人工智慧現在已經離開了“極客”的角落，不再是純粹的技術話題。隨著更多可用資料、更大的計算能力和更低的價格，以及物聯網等技術的出現，人工智慧近年來已成為一股顛覆性力量。如何構建程式、使用資料、獲取價值和塑造業務模型正在發生根本性的轉變。這項技術的核心是將知識工作的複雜領域自動化，給傳統機器增添上不可或缺的“智慧”能力，諸如視覺，音訊，語言和感情等。通過分析相關谷歌（Google）搜尋詞的重要性，可以輕鬆掌握人們對這個新領域的興趣度。人工智慧、機器學習和資料科學正在崛起，與電腦科學一樣受歡迎。每個商業領導者都應該注意並採取行動，但啟動整個公司採用人工智慧的過程可能是一項具有挑戰性的任務。以下這三個方面，以結構化的方式推動公司與人工智慧的發展。

投資你的團隊

隨著功能的自動化和資料驅動業務模型的發展，公司中的角色將會發生巨大的變化，技能將會被調整，大量的新角色將會出現。針對公司在採用人工智慧技術時所面臨的具體挑戰，需要新增三個角色。一是，人工智慧或機器學習工程師，他們對機器學習有很深的技術瞭解，通常有電腦科學的背景，對他們來說，建造學習機是一門工程學科。如今的資料科學家往往可以成長為這個角色，軟體工程師也準備好接受這個角色。二是，人工智慧專案所負責的角色，是成為人工智慧大使，監督、溝通和理解開發人工智慧系統所需的新過程的複雜性，這些過程與當今的開發過程（例如敏捷開發）有很大的不同。三是，人工智慧戰略家是制定議程的決策者，他們瞭解人工智慧對商業模式或各自管理領域的經濟影響，並具有采取行動的決策權。

快速，全面、戰略性地構建新事物

改變的不僅僅是角色的增加，還有過程。雖然敏捷開發過程對於軟體開發來說是合理的，但是由於每個人工智慧專案中存在的不確定性，這就在資料科學領域發生了變化。在公司中實現人工智慧需要整體完成，須建立一個特定的過程，就像10年前軟體部門引入敏捷開發過程時所做的那樣。

在人工智慧發展中，最大的敵人是對人工智慧系統結果的不確定性以及時間資源的估算。因此需建立一種類似黑客馬拉松的方法，以減少這種不確定性。資料探索應該作為一個基本的初始元素，要對現有資料是否足以解決手頭的問題有初步的瞭解。這種方法的一部分是建立一個由上述角色組成的團隊，並建立跨領域的文化，包括IT部門作為一個必要的、通常難以說服的單位，以及能夠幫助理解您的資料的領域專家。另一部分是繼續試驗原型，如果概念驗證階段交付了期望的結果，您就可以在更大的範圍內處理實際產品。

與初創企業和企業界展開對話

與初創公司合作，或與你所在領域內外的其他公司領導人分享你所學到的東西。大多數時候，企業擁有豐富的領域知識，但缺乏戰略洞察力，執行基於人工智慧的解決方案的專業知識，以及構建這些解決方案的操作經驗，與人工智慧初創公司合作只是短期解決方案的一部分。由於在人工智慧時代的早期階段，大多數公司面臨的挑戰都是一樣的，因此在企業環境中建立人工智慧的經驗教訓可以在不同的行業中傳播，一起前進。目前這是最好的路線，因為沒有人知道事情的發展方向。