人工智能(AI)和机器学习(ML)是各行各业的企业正在积极尝试的技术，以探索它们可以带来的效用。机电行业是否采用AI?人工智能可以成为寻求自动化的企业的解决方案吗?我们破解了AI代码还是还有路要走?如果自动化是目标，那么即使现在也应该优先考虑。
内容推荐(针对OTT)，语音转文本和媒体识别是尝试的一些初始应用程序。客户发现供应商的演示令人印象深刻，但是当他们对其内容进行概念验证(PoC)时，结果却不然。在视频操作中，帧精度是必不可少的，并且AI模型难以普遍解决这一问题。正确完成工作的这些细微差别是自动化工作的原因。在尝试了多个供应商之后，客户得出结论，AI数据仍然不够准确，无法解决特定的M&E用例。但是，他们仍然对未来的可能性持乐观态度。
那么问题出在哪里呢?用例不能总是由任何一个供应商解决方案有效地解决。然后，我们寻求为准确性和/或覆盖范围组装多供应商解决方案。这样的解决方案也往往存在差距。解决多供应商解决方案中的准确性所需的复杂性和工作量并不小。哪种供应商解决方案适用于该企业的特定用例不明显的问题。无论是大公司还是小公司，寻找数据科学家，领导才能和投资来资助使AI工作的研发工作都是企业无法做到的。
为了打破僵局，需要一个媒体识别AI平台，该平台可带来同类最佳的AI模型(Microsoft，AWS，IBM Watson，Google等)和自定义(针对M&E特定用例)模型来解决差距和准确性。另外，我们认为，与技术相邻的咨询对于使AI正常工作是绝对必要的。此类咨询应针对向AI模型传授适当的学习知识并制作自定义ML模型以解决客户特定的用例。为了提供这一咨询服务，具有媒体知识和具有计算机视觉知识的深度学习AI的人才至关重要。
观察到AI正在产生的基本影响，CEO希望以更少的钱做更多的事情，尤其是在COVID-19时代。我相信，使AI适用于特定于客户的用例对于推动更大的采用率至关重要。具有灵活性的AI平台可以将最适合的模型整合在一起，以创建与咨询相结合的高质量数据，从而为改变现状提供了最佳机会。