去年谷歌AlphaGO与人类的挑战赛成了当时的热门话题，同时也是人工智能的一个标志性事件。再加上近日又发布重磅消息：IBM Watson与Salesforce在人工智能领域达成深度合作，这让很多科技以及CRM系统业内相关的人士都对人工智能有了极大的兴趣。什么是人工智能？人工智能又能为CRM带来什么？我们会有两篇文章和大家一同探讨。

 

 什么是人工智能？

技术正以比以往更快的速度发展。云计算，社交媒体以及移动设备无处不在。每个人(每个物体)都被连接在一起：30亿的互联网用户，50亿的移动用户以及60亿连接的设备正组成一个历史上前所未有的信息交互网络。但这只是刚刚开始。

 

人工智能（AI）是人类下一波巨大的革命，由于计算能力的进步，在云端低成本和大容量的存储能力以及更容易访问的算法，他将会比之前的技术革命具有更大的能量和破坏力。

 

AI经常被不同的术语进行描述：机器学习，深度学习，自然语言处理，预测分析等等。所有的这些术语都指出了未来我们的平台和系统是足够聪明去学习我们的交互和数据，不仅会帮助我们回答问题，也会预测我们的需求，管理我们的任务并及时的进行提醒。AI可以连接我们生活中的很多点（家庭，工作，旅行），带给我们从家到汽车再到办公室的无缝的体验。大部分的体验都会来自我们的手机。再过几年，AI将会植入到每一个数字渠道中。

 

作为消费者，我们在没有意识的情况下已经在使用AI了。Google利用AI自动的搜索查询，在无需人工干预的情况下非常准确的预测你想搜索的内容。Facebook新闻推送以及亚马逊通过机器学习算法为你提供个性化的产品推荐。自动驾驶汽车应用各种AI的技术去避免碰撞和交通拥堵。所有的这些应用都让消费者对未来有了更多的期待：新的客户交互是智能，快速和无缝的客户交互体验。

 

今天，每一个公司都面临将AI植入到业务并带来成功的挑战。但是直到现在，AI的成本还是企业难以承受的，实施AI解决方案要花费高成本，数据科学家的短缺以及不完整的数据，让大多数的公司都望而却步。

 

这就是Salesforce为什么进入到该领域的原因。在1999年，Salesforce发布了第一代的云CRM平台，让无论是大公司还是小公司都可以使用先进的CRM。从那时开始，我们不断成长成为一个客户成功平台，解决方案覆盖从销售，服务，市场，社区，分析，电商，物联网到应用。现在我们通过Salesforce爱因斯坦让这个平台更加智能。旨在让无论规模大小的公司都可以更加聪明并能对他们的客户进行预测，Salesforce爱因斯坦可发现和洞察，预测收入，推荐下一步行动以及自动为业务人员分配任务等——所有的这些都会变的越来越聪明。

 

到2020年AI解决方案的市场预估会达到1530亿美金

——美国银行美林证券

 

为了帮助你抓住AI的机会，我们会在本文中展示以下几个主题：

什么是AI，机器学习以及深度学习

AI的发展趋势是什么，为什么突然变成了热门话题？

AI对商业意味着什么，包含关键的挑战和机会

 

 AI会如何影响具体的业务功能，包含：

销售

客户服务

 市场营销

IT

 

如何谈论AI

人工智能（Artificial Intelligence）：英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

 

人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

 

机器学习：机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

 

它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

 

深度学习：是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

 

自然语言处理：是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。

 

大数据：是人工智能的基础——大量的机构化和非结构化的信息提供表面图形和预测的输入

 

物联网：任何物品与物品之间，进行信息交换和通信，也就是物物相息。物联网通过智能感知、识别技术与普适计算等通信感知技术，广泛应用于网络的融合中。

 

预测分析：是高级分析的一个分支，基于历史数据和行为模式来预测未知的未来事件。你之前可能会经历过根据你对不同的邮件促销采取的行动会收到和你相关的信息。

 

智慧世界的路径

计算和数据息息相关。这是写进牛津字典中的关于电脑的定义：“一个用来存储和处理数据的电子设备。”从一开始，电脑是设计用来填补人类智能在存储，分类，检索以及应用大量的数据帮助我们更快的解决问题。

 

