三年前，我们的风险投资公司开始研究人工智能初创企业。科幻小说对人工智能的描述误导了大众对这项技术的看法。最近两年，我们一直在尝试寻找最重要的创业公司，汇集成一张概览图。（比起人工智能，我们更倾向于一个中性的词汇「机器智能」来描述这项技术。）
过去几年中，我们总是从创业公司创始人和学界中关注这一领域较早的人那里听闻技术行业中的大趋势。但是今年不同，很多关于机器智能的话题都是出自《财富》世界 500 强公司高层之口。
这些管理人员在不断自我反思：自己要做什么。在过去的一年中，机器智能爆发了，风险投资总额达到 50 亿美元，几宗大收购，数十万人阅读了我们早期的研究。上世纪九十年代的互联网，管理人员正在意识到这项新技术有可能改变一切，但是没人知道怎么改变以及何时改变。
今年的这张的创业公司竞争概览图展示了机器智能眼下的影响力。从农业到交通运输，智能几乎触及到了所有领域。每一个员工都能通过现有的工具用上机器智能，提升工作效率。各大公司也第一次开始在他们的业务中配套配入机器智能技术。
与互联网不同，即便是最早进入市场的大佬公司也常常被机器智能技术打的束手无策，只有那些能迅速引入机器智能技术的公司持续占有优势。
世界 500 强和其他公司该从哪里找到切入点呢？
一种能迅速获得机器智能价值的方法是为你的人才配备机器智能工具。使用该技术的最早的赢家们一直在根据知识工作的特定领域不断调试这些机器智能生产力工具。在我们的概览图中我们称之为「企业功能（Enterprise Functions）」。有了这些工具，每一名员工都能之前只有 CEO 们才有能力。
这些工具能够帮助监控和预测（比如，像Clari这样的公司一个一个地预测客户销售来帮助优化交易）也有助于指导和训练（Textio的预测文本编辑平台帮助员工提高写文档的效率）
下一步是使用机器智能实现新数据源的价值，也就是我们在概览图的「企业功能」部分强调的内容。机器智能软件能够快速查看海量的数据，因此也开辟了一些原来无法获取的数据资源。人工太贵，想象一下你能负担得起让某人听销售人员的每一条销售记录并据此预测他们的销售表现，或者让一个团队检查所有的卫星图像，决定需要收集哪个宏观经济指标的数据吗。而这些数据也许你的公司就有（例如，客户服务对话记录、传感器数据预测中断需要维护），或者这些数据可以从外部新的数据源中获取。
重新思考如何开发软件
你已经尝试了一些新的生产力工具并开始挖掘新的数据源寻找洞见。实现机器智能价值的下一步是在新软件的基础上建立起持续的竞争优势。但是机器智能是一门管理者需要学习的新学科分支，需要一组新的软件人才和新的组织结构。
大多数 IT 集团公司想到的都是应用和数据方面的人才。而新的机器智能 IT 公司会考虑应用、数据和模型，把软件看成是代码、数据和模型的结合。这里的「模型」指的是业务规则，就像批准贷款和调试数据中心功耗的规则一样。对于传统的软件，程序员需要手动开发这些规则。今天机器智能可以用数据和新的算法生成一个人类程序员无法做到的非常复杂的模型，
传统软件中的模型只能通过程序员手写代码来做出改变。有了机器智能后，公司就能开发出自己定期进化的模型，模型拥有了学习能力，公司的竞争力也就能维持下去。
把这些传统的模型想成那些拥有海量记忆但不善社交的员工——白痴专家。他们可以预测如何让业务获得最佳增长，让客户更加满意，或者削减成本。但如果你试图将它们应用到新的东西，往往会失败，甚至更差。当你的业务和数据改变时，这些传统软件就更不上了。
所有这些都意味着开发机器智能软件完全不同于传统的软件，因此公司需要进行相应的员工结构调整。幸运的是，虽然找到适合的人才很难，开发这些软件的工具已经有了。
