如今，虽然人工智能在各行各业中的应用越来越多，但企业还没有在人工智能领域实现规模经济。这一直是企业在数字化转型过程中面临的最大也是最难以捉摸的挑战。普华永道最近的一项调查显示，尽管90%的高管认为人工智能带来的机遇大于风险，但只有4%的高管计划今年在企业范围内部署人工智能，这突显了这个问题的严重性。
这项调查表明，公司需要先掌握这项技术的基础知识，然后才能扩大规模。人工智能带来了操作、管理和工作技能培训方面的挑战，因为它影响到公司组织的各个层面，并从根本上改变了工作流程和商业模式。
人工智能的核心是生产力，所以可以肯定地说人工智能是关于经济的。人工智能系统是一种预测机器，能让企业和个人的工作效率更高，并做出更明智的决策。人工智能模仿人类的认知功能，如学习和解决问题，却没有人类如疲劳、情绪化和时间有限的缺点。一些专家预测，到2030年，人工智能将为全球经济增加15.7万亿美元。
人工智能是最终的经济刺激器
根据Gartner的研究，数字资产是数字战略的基石，也是构建经济生态系统的第一步。幸运的是，人工智能依靠数字资产蓬勃发展。这些数字资产是由人工智能的学习组件(机器学习和深度学习)操作的海量数据。这使得人工智能在经济上独一无二，因为人工智能可以使用数字规模经济而不是实体经济。与物理资产会随着时间的推移而磨损和消耗不同，数字资产不会，它们可以以接近于零的边际成本无限次地重复使用。
正如Schmarzo经济数字资产估值定理所解释的那样，数字资产可以“同时降低边际成本(通过数字规模经济)，同时加速数字资产的经济价值创造(通过数字资产的可重用性)。”
再利用的能力是驱动健康经济发展的引擎。重用资产经常被吹捧为解决诸如上市时间和产品质量等问题的经济合理方法。IBM将资产的战略性重用定义为“高级业务策略”。在人工智能的背景下，这并不是轻描淡写。
随着人工智能由机器学习和深度学习主导，数据和分析可以更精确地用于更复杂的问题。这些预测机器使用的基于样本数据的被称为“训练数据”的数学算法和模型，可以通过经验自动改进，并且随着同样的数据随后被重用，其价值会变得越来越大。此外，当我们重用AI模型时，它们的价值会增加，并且从新的使用中获得的经验会传播给模型的所有用户。
在供应链中，通过配送车间的包装自动化过程，将深度学习与人工智能系统相结合，以快速重用和学习，同时获得指数级的改进。智能相机和深度学习的智能算法,可以在边缘（计算过程发生的地方或附近）实现更好的质量，仓库包装可以相互实时通信，允许过程中的自我修正并可以形成更短、更准确的质量反馈环。
如果你也想开始人工智能，可以从这些最佳实践开始:
1.从小处着手解决实际的业务问题开始，但要有这样的心态:在可预见的未来，业务问题将成为关键资产。
2.包括所有的利益相关者，因为他们是成功扩展的关键。通常，阻碍成功的是人为因素。
3.像任何资产一样，投资也是必需的，但是人工智能和数据资产不会像大多数资产那样贬值，而是随着规模的扩大和时间的推移而增值。
如上所述，随着边缘人工智能深度学习的发展，企业可以降低新用例的边际成本，同时提升经济价值。在第一个成功用例基础上构建第二个用例，这样累积的财务及操作价值会随着用例的增长而增长。在日后的所有案例中，数据和分析的重用会加速人工智能的经济价值，并更能接近这个数字时代人工智能的规模经济。
