去年谷歌AlphaGO與人類的挑戰賽成了當時的熱門話題，同時也是人工智能的一個標志性事件。再加上近日又發布重磅消息：IBM Watson與Salesforce在人工智能領域達成深度合作，這讓很多科技以及CRM系統業內相關的人士都對人工智能有了極大的興趣。什么是人工智能？人工智能又能為CRM帶來什么？我們會有兩篇文章和大家一同探討。

 

 什么是人工智能？

技術正以比以往更快的速度發展。云計算，社交媒體以及移動設備無處不在。每個人(每個物體)都被連接在一起：30億的互聯網用戶，50億的移動用戶以及60億連接的設備正組成一個歷史上前所未有的信息交互網絡。但這只是剛剛開始。

 

人工智能（AI）是人類下一波巨大的革命，由于計算能力的進步，在云端低成本和大容量的存儲能力以及更容易訪問的算法，他將會比之前的技術革命具有更大的能量和破壞力。

 

AI經常被不同的術語進行描述：機器學習，深度學習，自然語言處理，預測分析等等。所有的這些術語都指出了未來我們的平臺和系統是足夠聰明去學習我們的交互和數據，不僅會幫助我們回答問題，也會預測我們的需求，管理我們的任務并及時的進行提醒。AI可以連接我們生活中的很多點（家庭，工作，旅行），帶給我們從家到汽車再到辦公室的無縫的體驗。大部分的體驗都會來自我們的手機。再過幾年，AI將會植入到每一個數字渠道中。

 

作為消費者，我們在沒有意識的情況下已經在使用AI了。Google利用AI自動的搜索查詢，在無需人工干預的情況下非常準確的預測你想搜索的內容。Facebook新聞推送以及亞馬遜通過機器學習算法為你提供個性化的產品推薦。自動駕駛汽車應用各種AI的技術去避免碰撞和交通擁堵。所有的這些應用都讓消費者對未來有了更多的期待：新的客戶交互是智能，快速和無縫的客戶交互體驗。

 

今天，每一個公司都面臨將AI植入到業務并帶來成功的挑戰。但是直到現在，AI的成本還是企業難以承受的，實施AI解決方案要花費高成本，數據科學家的短缺以及不完整的數據，讓大多數的公司都望而卻步。

 

這就是Salesforce為什么進入到該領域的原因。在1999年，Salesforce發布了第一代的云CRM平臺，讓無論是大公司還是小公司都可以使用先進的CRM。從那時開始，我們不斷成長成為一個客戶成功平臺，解決方案覆蓋從銷售，服務，市場，社區，分析，電商，物聯網到應用。現在我們通過Salesforce愛因斯坦讓這個平臺更加智能。旨在讓無論規模大小的公司都可以更加聰明并能對他們的客戶進行預測，Salesforce愛因斯坦可發現和洞察，預測收入，推薦下一步行動以及自動為業務人員分配任務等——所有的這些都會變的越來越聰明。

 

到2020年AI解決方案的市場預估會達到1530億美金

——美國銀行美林證券

 

為了幫助你抓住AI的機會，我們會在本文中展示以下幾個主題：

什么是AI，機器學習以及深度學習

AI的發展趨勢是什么，為什么突然變成了熱門話題？

AI對商業意味著什么，包含關鍵的挑戰和機會

 

 AI會如何影響具體的業務功能，包含：

銷售

客戶服務

 市場營銷

IT

 

如何談論AI

人工智能（Artificial Intelligence）：英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。

 

人工智能是對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。

 

機器學習：機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。

 

它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要使用歸納、綜合而不是演繹。

 

深度學習：是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。

 

自然語言處理：是計算機科學領域與人工智能領域中的一個重要方向。它研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法。自然語言處理是一門融語言學、計算機科學、數學于一體的科學。因此，這一領域的研究將涉及自然語言，即人們日常使用的語言，所以它與語言學的研究有著密切的聯系，但又有重要的區別。自然語言處理并不是一般地研究自然語言，而在于研制能有效地實現自然語言通信的計算機系統，特別是其中的軟件系統。因而它是計算機科學的一部分。

 

大數據：是人工智能的基礎——大量的機構化和非結構化的信息提供表面圖形和預測的輸入

 

物聯網：任何物品與物品之間，進行信息交換和通信，也就是物物相息。物聯網通過智能感知、識別技術與普適計算等通信感知技術，廣泛應用于網絡的融合中。

 

預測分析：是高級分析的一個分支，基于歷史數據和行為模式來預測未知的未來事件。你之前可能會經歷過根據你對不同的郵件促銷采取的行動會收到和你相關的信息。

 

智慧世界的路徑

計算和數據息息相關。這是寫進牛津字典中的關于電腦的定義：“一個用來存儲和處理數據的電子設備。”從一開始，電腦是設計用來填補人類智能在存儲，分類，檢索以及應用大量的數據幫助我們更快的解決問題。

