统一通信-即时通讯-视频会议-电话会议-科技新闻及文章

6.决定如何在通信中使用AI

有了AI可以做到的一切，最大的问题之一就是从哪里开始。现在企业通信已越来越广泛，企业早已使用各种通信系统实现企业的内部通信。例如劳格SparkleComm统一通信平台，除提供语音的IP电话及视频通话外，也让企业能够有效的整合现有的数据业务流程。SparkleComm是新一代的通讯平台，融合语音、视频、即时消息、文本、图片等移动互联网的数据融合通信平台，是企业或组织机构专属的内部通讯解决方案。

您可以在通信中使用AI来改善和优化内部效率，从发现根本原因故障到在整个基础架构中进行语音呼叫的路由决策之前。您可以使用AI为您的客户添加直接价值和新用户体验，例如提供更准确的建议或使用聊天机器人来处理支持问题。 您还可以创建在没有AI的情况下无法存在的新产品和功能，例如实时转录和对话翻译或使用面部识别对人进行身份验证。作为一个起点，您需要选择能够带来高投资回报率且风险和成本很低的AI项目。但筛选选项并了解哪些项目更可行并非易事。

7.决定组织结构

您将员工放在哪里，让您了解AI？一些企业在首席技术官办公室或研发团队中创建了一个卓越的团队，以推动与AI相关的计划。

其他企业采用自下而上的方法。首先，确定可以进行机器学习实验的一两个领域，随着时间的推移培养它们，并了解领导组织的位置。

一些企业采用自上而下的方法，从特定的业务需求和用例开始，然后确定如何继续。通常，这种方法会导致外包给专门从事AI的外部顾问和供应商，以帮助定义和实施用例。

8.并非所有数据都需要机器学习

在开始进行机器学习的道路上，大部分工作都是收集并使闲置的操作数据具有意义，无需借助机器学习即可充分利用这些数据。

由于人们查看数据并做出大部分决策的都是数据科学家，他们可能会跳过这样的机会来改善业务并尝试在其他地方找到更具挑战性的任务。

2.具有商业意义

将机器学习添加到医疗保健用例不同于将机器学习添加到社交网络交互。虽然这两个示例都可能使用类似的算法和技术，但您需要在市场中拥有一些领域专业知识。

例如，在联络中心，销售对话的动态与伙伴关系讨论完全不同。在这些情况下，AI可以判断谁在何时以及在多长时间内发言。了解业务的这些差异和细微差别与了解统计数据和机器学习同样重要。

当人们需要就产品路线图，优先级和功能做出决策时，这在产品管理角色中更是如此。填补这些角色对于此类举措的成功至关重要。

3.收集正确的数据

在许多情况下，机器学习算法需要分析未收集或不易访问的数据。这包括本地数据库，不同机器和系统以及传统专有应用程序中的数据或从未存储在任何地方的数据。

不需要始终收集数据以获得有效结果，但了解可用数据及其可访问性非常重要。

4.清洁数据

由于错误或不一致或不完整的数据，操作数据可能非常乱并且不适合机器学习。例如，背景噪声，分组丢失或电话呼叫上的其他干扰可以影响语音到文本算法如何捕获口语单词。 这些数据需要在机器学习算法使用之前进行清理 ，否则，创建的模型将无法反映现实或您尝试达到的优化。清理数据不同于手动浏览数据，方法是过滤输入并添加转换规则以更改用于为特定方案创建模型的数据。

5.迭代实验

一旦你有一个团队并开始尝试机器学习，你可能会问以下问题：你有足够的数据吗？数据干净吗？数据有代表性吗？你需要机器学习，还是一个简单的规则就足够了？这些问题将需要更多的机器学习算法数据，但如果它在另一个数据库中或需要清理，则可能无法获得所需的数据。

数据要求的这些变化可能导致模型创建的延迟，这可能需要数天到数月，具体取决于数据的性质及其收集方式。每次实验，您都会找到新的见解。这些见解将引发更多问题，这需要收集额外的不同数据。在企业通信（如SparkleComm）中添加AI意味着有耐心收集，试验，检查和迭代。

采用人工智能可能是一个复杂的过程。通信中的AI可能特别具有挑战性，但组织可以采取某些步骤来克服这些障碍。

今天，AI是IT项目的狂野西部。它始于商业智能，在整个企业中收集数据并将其发送到大型数据库。然后在顶部构建报告和仪表板，以帮助我们制定日常决策。大约十年前，语言转向大数据和分析。最近，这种曲调已经转变为机器学习和深度学习，营销人员将其称为AI。目前，企业采用人工智能包括查看隐藏在企业每个角落的操作数据，并使数据可行。现在，组织更少关注技术，更多关注业务成果，以及将学习算法放在我们拥有的数据之上可以获得什么。