在一开始，这是一些非常简单的问题。根据纽约时报的信息，早期的计算原型，由比利时的思想家Paul Otlet在1934描绘出的，“可以让人们搜索和浏览数以百万计的相互关联的文件，图像，音频和视频文件”。这是互联网早期的一个富有诗意的名字，：“曼达纽姆，“意味着存储和处理海量数据的。设计的前提是去做人类无法完成的任务：记录每一个小细节，把它存储起来，以便在需要的时候可以很容易地访问每个数据点。（人的大脑相反则总是关注在重要的事情上）

 

很多，很多的公司现在发现他们拥有大量的数据，但是他们要如何处理这些数据呢？

 

从一开始我们就希望计算机可以做的更多。在1956年，麦肯锡创造了人工智能这个词，描述了一个机器可以解决现在人类可以解决问题的世界。

 

但是为了从简单的计算到真正的人工智能，计算机需要完成三件事：

数据模型：智能分类、处理和分析数据

原始数据：为模型提供基础并不断进步

处理能力：更快的驱动，更有效的计算

 

这就是为什么，概念不是很新，但是真正的AI只是近年来才变的现实的原因。

 

从数据模型开始——>提供海量的数据——>开始学习

 

机器处理的数据越多，它就拥有更快的计算能，并会变的越聪明。

 

这里有一个经典的列子：假如我们想训练机器去学习识别猫的图片，在只有前两张猫的图片情况下它可能得出这样的结论:一只猫是一个毛茸茸的东西，尖尖的耳朵，杏仁状的眼睛，有胡须。但是如果我们提供了中间这张没有耳朵和爪子的猫的图片时候，计算机会得出什么样的结论呢？

 

可见只用两个图片来教机器如何正确的识别一个加菲猫是不够的。但是用数十亿不同猫的图片为基础——差不多包含每一种颜色，大小以及可能的位置使机器能够更准确的识别它。

 

早期数据模型由于缺乏大量干净的数据来构建完美的数据模型而无法有效的”学习“，直到近期，激增的数据通过互联网随时访问，让数据模型可以更聪明的利用数据。斯坦福大学的计算机科学家Andrew Ng和谷歌研究员Jeff Dean领导的研究小组在谷歌创建了一个巨大的神经网络模拟的人脑，包括成千上万的处理器和超过10亿个连接器。然后，他们从数以百万计的在线视频中提取了猫的机器随机图像。通过识别的共性，并通过其脑神经网络滤波的图像，这台机器基本上是教自己如何识别猫的形象。这是一个AI惊人的成就，这在几年前是完全不可能的，因为获得数以百万计的图片是非常不容易的。

 

但还有另一个限制因素：处理能力。在早期的计算机时代，机器充满了整个大学楼的房间。不过集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍（感谢戈登·摩尔的观察，并称为摩尔定律），我们把更大的处理能力放入更小的盒子，把电脑从大学和企业带到消费者手中。

 “提供足够的猫照片到神经网络，它可以学习辨认猫。提供足够多的云彩的照片，它可以学习识别云彩。”

 

连线杂志，2016年1月：“人工智能终于进入我们的日常世界”

 

个人计算时代开辟了消费者、商业软件、游戏以及小工具的市场。当互联网跟随电脑走出大学和政府大楼，我们看到市场的大爆炸。即时的连接正改变一切。云计算意味着企业不必担心物理基础设施的规模拓展。移动崛起对苹果iPhone以及谷歌安卓的成功至关重要，应用程序扩大了软件和游戏市场。移动也使我们摆脱了那些需要在家和办公室的计算节点，实质上创建了建立在真实世界之上的通信和商业的一个虚拟世界。

 

今天，我们已经到达了创建真正的人工智能所需的三个十字路口：智能数据模型，轻松获得几乎无限的海量数据，又便宜又强大的云计算。如前面提到的，当我们搜索谷歌，在Uber搭车，或在亚马逊上购买产品，AI就已经存在于我们日常生活中了。

 

AI对商业意味着什么？

还记得计算机是如何变得更小和更智能以及更便宜的吗？智能设备的激增导致生成了越来越多的业务数据，这反过来又能使机器能更好的学习。物联网包含了整个数字连接设备的世界：烤箱、牙刷、温控器、灯泡、汽车以及更多——它们正在被联网，彼此通话。这些数十亿连接的设备意味着大量的客户数据—事实上，世界上百分之90的数据是在近一年创建的。

 

企业需要聪明的方式来收集，消化，并应用数据，这是物联网的生命线。

 

但是AI的影响并没有就此停止。当然每一个设备的背后都是是一个真实的客户——下一代客户期望在每一次和企业互动都会有拥有一个一致的，智能的体验。当订单延迟交货的时候，他们期望得到一个新的到货时间，并能因此而得到一定的优惠——如下次购买可提供免费送货——而不必再拿起电话和服务人员进行交谈。AI让创建一个智能的商业应用程序变成可能，在跨销售、服务和市场营销互动提供更智能的客户体验。

