企业利用最新的人工智能算法帮助自身发展壮大的方式之一，就是采用私人持有的人工智能模型来调整业务战略。
在这种情况下，私人人工智能和公共人工智能之间的区别非常重要--大多数组织都对允许公共人工智能访问敏感数据集（如人力资源信息、财务数据和运营历史细节）保持警惕。
按理说，如果让人工智能根据特定数据做出反应，其输出结果将更具相关性，从而更有效地帮助决策者判断如何制定战略。使用私人推理引擎是公司从人工智能中获得最佳结果并保护其知识产权安全的合理方式。
企业特定的数据和对本地人工智能模型进行微调的能力，使企业有能力提供定制的预测和运营调整，从而更加贴近公司日常工作的实际情况。德勤战略洞察》（Deloitte Strategy Insight）的一篇论文将私人人工智能称为 “定制指南针”，并将内部数据的使用作为一种竞争优势，埃森哲（Accenture）则将人工智能描述为 “准备好提供自农业和工业革命以来最重大的经济提升和工作变革”。
不过，与传统的商业智能一样，使用从整个企业数年运营中提取的历史数据也有可能使决策固化在过去的模式中。麦肯锡称，企业正面临着 “在算法琥珀中反映其机构过去 ”的危险。哈佛商业评论》（Harvard Business Review）对一些技术复杂性进行了分析，指出定制一个模型，使其活动与公司更加相关，是一件非常困难的事情，因此，除了最精通数据科学和编程的人工智能人才外，其他人可能都无法胜任这项任务。
麻省理工学院斯隆商学院（MIT Sloane）在将人工智能应用于商业战略的狂热拥护者和保守派之间取得了平衡。它建议将人工智能视为副驾驶员，并敦促不断质疑和验证人工智能的输出，尤其是在风险很高的情况下。
上一条： 瞻博网络扩展了Mist人工智能可观察性和性能管理功能
下一条： 没有了
