自实施人工智能以来，你的业务发生了多大变化?我问的不是客户忠诚度、活动收入甚至流程优化等离散指标的提升。你的企业的基因是否因为调整边缘而改变了?当然不是，因为弹性商没有满足。

弹性商将企业的kpi与经济和市场行为联系起来，让企业可以随意地扩张、收缩和适应已见和未见的事件。

Forrester对软件供应商和服务提供商提供的100多个案例进行了分析，结果显示二者存在脱节。人工智能在流程结果方面带来了可衡量的改善，但只有不到10%的公司证明人工智能的实施影响了整体业务收入、盈利能力和股东价值。在一个案例中，一家运输公司的董事会问他们为什么要在三年没有显著整体回报的情况下加大对人工智能的投资。

机器学习不是学习

人工智能的根本问题在于算法(机器学习)和商业模式。商业模式仍然是线性的，朝着效率的方向发展，并且是僵化的。机器学习模型用于业务流程的离散结果，增加了算法的使用。这是一个积极的结果。

  • 在大流行期间，买家停止购买或完全转向网购。COVID-19表明，算法是根据典型的购买行为进行训练的没有准备好处理非正常购买．虽然全球健康危机显示了阻碍机器学习智能的极端情况，但它也揭示了行业和初创企业可能出现的漏洞。它还举例说明了识别交叉销售和追加销售机会的算法的有效性如何受到限制。
  • 促销阻塞扰乱了营销影响。高级分析师、社交营销专家杰西卡•刘(Jessica Liu)证实了我的怀疑，即我破坏了Twitter的广告算法。我的个人推特推送是基于我的工作账号——太多的技术、数据和分析。所以我屏蔽了推广者。Twitter算法开始高速运转，在我屏蔽了推广者之后，我的信息流中出现了越来越多、越来越多样化的技术、数据和分析广告。广告在我的推送中的相关性下降了，对我的客户体验产生了负面影响。

弹性商作为企业高管的经济指标，克服了这些障碍。以下是你需要知道的。

利用人工智能做它擅长的事情——不要把它看作分析

人工智能是一个模型的生态系统。这是释放其潜力的关键。企业必须用全面的战略模型来增强今天的自动化模型，以实现人工智能的弹性和竞争优势。该模型是一个模拟器，用于近期、中期和长期战略、规划和执行。因此，人工智能需要在多个目标上进行训练。这就是人工智能的闪光点:分析关系并制定联系。它还擅长打破和再培训新的环节。为了克服机器学习的僵化，人工智能需要训练和执行一系列广泛的企业指标和kpi，并辅以自动化之外的数据。

这种方法支持自顶向下、自底向上和跨渠道的知识共享。这就是弹性提供主动数据和拨号的地方，C-suite、业务线领导者和运营团队使用这些数据和拨号来平衡和重新平衡生态系统。此外，随着智能的扩展和连接，人工智能甚至可以克服强化的自动化流程。

自动化投资不会丢失——它们是迈向人工智能的基础一步

这并不是呼吁废除智能自动化。弹性商是机器学习向人工智能转变的下一步。在内部和跨渠道连接机器学习模型，确保操作可以异步工作，而领导者具有同步的监督和影响力。这可能很复杂。为了克服这一问题，必须在模型运维、数据运维和开发运维中大力关注人工智能链内部和整个链的最佳实践。