对于所有关于人工智能(AI)和机器学习(ML)的大肆宣传，许多IT经理对于如何在他们的计算机系统中开始使用这些功能感到摸不着头脑。

通常，没有好的选择，用戴尔和IBM等公司的新系统替换昂贵的现有硬件，或者信任小而没有经验的专家，他们可能不知道他们的软件有什么功能。

相反，独立专家表示，在启动人工智能或机器学习项目时，最好缓慢而具体。了解技术真正能做什么，你必须解决什么问题，以及实现它需要什么。前两个部分在这里讨论，但是第三个方面呢，即实现？

“你要做的第一件事是弄清楚人工智能实际上能为你的公司做些什么，”人工智能/人工智能顾问亚当盖特基说。

目前，Geitgey表示，AI /ML软件最有效的部分是自动化需要少量判断的重复性人类任务。“你要找的是一个很多人反复做决定的地方.找一些你经常做的劳动密集型工作。”他解释道。

一些例子包括审查诉讼中的民事发现文件，对图像进行分类，以及转录音频。451研究公司的分析师亨利巴尔塔萨补充说，对于内部信息技术职能，例子包括调整/优化数据中心运营、配置管理和系统补丁/更新。

参见：人工智能：趋势、障碍和潜在胜利(Tech Pro Research)。

其次，对于所有这些例子，“你需要大量的数据来训练人工智能来做到这一点……如果你没有这些数据，你就无法构建一个人工智能系统，”他指出。您可以从亚马逊、谷歌和IBM购买现成的应用程序，但是如果您需要定制的应用程序，您必须组织一个团队来构建它。

Geitgey说：“现在很多人雇佣专家，但是足够多的中级软件开发人员对此感兴趣。”“这是一款非常不成熟的第一代产品。可以想象，几年后，这些工具将变得更容易获得和标准化，您可能无法从硬件供应商那里获得它们。”现在，“如果这是你们公司做的第一件事，有指导可能会有帮助。”

Geitgey补充说，“第三步是实际创建解决方案并测试其有效性。”他说，人们经常看到超大型公司在内部计算机维护操作中使用人工智能，但这对中等规模的公司来说可能效率不高。

Geitgey说，常见的错误包括仅仅因为AI/ML流行就想使用它，以及在了解需要解决的问题之前投资软件开发。

为了开始收集足够的数据来理解问题并开发智能软件，“我总是建议告诉首席执行官和决策者，数据本身是公司的资产……尤其是没有其他人拥有的东西。”他说。“你需要大约10，000个数据点来做一些有用的事情。”Geitgey指出，确保这些数据是—— summer的相关在线销售数据，并不能帮助您的软件预测网络星期一所需的计算周期。

41岁的巴尔塔萨说，在开发或购买AI/ML软件后，你还必须知道如何衡量它是否兑现了承诺。他说，目前，只有不到一半的开发商知道如何做到这一点。他表示，需要关注的指标包括提高效率(如减少执行工作所需的员工数量)、减少IT故障单和更快的补救措施。

了解智能城市、人工智能、物联网、VR、AR、机器人、无人机、自动驾驶以及更多最酷的技术创新。