人们还熟练掌握计算机视觉和语音分析，以创建将语音转换为文本和文本到语音的最佳实践，以及识别图像中的对象和动作。例如劳格科技的SparkleComm统一通信平台，SparkleComm会议支持讲录用同步转化为会议纪要文本。这些进步，加上业务流程中的机器学习创造市场优势的想法，已经将公司推向人工智能。

当我和一位同事研究人工智能在实时通信中的使用时，我们采访了与人工智能合作的公司 - 从人工智能初创公司到需要启动人工智能计划的大型企业。该调查揭示了组织在通信中采用机器学习和人工智能时面临的一些挑战。

1.找到合适的人才

人工智能采用的主要挑战之一是在机器学习中找到足够熟练的人才。人才库相对较小，华为，谷歌和Facebook等大型云供应商正在吸引开发人员和数据科学家，他们的工资，奖金和福利都很高。

企业可以通过以下三种方式吸引人才：

（1）在全球较小的技术中心开设办事处。离开北上广深越远，对你将面临的机器学习天赋的争夺就越少。

（2）通过提供更高的薪水和福利来吸引经验丰富的AI开发人员在市场上竞争。

（3）培训现有员工。我们采访的一个组织表示，所有开发人员都有机会参加在线人工智能课程，这使10％的开发人员对AI更加熟悉。

消费者与企业VoIP

正如我们在美国等市场所看到的那样，消费者升级到VoIP比企业更快。这种差异有多种原因。一个是提供商发现为消费者开发服务比企业更容易。与企业相比，消费者不需要那么多功能并且需求更少。

另一方面，升级到新技术对于组织来说是一个更耗时且长期的项目。这意味着切换到VoIP的决定不会轻易做出。提供商必须证明该服务足够可靠以支持企业通信。高质量的音频也是组织的必备功能，而个人消费者对其缺乏更为宽容。

我们可能会看到全世界不同国家都出现同样的情况。消费者驱动的VoIP市场将呈指数级增长，其次是企业市场。

VoIP与其他企业工具之间更深入的整合

对于跟随VoIP行业的人来说，这应该不足为奇。虽然消费者可能会全心全意地接受VoIP，但是企业将推动对进步和创新的需求。VoIP从早期开始就已经发展了很多，并且将来会继续发生变化。

起初，VoIP是降低成本的简单工具。企业慢慢意识到这种新技术为他们提供的可能性。被认为是为大公司保留的奢侈品的特征现在已司空见惯。许多组织能够在其电话系统中提供高级功能。相当多的企业已经进一步向价值链上游移动。这些组织现在正在部署SparkleComm统一通信系统，同时使用现有的VoIP安装作为基础。

尽管VoIP已经走了多远，但这仍然只是行业的开端。我们将看到VoIP与CRM软件等其他企业系统之间的集成度提高。VoIP以及WebRTC等相关协议将弥合组织与其客户之间的差距。不久之后，任何互联网连接的设备都能够进行语音呼叫。

不可能以任何准确度预测未来，特别是在技术方面。但是，我们可以使用历史数据和当前观察来做出一些预测。SparkleComm VoIP将成为语音通信的标准协议已成定局。它何时以及如何快速发生是一个需要辩论的问题。如果您的组织尚未升级到VoIP，现在是时候做了。

技术进步很难预测，而且我们期望看到的不是我们得到的东西。话虽这么说，市场研究和对任何行业未来的猜测都是媒体的良好素材。然而，他们不是唯一对市场预测感兴趣的实体。

政府和监管机构希望保持领先于发展趋势。在市场中运营的各种实体对可能的机会和障碍进行自己的研究。当然，最终用户也对未来可能带来的兴趣感兴趣。那么让我们谈谈几年后VoIP可能会是什么样子。

快速成长和广泛采用

对于像VoIP这样的年轻行业来说，快节奏的增长似乎是可以预测的。然而，这取决于几个因素，如访问高速宽带互联网。即使在像美国这样的发达国家，也存在无法保证互联网接入的地理区域。这可能会阻碍这些市场中VoIP服务的扩展。但是SparkleComm VoIP适用于其互联网基础设施可能不足以支持添加语音呼叫的发展中国家。

几乎可以肯定的是，VoIP行业不会在所有领域和所有细分市场中统一增长。亚洲和非洲国家正在跨越许多技术并直接进入移动革命。与其他国家相比，这些地区的移动VoIP可能会出现更高的增长。

监管和立法审查

VoIP技术不再仅仅是技术文化的工具。在某些地区，VoIP取代了基于PSTN的固定电话作为语音呼叫的默认技术。随着行业的成熟，我们可能会看到立法者、政府和掠夺性机构的审查越来越严格。即使在美国境内，VoIP的监管状况仍不明朗。VoIP服务提供商是否与电话运营商相当？我们应该首先将VoIP视为信息服务吗？使用SparkleComm VoIP服务，具有高效的安全性和保密性。

监管的增加有可能驱逐客户，使事情和财产需求复杂化。但缺乏监管也可能剥夺对用户的重要消费者保护。在接下来的几年里，我们将看到更多的政府注意并试图规范VoIP行业。