人工智能很热门，但也让人望而生畏。它的最新进展有不同名称，例如认知运算、机器学习、深度学习，听起来既复杂又昂贵。事实也的确如此，尽管这些进展为市场带来很大的可能性。对许多企业来说，发展人工智能所需投注的经费与资源，是极高的阻碍。至于其他方面的理由，就连苹果公司这样的巨擘也面临许多挑战。
好消息是，对绝大多数的中型企业来说，在它们设法扩张数位疆界之际，已经可望取得人工智能带来的早期好处。其实，用低于许多企业原本设想的技术要求、时间与金钱，就能运用人工智能的一些基本要素，来创造优异的成果。此外，跨出这第一步的企业，才能获得助力得以参与人工智能的未来，因为唯有跨出这一步，才会产生后续的所有发展。
首先要了解自己所处的位置。高阶的人工智能，是像认知运算之类的系统，能让无人车和其他机器发展出从真实环境中学习的能力；学习的方式是吸收了解各种细微的差别、记住结果，并且根据错误来调整。（近期发生一起有关特斯拉汽车公司〔Tesla］「汽车自动驾驶」的意外，引发人们质疑人工智能目前能做到的范围）。
较便宜的人工智能系统，是以知识为基础的方法，把资料与语言组织成具高度可塑性与非常有帮助的资料组（block of information）。这些「精简版人工智能」系统不会学习新的把戏，除非它们的人类控制人员使用新的指令码来「教导」它们。但它们确实能变得非常聪明，以极为快速的方式把资讯分类，以及传播资讯。以下提供一些指引，协助你运用精简版人工智能系统。
找到适当的地点使用它。即使是在当前的新资讯时代，不见得所有事情都必须用到让人眼花撩乱的人工智能。但企业与政府机构已开始找到许多地方，可运用以知识为基础的工具，来创造很大的成效。这些地方包括改善资料探勘作业、协助训练，以及让结构性、重复性的任务与流程变得非常有效率，且成本大幅降低。当然，它们也发现这些工具在处理线上顾客方面，变得愈来愈有用。
例如，全州保险（Allstate Insurance）旗下的全州商业保险（Allstate Business Insurance）使用这类工具，开发出名为艾比（ABIe）的虚拟助理，负责回答公司里12,000名保险经纪人的问题。这有点像只用一点点的钱，来聘雇苹果公司的智能型个人助理系统Siri。该事业部的总裁麦可．巴顿（Mike Barton）如此解释：「我们把艾比当成先锋，可用很少的经费来进军认知运算领域。」
几年前，该公司把提供给小型企业的商业保险产品线升级，结果造成经纪人打来的电话塞爆客服中心，询问新的保单怎么运作、如何设定销售报价单。光是扩编客服中心的成本就令人却步。
「艾比」是「全州商业保险专家」的英文字首简称，这套系统由我们公司协助开发。由艾比的虚拟化身所驱动的介面，采用严谨的方法来处理公司产品的核心词汇与术语，对保单问题提供正确的答案，同时简化报价流程。2013年艾比每个月仅处理数千个问题，到现在则是处理十万个来自企业所有员工的问题，而不只是处理保险经纪人提出的问题。新版的艾比很快就会直接处理顾客提出的问题。最好的一点，是艾比在第一年就已经赚回开发成本，所以后续省下的费用几乎都贡献给获利。
准备执行。精简版人工智能的复杂度与价格都远低于高阶版本，但这不代表它是现成立即可用的。它没有办法一体适用，也没有什么可以随插即用的神奇解决办法。
例如，艾比的设计、打造与执行就耗费将近一年。全州商业保险公司指派一个由经理人与主题专家组成的团队，来负责这个专案，找出艾比回答所有这些问题所需要的字汇、术语与资料的「分类」。艾比从资料库中取出答案，与公司产品和流程相关的所有知识，都整理组织在这个资料库里。套用人工智能的说法，这代表公司的所有数字、图表、字汇、术语，都必须经过切割、组成小区块、加标签、进行人力资源最佳化，才能作为艾比提供答案的基本要素。简单来说，想要采用这种做法的企业，必须卷起袖子，做些老式的基本功课。但这么做是值得的，好处是：如果正确的资料能和正确的字汇与术语搭配，企业的资讯能力将会大幅提升。
别期待事事完美。然而，由于系统复杂，因此难免会有错误，且必须在过程当中进行修正。你应准备好应付这些情况。以艾比来说，专案团队最初提供的一些答案太过完整详细，基本上就好像是告诉提问的人如何打造时钟，但其实对方只是想要知道现在的正确时间。经过尝试与错误，包括使用过艾比的人提供的详尽报告，最后终于能提出非常具体与可行的答案，并设置好治理体系、评量指标与变革管理流程，以进行可控制、井然有序的更新。
别让你的人工智能过度精简。使用人工智能与线上顾客互动时，切记，零散的做法无法发挥功效。大部分的组织设置部门层级的解决方案，以及各自独立的工具，且欠缺足够的经费。执行的结果通常很不一致，而且毫无章法，不得不进行耗时又昂贵的修补工作。
例如，某企业内的一个部门，可能从交易的角度来看顾客，而另一个部门却把重点摆在推广。这两个部门资料模型的差异，会拖慢、甚至拖垮这整个程式的运作。
无论是以知识为基础的低阶人工智能，或是之后跨入更广泛、昂贵的应用，若要让投入人工智能的经费有合理回报，就必须具备三个要素。这当中涉及仔细的分析与准备，且必须考量到每一个部门，但聚焦在企业整体。它必须有正式且略微不同的治理架构。此外，必须有企业最高层级的主管来支持这个行动。
这些基本要素若没有准备就绪，就无法达到精简版人工智能可增加的力量，也没有准备好面对人工智能允诺带来的革命性改变。