 

在一開始，這是一些非常簡單的問題。根據紐約時報的信息，早期的計算原型，由比利時的思想家Paul Otlet在1934描繪出的，“可以讓人們搜索和瀏覽數以百萬計的相互關聯的文件，圖像，音頻和視頻文件”。這是互聯網早期的一個富有詩意的名字，：“曼達紐姆，“意味著存儲和處理海量數據的。設計的前提是去做人類無法完成的任務：記錄每一個小細節，把它存儲起來，以便在需要的時候可以很容易地訪問每個數據點。（人的大腦相反則總是關注在重要的事情上）

 

很多，很多的公司現在發現他們擁有大量的數據，但是他們要如何處理這些數據呢？

 

從一開始我們就希望計算機可以做的更多。在1956年，麥肯錫創造了人工智能這個詞，描述了一個機器可以解決現在人類可以解決問題的世界。

 

但是為了從簡單的計算到真正的人工智能，計算機需要完成三件事：

數據模型：智能分類、處理和分析數據

原始數據：為模型提供基礎并不斷進步

處理能力：更快的驅動，更有效的計算

 

這就是為什么，概念不是很新，但是真正的AI只是近年來才變的現實的原因。

 

從數據模型開始——>提供海量的數據——>開始學習

 

機器處理的數據越多，它就擁有更快的計算能，并會變的越聰明。

 

這里有一個經典的列子：假如我們想訓練機器去學習識別貓的圖片，在只有前兩張貓的圖片情況下它可能得出這樣的結論:一只貓是一個毛茸茸的東西，尖尖的耳朵，杏仁狀的眼睛，有胡須。但是如果我們提供了中間這張沒有耳朵和爪子的貓的圖片時候，計算機會得出什么樣的結論呢？

 

可見只用兩個圖片來教機器如何正確的識別一個加菲貓是不夠的。但是用數十億不同貓的圖片為基礎——差不多包含每一種顏色，大小以及可能的位置使機器能夠更準確的識別它。

 

早期數據模型由于缺乏大量干凈的數據來構建完美的數據模型而無法有效的”學習“，直到近期，激增的數據通過互聯網隨時訪問，讓數據模型可以更聰明的利用數據。斯坦福大學的計算機科學家Andrew Ng和谷歌研究員Jeff Dean領導的研究小組在谷歌創建了一個巨大的神經網絡模擬的人腦，包括成千上萬的處理器和超過10億個連接器。然后，他們從數以百萬計的在線視頻中提取了貓的機器隨機圖像。通過識別的共性，并通過其腦神經網絡濾波的圖像，這臺機器基本上是教自己如何識別貓的形象。這是一個AI驚人的成就，這在幾年前是完全不可能的，因為獲得數以百萬計的圖片是非常不容易的。

 

但還有另一個限制因素：處理能力。在早期的計算機時代，機器充滿了整個大學樓的房間。不過集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍（感謝戈登·摩爾的觀察，并稱為摩爾定律），我們把更大的處理能力放入更小的盒子，把電腦從大學和企業帶到消費者手中。

 “提供足夠的貓照片到神經網絡，它可以學習辨認貓。提供足夠多的云彩的照片，它可以學習識別云彩。”

 

連線雜志，2016年1月：“人工智能終于進入我們的日常世界”

 

個人計算時代開辟了消費者、商業軟件、游戲以及小工具的市場。當互聯網跟隨電腦走出大學和政府大樓，我們看到市場的大爆炸。即時的連接正改變一切。云計算意味著企業不必擔心物理基礎設施的規模拓展。移動崛起對蘋果iPhone以及谷歌安卓的成功至關重要，應用程序擴大了軟件和游戲市場。移動也使我們擺脫了那些需要在家和辦公室的計算節點，實質上創建了建立在真實世界之上的通信和商業的一個虛擬世界。

 

今天，我們已經到達了創建真正的人工智能所需的三個十字路口：智能數據模型，輕松獲得幾乎無限的海量數據，又便宜又強大的云計算。如前面提到的，當我們搜索谷歌，在Uber搭車，或在亞馬遜上購買產品，AI就已經存在于我們日常生活中了。

 

AI對商業意味著什么？

還記得計算機是如何變得更小和更智能以及更便宜的嗎？智能設備的激增導致生成了越來越多的業務數據，這反過來又能使機器能更好的學習。物聯網包含了整個數字連接設備的世界：烤箱、牙刷、溫控器、燈泡、汽車以及更多——它們正在被聯網，彼此通話。這些數十億連接的設備意味著大量的客戶數據—事實上，世界上百分之90的數據是在近一年創建的。

 

企業需要聰明的方式來收集，消化，并應用數據，這是物聯網的生命線。

 

