成熟的人工智能应用程序的用例可以帮助您更顺利地实现AI，人工智能（AI）确实做得很出色，它在自然语言处理方面表现出色，并且可以快速处理和解释图像。” 我要补充一下AI能够快速处理大量文字的能力，并且提出建议的措施也是AI的一大特色。

当业务主管评估COVID-19的影响并制定恢复计划时，他们正在从新的角度分析其运营，并通过全新的视角提出问题。这些新问题带来了令人不安的认识：他们的数据策略可能不够灵活，我们都亲眼目睹了当今的环境需要能够对不断变化的条件做出快速响应的能力–分析整个企业的数据，快速执行计算并实时回答新问题，当业务速度需要“快速响应”工具时，我敦促您考虑使用以下工具：Microsoft Power BI。

区块有助于构建有关大流行的数据，并使其易于访问和使用，从而可以做出决策，理解大数据通常是一个挑战性的过程，考虑到这一点，数据发现公司开发了COVID-19数据块－预编译的代码段，该公司表示这简化了数据的复杂性，可供人们免费探索，该公司表示 ，它旨在使跨不同行业的任何员工，即使是非技术人员，都可以理解，该数据按位置显示数据并突出显示某地理区域内诸如杂货店和公园等场所的访问百分比变化。

到2022年，将有85％的AI项目无法实现预期的业绩。这意味着在未来两年内发布的20个项目中，只有3个将获得成功-其余17个将失败。为什么？因为创建机器学习模型并在企业环境中运行是两个非常不同的事情，实施AI的公司面临的挑战是在现实世界中实现机器学习的可操作性，这就是MLOps如此迅速增长的原因，一个特征商店是一个系统，专门作出了输入，跟踪和数据管理自动化为机器学习模型，计算并存储功能部件，使它们可以在公司中注册，发现，使用和共享，提供一个集中的，可复制的框架来管理数据馈送机器学习模型，对企业AI来说有很多好处。

理解AI如何做出决定的问题不再仅仅是好奇心；它几乎是所有AI应用程序中必不可少的元素，简单的AI已经为我们每天使用的许多技术提供了支持。通过面部识别进行身份验证的手机，具有自动驾驶功能的汽车，聊天机器人，智能家用电器，自动机械（无论普通人是否知道）都可能参与了一些自学技术，这既带来机遇，也带来挑战。在提高效率的同时，从日常决策中删除人为因素意味着对做出这些决策的机器有一定程度的信任。

如果您的现场服务人员拥有所需的数字工具和数据，则跟踪和维护资产将更加容易，现场服务运营已经进行了数字化和转换，因此，现场技术人员可以在远离办公室的地方维修设备，拥有更多可用的工具， COVID-19和远程开展更多业务的需求只会加速对运营数字化的需求，并使技术人员拥有更多工具和资源，以支持总部以外的长时间工作。