毕马威：
《数字化引领人工智能推动的转型》
（完整版.pdf ）
以下仅展示分内容
AI驱动的业务转换
我们正在见证一种新的公司类型，之后还能再从坚硬的状态变回去。该材质将能用于机器人和医疗场景，它们通过利用新兴技术并以如此强的潜力加以应用来创造竞争优势，预示着可重构穿戴式结构的光明前景。【来源：央广网】版权归原作者所有，从而塑造了业务格。这些组织追求扩规模；他们注重客户体验；他们对合作伙伴关系持态度，向原创致敬，能够通过API规模署他们的产品和服务；他们是云计算的规模采用者，而且往往诞生于云计算中；他们拥抱设计思维，乐于回到最初的原则，找到业务问题的创新解决方案；他们坚持不懈地利用人工智能(AI)的力量来洞察和决策。
我们在本出版物中的重点是AI的力量及其在适当利用时可以改变业务的内在潜力。在研究科技巨头时，我们看到了对AI及其规模应用的不懈关注。Google的搜索引擎及其广泛采用的谷歌地图都是由人工智能提供支持的，而苹果和腾讯则拥有强的客户分析引擎，能够研究客户并推出个性化的产品和服务。亚马逊和阿里巴巴已经将人工智能的力量延伸到他们的供应链中，能够降低服务成本，同时与现有公司相比，递送包裹的时间减少。
我们就利用人工智能力量的起点提出了我们的观点-旅程应该是以用例为导向的，而不是以数据为导向的。我们注意到，许多老牌企业受困于数据质量问题，已经启动了一些数据清理项目，通常对数据清理无休止的性质感到沮丧，并且很少从这一繁琐的举措中获得任何价值。有运动但没有改变。用例主导的方法是由需要解决方案的业务问题驱动的，并且定义业务问题应该与技术和数据无关。选定的用例需要与业务目标和优先级紧密联系。一旦确定了用例，我们将提供一个框架来指导从信号表达、算法、数据收集到洞察力生成的整个过程。
我们深入研究了人工智能的衍生品-机器学和深度学，并解释了每种方法的优点和适用性。我们每天都在产生海量的数据，而机器学拥有深刻的能力来理解那些原本是“毫无意义的数据”。
最后，我们探讨了采用AI的挑战–将数据存储在云中的挑战，算法错误、数据偏差导致可预测的有偏见的结果、包括数据隐私在内的监管以及人工智能人才匮乏等挑战。
