當被問及未能實施人工智慧策略時，企業決策者會給出哪些理由？以下是一些最常被提及的：
“作為一家大公司，我們專注於競爭，而我們的競爭對手並不做人工智慧。”
“我們憑藉專業知識開展工作——我們不相信模型，而是相信我們的直覺。”
“我們的數據太不純淨，我們的項目還沒有準備好。”
“我們找不到必要的專家。”
讓我們仔細看看這些論點。
_
“作為一家大公司，我們關注的是競爭，而我們的競爭對手並不做人工智慧。”
然而，過去的教訓在這方面有著明確的說明。互聯網帶來的變化對於一些行業來說是深遠的。以 Instagram 與柯達、亞馬遜與 Borders（一家大型美國連鎖書店）為例，僅舉幾例。關鍵是要開始行動，而不是等待被競爭對手超越。
_
“我們憑藉專業知識開展工作——我們不相信模型，而是相信我們的直覺。”
當涉及專業知識與模型時，Google的例子非常清楚地表明了透過資料進行有附件或 他的人工智慧 链接可能針對性的企業管理的可能性有多麼強大。將模型和使用者直覺結合並沒有錯。
_
“我們的數據太不純淨，我們的項目還沒有準備好。”
即使數據不純，機器學習也能幫助我們。特別是深度學習，提供了多種可以從數據中濾除雜訊的機制。因此，如果你屬於一家數據不佳的公司，你應該儘早投入更多。
_
“我們找不到必要的專家。”
至於這些專家，也就是所謂的資料科學家：是的，他們確實很難找到，而且，他們通常不是該公司各自核心業務的專家。但是從少數人開始並培訓其他所有人有什麼不對嗎？這裡的優勢是顯而易見的。