当AI首次发布时，它被认为是一种技术，它可以通过全面了解客户的概况及其需求来彻底改变业务模式。对于大型企业来说，这将是增加其平衡的必备技术，对于小型企业所有者而言，这将是消除其产品或服务与最终用户之间的障碍的神奇工具-当然使用正确的数据。
最初，人工智能似乎可以通过分析不同消费者的个人资料及其购买行为，来“神奇地”对任何产品的成败做出完美的预测。初创企业想象的世界中，只需运行Python脚本即可达到市场吸引力，而不是优化最低限度的可行产品。
金融投资者对AI表示欢迎，因为AI是新的金融周期的开始，可以在任何标有AI的股票上注入大量资金。始于90年代的“互联网时代”，以及随之而来的由于过度投机而导致的股市崩盘，似乎已被“人工智能时代”所取代。当机器人代表机器人工作时，人类休息的图像是这个新时代的外观的集体图像。FOMO(害怕丢失)是剩下的，大型公司在不完全了解该技术的情况下跳入了该技术，或者在许多情况下甚至不知道如何处理它。Python开发人员迅速成为许多公司的主要招聘需求之一。然而，自诞生之日起，人工智能的采用对大公司来说是非常具有挑战性的，同时也给小企业带来了巨大的障碍;从亚马逊Alexa和Facebook的尴尬时刻到警方承认，由于信任他们的面部识别系统，他们羞辱了错误的人(她原来是一位亿万富翁女性)。事实证明，在许多情况下，机器并不完美，落后于人类，到目前为止，它们的小故障表明，它们还没有完全实现。因此，问题是：如果大企业还没有掌握人工智能，那么小企业如何能够成功地完成这项任务?甚至在此之前，还有一个更普遍的问题：小企业能从人工智能中获益吗?还是只有拥有大型数据集、程序员和数据分析师的大公司才能从中受益?
1自动化你无聊的任务
在你被告知小企业根本没有足够的数据投入人工智能和/或不聘请数据科学家会严重影响你的预算之前，需要澄清一下。人工智能经常与机器学习相混淆。人工智能是一个广泛的总括术语，包括从文本分析到机器人技术的任何应用，而机器学习只是人工智能的一个子集。虽然人工智能的目的是更快、更精确地完成人工任务(因此消除了人为错误因素)，但机器学习有助于预测结果和作出估计。
虽然机器学习在asAmazon预先培训的AI服务或GoogleColab这样的平台上变得更加平易近人，它允许你在几分钟内建立一个基本模型，而不需要雇用数据科学家，但你可能没有技能或者更可能的数据运行一个值得信赖的模型。但是，你仍然可以选择使用人工智能来自动化你的日常生活。多亏了人工智能，你能想到的任何重复性任务都可以完全自动化。例如，你可以在你的电脑上录制一组动作，并使用带有图像检测和屏幕文本识别功能的人工智能工具自动激活它们。或者你可能想要使用先进的人工智能组织的文本片段并键入自动完成来避免重复编写相同的内容。
2在你的投球中利用人工智能
让我们面对现实吧，人工智能是一个神奇的流行语，它能吸引人们的注意力。给你的产品或服务贴上“使用人工智能”的标签会给你带来更高的可信度，也会让人们更容易听到你说的话。任何企业都可以找到在其流程中实现人工智能的方法，无论是使用图像或文本识别、匹配算法、通信机器人、更智能的分类、自然处理语言等。
我的公司检验了这个假设。我希望我们能找到一个新闻机构，至少我们能找到一个和我们自己的品牌相匹配的新闻。我们建立了一个自动刮板来收集目标记者发表的所有最新报道，将它们保存到数据库中，然后使用人工智能对数据进行分类。其目的是准确地了解每个记者更可能感兴趣的内容。坦白地说，结果并没有比我们手动完成这些任务时好多少。在某些情况下，结果更糟，但这让我们有了不同的定位。从一个传统的公关机构，我们把自己变成了一个人工智能平台。我们只需要创建一个页面来总结我们的“新”方法。添加“使用人工智能”完成了剩下的工作。结果呢?我们的转化率——以报名参加我们项目的人数来衡量——基本上翻了一番。
三。使用人工智能与你的客户进行更多的互动
当应用于客户服务时，AI的最大优势之一是它可以同时运行多个进程。想象一下，如果你有一个人管理一个客户服务台，他们一次只能处理一个客户，也许两个。人工智能给了一个同时为更多人服务的机会。人工智能不是取代我们的工作，而是帮助我们更有效地履行职责。
以网站上的消息弹出框为例。以前它们是手动操作的，意味着有人在给你打字。现在人工智能可以接管并为你做一些工作，比如预先筛选你的客户，或者为他们提供一些常见的问题答案。很多时候聊天机器人可以解决客户机查询，或者如果找不到解决方案，人工操作员可以介入。
这样做的好处是可以一次处理多个查询，而之前在任何给定时间只能处理一个查询。避免企业在客户服务柜台排长队或电话等待时间过长，这对公司形象没有好处。人工智能流程为各部门腾出时间关注最需要它的客户。
AI对信息进行了智能分类，因此在复杂的客户服务环境(例如高度专业的IT部门)中，他们可以将客户查询转发给正确的客户服务代理。这意味着专家可以立即介入复杂的问题，而无需将客户从一个部门转移到另一个部门。