根据麦肯锡最近的一项调查，只有不到三分之一的组织将人工智能用于多种业务功能。扩展AI转换似乎是此领域中最重要的挑战，根据我的经验，这里的主要限制因素是AI项目通常需要大量的人工工作，从而导致项目冗长且昂贵。
但是，如果人工智能可以帮助组织实施人工智能呢?
新技术和新概念最近进入市场，以帮助加速和改善AI实施过程。尽管大多数这些技术仍在成熟中，但它们已经为采用这些技术的组织带来了可观的收益。
人工智能实施项目通常包括：
1.确定和评估人工智能机会。
2. AI程序的设计和实现(包括编码)。
3.这些AI程序的维护。
对于这三个步骤中的每一个，我将描述可用的新概念及其影响。
1.确定和评估人工智能机会
人工智能机会可以从两个层面上进行识别：过程或数据。在过程级别，有两种技术可用：过程发现和过程挖掘。在数据级别，该技术称为数据发现。
选择合适的AI机会来实施至关重要。但是，过程和数据分析，文档编制，评估和优先级划分工作量很大。它们包括采访，观察，收集和分析数据。结果，此阶段通常需要两到六个月的工作。
流程发现
Kryon Systems于2018年6月推出了首个过程发现技术。这是它使用的关键步骤：
1.观察：在用户计算机上安装了一个程序。当用户执行日常工作时，它无缝记录他们的点击，用户界面对象和处理步骤，并截取屏幕截图。该数据被发送到机器学习应用程序进行分析。
2.流程评估：经过几天的记录，您将剩下一个仪表板，其中显示了已观察到的流程的列表。系统通过将其自动化，分析标准(例如过程的长度或执行过程的人员数量)的潜在好处来对它们进行排名。
3.详细的过程分析：所显示的仪表板应允许您访问每个过程的文档，并以显示过程变型的流程图的形式出现。
以我的经验，这种解决方案可以使AI的实施速度比正常情况下快三到五倍，同时将发现的用例数量增加大约两个。
流程挖掘
现代流程挖掘解决方案由初创公司Celonis于2016年推出，其目的与流程发现工具相同。它们的区别在于它们分析过程数据的方式。与使用计算机视觉和用户界面对象记录的过程发现解决方案相反，过程挖掘解决方案使用从ERP等系统中提取的日志。