 

然而，对于大多数企业，人工智能很触碰。从以往的经验上看，公司在采用人工智能上面临四个关键挑战：数据、专业知识、基础架构、情境。下面，我们将探讨公司如何以新的方式解决这些挑战。

 

数据挑战：

对于企业来说，不仅仅是数据量的问题——还有就是所有的这些关键数据点是如何组织起来的。业务数据通常依靠混合云和内部部署系统驻留在各种内部和外部资源中。通常，这些系统互相不通话，导致孤立的数据和不一致数据的质量。基于云的CRM解决方案，如Salesforce是连接所有数据并创建每个客户的单一视图，这种数据连接的方法是利用AI的至关重要的一点。

 

专业知识的挑战：

除了数据之外，企业必须具备分析和执行的工具和专业知识。这是很难解决但是两个常见的问题：孤立的数据存储和极度缺乏的数据科学家。根据麦肯锡全球研究所的报告，目前数据科学家缺口至少19万。但是今天，AI工具的进步使得企业能够在没有大量数据科学家的情况下更聪明地工作。

 

基础设施的挑战：

离散和孤立的数据源限制了企业更好的利用他们的数据的能力，分散的基础设施系统一样给企业带来挑战。高成本的硬件和计算系统让企业不具备能力运行机器学习算法，这阻碍了很对企业进入这一领域。然而现在，云计算已经使AI更容易和负担得起的。

 

情境的挑战：

对于许多企业，人工智能似乎不仅遥不可及，而且还和自己不相关。主流文化想象的AI是R2D2和C3PO的形象（星球大战中的机器人名字），而不是现代商业流程中的的重要组成部分。阅读了解更多关于AI将如何改变销售，服务，营销，生成自动化的任务，赋予每一个员工更大的价值。

 

这种未分析的和不可用的数据不仅仅会丢失机会。这也是一个与现代消费者的方式用他们希望的方式沟通的一个重大失败。目前，一半的商业决策是建立在不完整的信息上的，这将使业务从产品和客户中间断裂。我们对只有不到1%的客户创建的数据进行了分析，正如有77%的客户所说，他们从没有和公司进行交互过。

 

然而现在企业有机会改变这些——去关闭商业智能和客户体验之间的鸿沟。新的工具洞察了有意义的客户信息。这些工具解释了人工智能是如何存在的：基本的工具需要你将信息“拉”出来，而聪明的工具是“推”信息给你，预测你要知道的信息。通过机器学习，计算机系统可以得到所有的客户数据，并在此基础上，运行我们不仅已编程的操作，也会适应变化。算法会适应数据，开发行为未预先编程。学习阅读和识别语境意味着一个数字助理可以扫描电子邮件，并提取你想要了解的信息。这种与生俱来的能力可对未来行为进行预测，更深入的了解客户，积极主动而不是被动等待。

 

到2018年，1560亿的设备将会连接在一起——Gartner

 

拥抱人工智能机会的企业将能够创建客户希望他们提供的现代的体验，与他们所有的设备进行连接，分析他们的数据更好的了解他们，能够预测并更好的服务他们。

 

CRM的人工智能样子是什么？想象下能够捕捉实时的购买信号，无论发生在哪——从客户支持请求到潜在客户发的社交信息。然后想象下我们能够分析每一个数据点，把数据从Salesforce，外部来源，以及物联网中抽取回来创造每一个客户的完整视图。这进一步让我们能够预测下一次与客户销售，营销，或服务互动的更佳时机。这是一个全新的方式连接到您的客户和潜在客户，通过智能驱动客户成功的新时代。

 

AI对每一个行业都有影响。销售将能够预测商机并专注于更好的线索上。客户服务团队将提供下一代的主动服务，在机器故障前或在客户提问前就在社区提供解决方案。市场营销可以为每一个客户建立基于预测的旅程，提供前所未有的个性化体验。IT可以嵌入到智能的各个方面，为员工和客户创建更智能的应用程序。

61%的员工希望人工智能可以协助解决和他们工作相关的活动，这将会对他们的日常工作有非常重大的影响。

——Salesforce的研究

 

未完待续....

下一篇我们将会介绍人工智能在CRM领域会如何具体运行的，包括：

-智能的销售

-智能的服务

-智能的市场营销

-智能的IT