AI面临的最大问题是什么？期望过高？效率太低？难用？还是缺少好想法？

全球顶级技术智库Gartner的VP Svetlana Sicular 在2019年发布CIO Survey时说，2019年 AI 应用的部署增长率实际上低于去年预测的23%；同时，参与调研的各大CIO表示，已经部署了 AI 的比例从去年的 14％增长到了 19％。同时Gartner 预测，聊天机器人是最受欢迎的 AI 应用之一，到 2023 年员工与应用程序间的交互有 25％将通过语音进行，相比 2019 年的将近 3％大幅增长，这说明以聊天机器人作为内部服务的AI应用前景广阔。

那么 AI的NLU自然语言理解技术，大家常说的聊天机器人，具备对话能力的AI普及被什么东西拖累了呢？真的是AI应用场景有限吗？会不会，AI或在某个场景被高估？或在某个场景被低估？会不会是身在应用场景的人，不了解AI，不知道AI在某个方面可以轻松的解决问题？

企业的运营是多部门协同的结果，像IT helpdesk，财务，HR，运营，客服这些职位的工作内容中，很多重复的事情其实可以由AI数字员工去做，或辅助人协同完成。

比如，你突然需要报销的时候，某个类怎么报？最新的报销政策你是不是要了解一下？问人，找谁呢，或许不熟或者你熟悉的人也不知道。

你要申请一个配件，填哪个单子？后续流程怎么走？注意事项，要问一下吧？

收银结算遇到问题，出现了英文弹窗，卡这里了，一时找不到人，怎么处理？

联网的打印机报了一个错误代码，但是IT占线打不通，怎么办？

HR要你填一个表，有几个项里面没有说明，你也不确定，需要查一下，问谁呢？

这样的例子举不胜举，某些工作中，固定重复的事情占用了人脑中大量“内存”，处理时间也长，还无法同时并行，唯一的办法就是把这部分重复固定的内容交给AI数字员工去处理，让人投入更复杂、更有挑战和创造性的事情中去。

下图是AI数字员工的一些交互场景：


AI数字员工指具有认知、理解、分析、交互能力，具有一定“智商”的虚拟助理。就像我们人处理工作一样，先要听懂别人的话，分析话里的意思和需求，在知识和经验中思考怎么办，方案或流程是什么，或找谁协调解决。AI数字员工也一样，通过语义理解，计算，基于人的经验、业务逻辑构建对话交互，并应用于业务中独立或协助人去解决问题。这个AI数字员工背后有一个AI大脑！

AI首先应该让人用起来更简单更便捷

其实国内互联网巨头都有自己的AI大脑，比如百度的UNIT平台，AI技术型公司如Aibee、追一、硅基等都有各自的一套AI大脑解决方案。如何降低使用门槛，让普通人在几分钟内就可以理解与尝试，是当下AI扩大应用场景的一个难题。AskBot是NLU领域连续创业团队打造的AI大脑，他们通过脑图模式实现对话逻辑设计，用户不需要懂技术，更不需要懂代码，只要根据自己的业务现状，就能轻松实现知识库，语义识别、理解，多轮对话，并通过图片、视频、点选、反问等个性化回复模式，快速提升解决问题的效率和体验，AskBot大大降低了打造AI数字员工的难度，“让听见炮火的人去呼叫炮火”，把灵活性释放给最懂业务的人，快速实现为企业降本增效的目的。

要让AI技术更易懂更可解释

Sicular在报告中，还提到要让AI更简单易懂，更可解释，从而提升 AI 的普及率、公平性、可靠性和可信赖水平；在某些情况下，AI 技术的应用障碍正是源自客户或员工对这种技术的不信任和不理解。比如当提到AI数字员工，很多人会直接拿它和人去比，关心它能否真能替代人，其实AI远远替代不了完整的人力，它在重复大量固定的工作上替代性最高。

AI公司应该把技术的应用边界，能与不能，数据规范，如何升级，这些在沟通中持续简化和透明，让应用者或企业深入参与进去。现实中，AI在技术上的能力与客户眼中的能力有巨大的差异，甚至说天壤之别，这个差距要持续被缩小，大家在效果和评估层面的认知要达到同一个维度。

因此我们说AI面临的问题是综合的，包括AI底层很多技术、算法晦涩难懂，与客户形成了巨大信息鸿沟，造成客户期望太高，在缺乏业务参与和团队协作的情况下，希望纯靠AI达到神级效果，必然失败。此外当下还有很多情况是，客户陷入日复一日的工作疲态，很难跳出现有熟悉的模式，转换思路，大胆尝试，启用AI创新。关于AI的应用，AI数字员工，其路漫漫且修远兮，但我们要相信AI的力量，相信创新的力量，只有砥砺前行才能拥抱光明。