今天的电脑很聪明。超级聪明但是我们人类仍然更聪明。
现在，我们处于人工智能(AI)和机器学习(ML)的水平，我们可以使用新的合力来提高人类的生产力和创造力。一直以来，我们必须记住为什么要使用这些新工具以及它们如何帮助我们更智能，更快地工作。
如果您看过电影《外星人》，您可能还记得里普利(Ripley)装在机械外骨骼中的标志性图像，准备好迎接致命的外星女王。人工智能对人类智能的影响类似于对人体的机械外骨骼。一种推动我们的力量，另一种推动我们的智慧。
人工智能的最新发展可以增强人类的智能，因此我们需要了解如何以及在何处应用我们一直在开发的新功能。
人的创造力对于我们如何应用人工智能驱动的见解至关重要。毕竟，我们人类首先开发了基于计算机的深度学习。
这种新的增强智能必须针对工作场所中的特定工作流程和应用程序进行专门构建和定制-某些计算机将无法在短时间内凭借人类的精巧，直觉或独创性获得成功。
还需要以战略指导，引导和规定的方式来应用这种新的增强智能。从自动化增强的角度来看，这意味着我们相信IT平台不仅可以(隐喻地)为我们驾驶汽车，而且可以了解未来的道路，发生事故热点的可能性以及通往高速公路的最快方法。
这种在适当的位置，在适当的时间应用智能的规定能力，将帮助我们以正确的方式将AI融入生活。上下文和可操作性是关键。智能只有在可能产生最深远影响的时间和地点使用时才有用。
不是我，是你(和你的数据)
意识到您不仅可以插入AI的组织，而且希望取得最佳成就的组织将是充分利用深度学习的组织。这些公司将能够对其IT堆栈进行压力测试，并找出存在瓶颈和突破点的地方。
这种渐进方法的另一个积极的负面影响是，它显示了其数据不足的组织。数据质量差的好AI就是坏的AI。当您知道自己的数据仓库中哪些地方存在缺口，哪些地方存在损坏以及哪些地方需要进行重复数据删除时，就可以更加认真地管理数据源。
衡量我们的进度
如果我们不追踪自己的进步，那么毫无意义地将自己推向更高层次的人工智能技术。
绩效分析现在是IT行业本身的一个子行业。在这里，集成数据智能可以使企业在各种应用程序及其更广泛的IT堆栈之间交换见解。从这一点出发，组织可以使用针对其行业垂直调整的预定义关键绩效指标(KPI)来衡量进度，并更清楚地确定其下一个AI丰富目标区域。
这是非常复杂的算法逻辑，它基于历史记录，实时交易记录和将来的预测数据存储来计算指标。用简单，真实的术语来说，这意味着可以使用响应式和交互式仪表板，以有形的形式显示数据，并针对更具体的业务领域进行下一层钻取。