但是AI的影響并沒有就此停止。當然每一個設備的背后都是是一個真實的客戶——下一代客戶期望在每一次和企業互動都會有擁有一個一致的，智能的體驗。當訂單延遲交貨的時候，他們期望得到一個新的到貨時間，并能因此而得到一定的優惠——如下次購買可提供免費送貨——而不必再拿起電話和服務人員進行交談。AI讓創建一個智能的商業應用程序變成可能，在跨銷售、服務和市場營銷互動提供更智能的客戶體驗。

 

然而，對于大多數企業，人工智能很觸碰。從以往的經驗上看，公司在采用人工智能上面臨四個關鍵挑戰：數據、專業知識、基礎架構、情境。下面，我們將探討公司如何以新的方式解決這些挑戰。

 

數據挑戰：

對于企業來說，不僅僅是數據量的問題——還有就是所有的這些關鍵數據點是如何組織起來的。業務數據通常依靠混合云和內部部署系統駐留在各種內部和外部資源中。通常，這些系統互相不通話，導致孤立的數據和不一致數據的質量。基于云的CRM解決方案，如Salesforce是連接所有數據并創建每個客戶的單一視圖，這種數據連接的方法是利用AI的至關重要的一點。

 

專業知識的挑戰：

除了數據之外，企業必須具備分析和執行的工具和專業知識。這是很難解決但是兩個常見的問題：孤立的數據存儲和極度缺乏的數據科學家。根據麥肯錫全球研究所的報告，目前數據科學家缺口至少19萬。但是今天，AI工具的進步使得企業能夠在沒有大量數據科學家的情況下更聰明地工作。

 

基礎設施的挑戰：

離散和孤立的數據源限制了企業更好的利用他們的數據的能力，分散的基礎設施系統一樣給企業帶來挑戰。高成本的硬件和計算系統讓企業不具備能力運行機器學習算法，這阻礙了很對企業進入這一領域。然而現在，云計算已經使AI更容易和負擔得起的。

 

情境的挑戰：

對于許多企業，人工智能似乎不僅遙不可及，而且還和自己不相關。主流文化想象的AI是R2D2和C3PO的形象（星球大戰中的機器人名字），而不是現代商業流程中的的重要組成部分。閱讀了解更多關于AI將如何改變銷售，服務，營銷，生成自動化的任務，賦予每一個員工更大的價值。

 

這種未分析的和不可用的數據不僅僅會丟失機會。這也是一個與現代消費者的方式用他們希望的方式溝通的一個重大失敗。目前，一半的商業決策是建立在不完整的信息上的，這將使業務從產品和客戶中間斷裂。我們對只有不到1%的客戶創建的數據進行了分析，正如有77%的客戶所說，他們從沒有和公司進行交互過。

 

然而現在企業有機會改變這些——去關閉商業智能和客戶體驗之間的鴻溝。新的工具洞察了有意義的客戶信息。這些工具解釋了人工智能是如何存在的：基本的工具需要你將信息“拉”出來，而聰明的工具是“推”信息給你，預測你要知道的信息。通過機器學習，計算機系統可以得到所有的客戶數據，并在此基礎上，運行我們不僅已編程的操作，也會適應變化。算法會適應數據，開發行為未預先編程。學習閱讀和識別語境意味著一個數字助理可以掃描電子郵件，并提取你想要了解的信息。這種與生俱來的能力可對未來行為進行預測，更深入的了解客戶，積極主動而不是被動等待。

 

到2018年，1560億的設備將會連接在一起——Gartner

 

擁抱人工智能機會的企業將能夠創建客戶希望他們提供的現代的體驗，與他們所有的設備進行連接，分析他們的數據更好的了解他們，能夠預測并更好的服務他們。

 

CRM的人工智能樣子是什么？想象下能夠捕捉實時的購買信號，無論發生在哪——從客戶支持請求到潛在客戶發的社交信息。然后想象下我們能夠分析每一個數據點，把數據從Salesforce，外部來源，以及物聯網中抽取回來創造每一個客戶的完整視圖。這進一步讓我們能夠預測下一次與客戶銷售，營銷，或服務互動的更佳時機。這是一個全新的方式連接到您的客戶和潛在客戶，通過智能驅動客戶成功的新時代。

 

AI對每一個行業都有影響。銷售將能夠預測商機并專注于更好的線索上。客戶服務團隊將提供下一代的主動服務，在機器故障前或在客戶提問前就在社區提供解決方案。市場營銷可以為每一個客戶建立基于預測的旅程，提供前所未有的個性化體驗。IT可以嵌入到智能的各個方面，為員工和客戶創建更智能的應用程序。

61%的員工希望人工智能可以協助解決和他們工作相關的活動，這將會對他們的日常工作有非常重大的影響。

——Salesforce的研究

 

未完待續....

下一篇我們將會介紹人工智能在CRM領域會如何具體運行的，包括：

-智能的銷售

-智能的服務

-智能的市場營銷

-智能的IT