德勤最近发布了一篇报告，为机器智能时代的企业应用与策略提供了建议。德勤认为人工智能的快速演进已经让其具备了无数种能力，数据作为关键业务资产的出现，从管理大规模和复杂性任务所需的基础能力，到越来越成熟、用来从数据库中挖掘业务洞见的分析工具技术。执行通常需要人类来完成的任务的人工智能技术，正成为这些分析工作的重要组成部分。然而，人工智能只是认知计算领域引人注目的一系列发展中的一部分，更大的主题是机器智能（MI）。随着越来越多的公司正在应用机器力量，机器智能在各个领域的支出已经增加，预计在2019年将达到313亿美元左右。
数据之大前所未有
数字世界产生的数据每12个月量就会翻倍，预计到2020年它将达到44皆字节（zettabyte）。随着来自物联网，暗物质分析和其他来源的新信号激增，数据将增长得更快。从商业角度来看，这种爆炸式增长将转化为比以往任何时候都更有潜在价值的数据源。除了使用传统分析技术揭开新洞见的潜力之外，这些结构化数据以及大量驻留在深度网络中的非结构化数据，对机器智能的进步至关重要。这些系统消耗的数据越多，通过发现关系，模式和潜在暗示，它们就能变得“更聪明”。
要想有效管理快速增长的数据量，就必须用高级方法来掌握数据。从连接设备生成的信号到所有业务和功能系统历史交易数据背后的线路电平细节，处理数据资产成为机器智能目标的关键组成部分。
随着数据量和分析复杂度的增加，能让个人用户可以访问数据的分布式网络已然更加强大。如今，我们可以快速地处理、搜索和操纵大量数据，这在几年前是不可能的。微处理器的这种强大性能使得先进系统，比如支持多核和并行处理的设计成为可能。同样，它也使得我们能够设计出先进数据存储技术，用来支持快速检索和存档数据分析。从MapReduce、内存计算、机器学习技术如谷歌的张量处理单元的硬件集成中，我们可以看到技术正在发展，优化我们有效处理指数级数据的能力。
除了纯粹性能和速度方面的提高，分布式网络的应用范围也越来越广。它们现在可以与云基础设施、云平台和云应用程序进行无缝对接，并能够消化和分析不断增长的云数据体量。它们也提供对来自网络的“边缘”功能，比如物联网、传感器和嵌入式智能设备的流数据进行分析与驱动所需的能力。
近年来，日益强大的机器学习算法正朝着实现认知计算的原始目标——模拟人类思维过程的方向稳步推进。
机器智能创造价值
应用机器智能将需要一种新的数据分析思考方式，它不仅仅是一种创建静态报告的手段，也是一种利用更大、更多样的数据语料库来自动执行任务和提高效率的方法。
机器智能可以提供深度的、可操作的可视性，不仅是针对已发生的事情，还有正在发生和即将发生的事情。这可以帮助企业领导人进行预先决策以帮助工作者提高其工作表现。例如在全球各地的呼叫中心，服务代表使用多功能的客户支持程序来进行产品答疑、订单处理、账单问题调查及其他客户服务。在很多这样的系统中，工作者一般必须在屏幕之间来回跳跃以访问所需回复特定查询的信息。
机器智能价值树的下一个层次是认知代理，即采用认知技术来与人进行交互的系统。目前，这种技术更多应用于消费者服务而非企业服务。它们响应语音命令来降低恒温器温度或打开电视频道。然而也开始出现了一个新的应用领域，有一些商业任务和流程可受益于这种认知参与。它们或许能提供复杂的信息，执行一些数字任务，比如病人入院或推荐产品和服务。它们可能会在客户服务方面提供更大的商业潜力，也即认知代理可能通过处理账单或账户交互、应付技术支持方面的问题以及回答员工人力资源相关的问题来取代一些人类代理。
机器学习、RPA和其他认知工具深入发展特定领域的专业知识，例如产业、功能等方面，然后自动化相关任务。例如，一家医疗保健初创公司正在应用深度学习技术分析放射学图像，在测试中，该系统在判断恶性肿瘤方面已达到人类放射专家50%的准确度。
权衡商业和伦理价值
在网络安全的背景影响下，机器智能同时面临着机遇和风险。
在机遇方面，利用机器人过程自动化的速度和效率来进行自动化风险管理的某些方面可以使得更加积极有效地识别、环围和破除潜在威胁成为可能。利用机器智能来支持网络系统可能有助于扩展数据分析和处理，以有意的方式对这些工具识别的风险采取自动化行动。
机器智能在这一领域的功效可以通过预测风险和网络模型进一步增强，将其数据挖掘网进一步扩展到很大程度上并未开发的领域，如深度网络，并应对可能遇到的非传统威胁。企业还可以利用机器智能来推动渠道活动、战略和产品设计。
但是机器智能的客户分析能力有一个潜在的缺点：这些相同的应用程序可能会造成网络漏洞。机器智能的推断可能引入新的风险，特别是当推断有缺陷时。通过创建相关性，机器智能还可以生成呈现隐私问题的衍生数据。事实上，随着自动化发挥出作为效率和成本节约的驱动力的全部潜能之后，许多人正在讨论更广泛的伦理和道德问题。
最后，风险讨论应该解决许多机器智能技术的“黑盒子”现实。虽然算法透明度在持续提升，但当进入这些未知领域，我们应该谨慎地平衡商业价值的驱动力与未来几年内可能大量来自声誉、安全、金融和其他方面的潜在风险。