这个客户是否会流失？"这是一个数字问题，比如"这个客户能带来多少收入？"或者是一个匹配的问题，比如"什么是最好的产品推荐给这个客户？"

是或否问题

是或否问题是人工智能可以回答的最常见的一些问题。比如"约翰·史密斯是我生意的好领导吗？"试图回答潜在客户是否会成为客户的问题，答案是二进制的-是或否。当您将AI应用于此问题时，它将从您存储在系统中的历史数据中学习，然后能够根据所学知识做出预测。

每一个人工智能计划都需要从你想知道的，你想实现的，你想预测的开始。

继续这个例子，约翰·史密斯是否会成为顾客的预测通常以概率的形式出现："约翰·史密斯有35%的机会成为顾客。"

这些概率有时会转换成分数。与其显示原始概率，不如给转换概率最高的潜在客户指定一个"100"，给转换概率最低的潜在客户指定一个"0"，中间的所有潜在客户都会相应地进行缩放。

数字问题

一些业务问题并不适合是或否问题范式。幸运的是，你也可以用数字来表达问题。例如，"约翰·史密斯将带来多少新收入？"

一旦从您的数据中得知，AI将以数字的形式回答这类问题，如"John Smith作为我们的客户，预计将在其一生中产生40000美元的收入。"

匹配问题

如果您的业务问题不符合是或否或数字问题范式，请不要担心。还有第三种形式的问题你可以问人工智能：匹配问题。最常见的形式是在电子商务："什么是最好的产品推荐给这个客户？"

然而，这个问题还有许多其他变体。在招聘操作中，可能是"对于这个应聘者来说，什么是最好的招聘职位？"或者反过来说，"这个职位的最佳人选是什么？"在市场营销的背景下，可能是"什么是最好的电子邮件发送给这个收件人？"

关键是，每一个人工智能计划都需要从你想知道的，人工智能核心，你想实现的，你想预测的开始。一旦你确定了一个你希望你的人工智能关注的具体问题，你就可以确定你是否有足够的数据来回答这个问题。确保你的数据能回答问题

人工智能的一个简单经验法则是，如果你不能从历史上报告一个问题，你就不能预测它。你需要能够建立一份报告，收集到目前为止所有回答你问题的数据，这样AI就可以用它来预测未来的答案。

例如，如果你的问题是"这个客户是否会流失？"您需要能够为所有历史客户构建一个报告，行业大数据分析，准确地显示哪些客户流失了，哪些没有。在客户流失的情况下，有时这很简单——如果你有一个订阅业务，大数据学习，一个没有订阅的客户显然已经流失了。

如果你不能从历史上报告一个问题，你就无法预测它。

但是在其他业务中，"流失"的定义可能更模糊，比如"一个没有购买的客户已经流失了"在后一种情况下，您可能需要对数据进行某种程度的转换，以确保它能从历史上回答您的问题。

企业需要回答以下关键问题，以评估AI就绪性：