目前人工智能对于信息技术行业来说，可能不亚于智能手机，互联网，电脑带来的变化。如果不跟上，那很可能就被时代淘汰了。 根据微软自己的分析，到2030年，AI技术对于企业的渗透率会达到85%， 这也是微软投资openai的动力。 根据麦肯锡2022年的调查，“贵公司是否使用了AI技术”， 大概50%的公司采用了AI技术， 虽然比2019年的58%略有下降，但是仍远高于2017年的20%。

根据企业传统的部门划分 #

市场销售 #

客户画像：使用AI技术对客户进行精准画像，进行个性化定制服务 通过部署虚拟客服，聊天机器人，语音助手,使用AI来处理简单，重复的客户的问题 7x24小时的聊天机器人，帮助客户自动填表，优化客户体验流程 使用AI技术为销售人员提供专门的技术支持人员，可以随时响应销售需要的技术支持，后端仓储查询，报价查询 使用生成式AI技术，结合用户精准画像，自动生成定制化的营销内容和广告内容 使用AI技术优化客户管理系统（CRM），为客户提供更定制化，类人的交流 使用AI技术对于产品和系统的宣传网站进行搜索优化 通过客户的实时图片识别客户的情绪

人力资源 #

使用AI来分析招聘流程是否有效 评估人员是否适合职位，人员初步筛选，在线评估，视频面试中分析候选人的表情和肢体语言 入职人员的工作状态平台， 后期发展建议 根据员工信息， 综合考虑可用性，客户诉求，员工技能匹配度，员工偏好，部署成本，进行排班优化

财务 #

会计，财务报告，减轻员工重复性工作，数据输入，交易分类，发票处理

开发和部署运维 #

使用代码辅助AI可以提升开发人员编写代码的效率，比如copilot 使用ai技术分析云平台的使用记录，然后优化部署和付费计划，从而能降低云平台的使用费用 将AI工具加入到日常OP中，形成AIOP平台，实现自动监控，原因分析，异常检测，危险检测，系统自动修复 使用AI工具分析系统日志，实现系统的监控和自动排障

质量 #

通过AI持续扫描系统， 网络资源，CPU使用情况，自动分析应用的可用性和可靠性，监控服务是否正常 通过定期分析系统数据，可以给出维护建议 更广泛的探测器使用， 从而收集更多的数据，然后通过ai进行数据分析，增强系统安全性和可靠性

根据AI技术划分 #

机器学习（machine learning） #

自动化，数据清理，数据分析

自然语言处理（对话ChatGPT） #

各种大模型可以为中小企业提供什么

图像识别 #

产品分类， 检查

生成式AI（Generated AI） #

使用chatgpt，midjourney 辅助设计人员进行原型设计 使用生成式AI进行短视频创作 为学生定制学习计划和内容

人工智能落地的难点 #

业务敏感 #

业务关键的数据企业不大会直接给出来，非关键性业务升级人工智能的紧迫性很低，没有动力。

成本 #

硬件，人工，平台都需要大量投入， 相对于可能产生的效益没有吸引力

人力资源 #

没有足够的人员，无法确保人工智能的部署和运营

落地点不明确 #

具体到公司，可以操作的点都不一样，需要研究分析落地的可能性，和实验性部署，甚至较长时间的试运营才能确认是否能产生效益。