为何AI没有在消费类互联网企业之外得到广泛使用？其他行业采用AI面临的最大挑战包括：
打开网易新闻 查看更多图片
1.数据集规模小
在一家拥有大量用户的消费类互联网公司中，工程师拥有数百万个数据点，他们的AI可以从中学习。但在其他行业，数据集的规模要小得多。比如，你是否能够建立一个AI系统，在只看了50个例子之后就学会检测有缺陷的汽车部件？或者仅仅学习了100例病例诊断之后就能发现一种罕见疾病？当你只有50个数据点时，构建5000万个数据点的技术不起作用。
2.定制成本
消费类互联网公司会雇用数十或数百名技术熟练的工程师来构建和维护能够创造巨大价值的庞大AI系统——比如，每年产生超过10亿美元收入的在线广告系统。但在其他行业，有许多100万-500万美元的项目，每个项目都需要一个定制的AI系统。
比如，每一家制造不同类型产品的工厂可能需要定制的检查系统，每一家医院因有自己的病历编码方式可能需要自己的AI来处理患者数据。这些数以十万计的项目总价值十分巨大；但是单个项目的经济规模可能无法支持聘用一个大型、专门的AI团队来构建和维护它。这一问题因AI人才的持续短缺而加剧，从而进一步推高了这些成本。
3.概念验证和用于生产之间的时间差
即使AI系统在实验室奏效，要在生产中部署它也还需要大量的工程。团队庆祝概念验证成功，却发现在系统部署和维护之前，他们还有12-24个月的工作，这是很正常的。
为了让AI充分发挥潜力，我们需要一种系统性的方法来解决各行各业的这些问题。这种以数据为中心应对AI的方法在旨在用来构建、部署和维护AI应用程序的工具——机器学习操作(MLOps)平台的支持下，将有可能让这变成现实。更快采用这一方法的企业将获得比竞争对手更大的优势。