自從“即服務”這一交付模式誕生以來，SaaS與PaaS早已成為日常技術用語中的組成部分，并在根本上改變了企業(yè)采購及實施技術的具體方式。事實上，“XX”即服務模式正以無與倫比的效率推動業(yè)務成果發(fā)展，而人工智能自然也不會落后。下面我們掌聲有請——人工智能即服務，“AIaaS”。

[[324568]]

AIaaS的發(fā)展機遇

根據(jù)最新研究，基于AI技術的軟件收入預計將由2018年的95億美元增長至2025年的1186億美元。相信大家已經感受到，如今各類企業(yè)都在借AI之力尋求適合自身的業(yè)務洞見，并據(jù)此建立起新的競爭優(yōu)勢。各類組織已經意識到，他們的系統(tǒng)中蘊藏著龐大的數(shù)據(jù)資源寶庫，但卻很難加以實際利用。與此同時，他們也感受到AI技術的強大威能，足以在幾秒鐘之內通過大量數(shù)據(jù)完成分析，并給出專職研究團隊在幾周內都未必能夠得出的復雜結論。

但是，根據(jù)企業(yè)實際需求開發(fā)AI與機器學習解決方案是項極具挑戰(zhàn)性的工作。要想開發(fā)出正確的算法，數(shù)據(jù)科學家們首先需要理解自己想做什么、為什么要這么做，而后整理實用信息與預測結論，最終才能讓AI介入并發(fā)揮作用。但是，想讓每一家企業(yè)既擁有充足的專業(yè)知識、又具備能夠構建內部解決方案的數(shù)據(jù)科學家?這樣的目標要么不符合成本效益，要么根本就沒有可行性。

AIaaS正是因此而生，它能幫助眾多企業(yè)以更經濟的方式將基于AI技術的解決方案作為可以輕松獲取及直接使用的服務項目。至于負責提供此類AI解決方案的廠商，他們非常了解特定垂直行業(yè)，并能夠構建起復雜的模型以高效整理出重要信息。在云計算的幫助下，廠商可以將這類AI成果以即服務的形式交付，從而帶來前所未有的可訪問性、改進靈活性與可擴展性。

AIaaS發(fā)展趨勢的一大重要征兆，體現(xiàn)在近期AI初創(chuàng)企業(yè)的融資激增方面。今年第二季度的融資數(shù)字顯示，AI初創(chuàng)企業(yè)的融資總額已經高達74億美元，達到單一季度的歷史最高點。此外，融資交易數(shù)量也增長至歷史第二高位置。更重要的是，流向AI技術領域的資金增量一直迅猛增長——過去四年之內，投資總額暴漲592%。隨著這些初創(chuàng)企業(yè)不斷發(fā)展成熟，我們有望迎來AIaaS的一波發(fā)展高潮，而垂直市場對于AI技術價值主張的認同正是推動這股潮流的中堅力量。

垂直采用

在垂直市場內運營的組織，在采用新興技術方面一般顯得比較滯后。這一點在AI身上體現(xiàn)得尤其明顯，畢竟AI技術天然具有“原罪”——人們擔心機器取代工人的工作、擔心人工智能失去控制(例如，我們該如何判斷預測結果是否「正確」)以及擔心有違行業(yè)合規(guī)性要求等等。另一大核心阻礙因素，則來自組織自身在數(shù)字化轉型過程中所處的位置。麥肯錫公司在調查中發(fā)現(xiàn)，在數(shù)字化程度最高的一批企業(yè)當中，已經有67%將AI技術嵌入到標準業(yè)務流程當中，而其他企業(yè)的AI嵌入比例則僅為43%。這些在數(shù)字化層面領先的公司也更擅長借用機器學習的力量，其中39%的受訪者表示已經將機器學習納入業(yè)務流程;相比之下，機器學習在其他公司中的普及率僅為16%。

而一旦整個垂直行業(yè)意識到AI與機器學習技術為其業(yè)務及日常運營帶來的實際影響，這種差距很可能被快速拉平。至于如何拉平，我們不妨從以下三個角度進行考量。

數(shù)據(jù)賦能

在組織當中，哪些數(shù)據(jù)很具實用性往往是個難以解答的問題。人類需要處理的工作太多，當數(shù)據(jù)量增長至一定程度之后，人們會感到無能為力，而強大的洞見結論則被埋藏于其中。大多數(shù)企業(yè)的工具鏈中都缺少能夠高效利用數(shù)據(jù)的工具，而AIaaS的出現(xiàn)恰好可以解決這個老大難問題。

擁有特定行業(yè)知識的AIaaS供應商非常清楚如何從數(shù)據(jù)當中提取出有意義的洞見，確保理賠員、項目經理以及財務顧問等群體更輕松地完成數(shù)據(jù)管理。以理賠員為例，他們可以利用AI型解決方案執(zhí)行查詢，借此預測理賠成本或者對海量理賠記錄進行文本挖掘。

分層洞察以獲取良好結果

根據(jù)組織需求將機器學習技術集成至業(yè)務系統(tǒng)中之后，我們就能逐步提取出有意義的洞見信息。繼續(xù)以之前提到的理賠員為例，除了預測分析，他們還可以使用AIaaS快速完成其他日常工作。以往，我們只能根據(jù)保險服務商的評分做出判斷;但現(xiàn)在，大家還能在AI技術的幫助下快速評估欺詐性索賠的可能性、影響真實情況成本的因素以及理賠時間周期等重要指標，在短時間內確定最適合處理索賠請求的保險服務商。在AIaaS的幫助下，理賠員只需要幾秒鐘就能完成整個判斷與匹配流程。

而在文本挖掘的場景下，AI方案能夠利用自然語言處理進行情感分析，利用機器學習技術持續(xù)監(jiān)控非結構化數(shù)據(jù)。在此期間，機器學習模型的任務就是觀察索賠人的感受變化，并判斷是否需要及早求助于律師。在決策完成后，理賠員可以在AI系統(tǒng)的指導下立即采取行動，干預并防止索賠行為轉化為司法訴訟。雖然這里提到的示例主要與保險理賠相關，但大家應該能夠理解這種利用特定信息解決明確需求、從而改善垂直行業(yè)整體運作效果的基本思路。

即時協(xié)助，增強人類能力

數(shù)據(jù)就是力量，但以往我們只能通過大量手動操作才能發(fā)揮出這股力量。而通過如今的分層洞察能力，AIaaS將為人們提供即時獲取全面視角的可能性。仍然以保險行業(yè)為例，理賠員、管理者以及執(zhí)行人員只需要一次點擊即可獲取關于單一/多項索賠的生命周期、變化趨勢等涵蓋多種數(shù)據(jù)來源的全景視圖。

AIaaS正當其時

AIaaS模式已經成為AI普及道路上的一塊重要基石。以此為基礎，機器強大的學習能力與不斷自我完善的分析方式將幫助企業(yè)顯著改進業(yè)務流程。而由專用算法收集到的知識，則可幫助企業(yè)即時掌握極具深度的分析見解，并逐步提升業(yè)務運營效率。最后，云計算的全面成熟也讓這些洞見以極具資源效益的前提下快速傳遞、更新與擴展。

可以肯定，AIaaS已經成為發(fā)揮AI潛能、推動產業(yè)升級的重要途徑。曾經的夢想如今已經照進現(xiàn)實，我們又有何理由不對這一切張開懷抱?