人工智能(AI)正以更快的速度渗透到企业IT中，不过，应用曲线仍然只是刚开始。从自动驾驶汽车到智能助手、网络安全，再到创造更多个性化的搜索结果和推荐，人工智能及其子集——如机器学习和深度学习技术已经对我们的生活和工作产生了巨大影响。

　　然而，由于使用超大数据集来产生新价值的趋势也会带来不小负面影响，所以要采取谨慎的态度。并不是说人工智能会毁灭我们，但有些软件和技术供应商总会利用机会进行炒作，会夸大他们的人工智能技术水平，以吸引你的注意力并促进销售。

　　这种技术炒作并不新鲜，我们都曾经历过甚至经历的不少，一如当年的云计算，所以我们也理应对那些声称将技术融入解决方案的公司持一定的怀疑态度。显然，有几家关键的、具备引导能力的公司在技术上投入了大量资金，还有无数的学者在推动这一领域的发展。但是，根据麻省理工斯隆管理集团(MIT Sloan Management Group)最近的一项调查，全球只有不到39%的公司拥有人工智能战略。调查还显示，只有20%的公司将人工智能纳入到了他们的产品或流程中。

　　这些统计数据应该引起作为“购买方”的你的注意，并防止掉进他们所挖的坑里，评估一个软件或技术供应商是否具有真正的提供人工智能技术的能力时，企业应该考虑三件事。

　　专业人员

　　第一，也是最重要的一点：确保供应商拥有在人工智能和深度学习方面拥有广泛教育和背景的专业知识和员工。这包括大量的数据科学家、数学家、建筑师和工程师。这些人负责提出模型，教机器了解各种情况，计划未来的行动，预测它们的影响，并从结果中学习。同样重要的是，他们得拥有可视化方面的背景——这是以一种很容易翻译的方式来理解数据的过程。可视化通常和算法本身一样重要。

　　像谷歌、Facebook、微软和亚马逊这样的大公司，能够招聘最优秀的人才。仅Facebook就有100名员工专门从事人工智能研究，他们都有成千上万的数据科学家，其中很多都是博士和来自顶级大学的专家。因此，一定要了解技术背后的员工和他们之前的经历。

　　数据，和更多的数据

　　下一个重要拼图是数据。涉及到人工智能应用程序时，数据越多越好。查看供应商的数据范围，并确保他们能够从各种来源收集信息。询问他们的客户基础，以及在垂直行业、地理位置和部门规模等方面的多样性。

　　同样，并非每家公司都可以拥有谷歌或Facebook的规模，但更深入、更广泛的数据将确保有足够的相关性，从中找到有趣的见解，并从中学习做出更有价值的决策。

　　一个灵活且安全的基础设施

　　最后一个元素是确保IT供应商拥有可靠的基础设施。云计算公司理解管理数据中心、管理访问和保护数据的挑战。这些公司需要的另一个关键角色是devops：经验丰富的团队可以将各种技术(如Apache Spark、Hadoop和开源组件)结合在一起，从而使人工智能系统发挥作用，并给予数据科学家正确的访问权限。

　　如果你的供应商在欧盟运营，或者在那里为客户服务，他们也会从匿名化引擎中获益，以遵守当地数据保护法规，这可能会使系统开发变得更加困难，或者担起高额罚款的风险，甚至可能更糟。但事实上，任何地方的公司都可以从提升的安全性中获益。

　　人工智能当然是我们未来的方向，但还是要理智对待。软件和技术供应商应该听听Gartner最近的建议:“在你的销售和营销材料中明智地使用‘AI’这个词，”和“明确你的人工智能提供什么，以及它解决了什么问题。”