Oracle演示用于商业和营销的Adaptive Intelligent Offers应用程序。 接下来是更多CX功能以及ERP，HR和供应链应用程序。

4月25日至4月27日在拉斯维加斯举行的甲骨文现代客户体验（CX）活动的最大亮点是用于CX的Oracle自适应智能应用程序的首次亮相。 自适应智能优惠（AI Offers）是计划中的人工智能应用程序组合中的第一个应用程序，最终将涵盖CX，ERP，人力资本管理和供应链管理。

引言并不令人意外。 甲骨文表示，CX应用程序将于去年9月宣布推出Oracle自适应智能应用程序。 从那时起，该公司一直在改进幕后自动化机器学习功能。 高管们在1月份透露，与测试版客户的合作即将开始。

自适应智能优惠提供了Oracle为其客户体验云计划的AI功能的一部分。 预计今年晚些时候将推出销售和服务功能。

AI Offers提供了适用于CX的Oracle自适应智能应用程序所设想的总功能的一部分（参见上图）。 AI优惠也在限量发行中。目前，Oracle正在与早期采用者客户合作。来自瑞典零售连锁店Team Sportia的高管是Modern CX活动中出现的两位早期客户。另一位客户是国际银行，根据不披露条款确定。甲骨文表示，预计“很快”可以提供更广泛的可用性，但是没有正式的发布日期。

Oracle Adaptive Intelligent应用程序是Oracle云应用程序的补充。例如，AI Offers是Oracle Customer Experience Cloud的可选（额外成本）附加组件。在推出时，AI Offers与CX套件中的Commerce和Marketing云集成，但今年晚些时候将与销售和服务云联系。

AI提供从公司的Commerce Cloud实例中获取第一方数据，使用来自Oracle Data Cloud的第三方数据进行丰富，然后应用Oracle的决策科学和机器学习功能。在浏览Commerce Cloud支持的网站时，对个人客户行为和购买倾向的上下文洞察可以提供最合适的优惠。相同的AI提供上下文分析并触发Oracle Marketing Cloud中的实时个性化内容推荐。 AI Offers的定价基于每千次成本要约或内容建议 - 与用于支付Oracle Data Cloud浓缩的相同模型。

AI Offers是一种先进的，基于规则的旧技术（包括Oracle自己的ATG个性化引擎），它具有自适应性和实时性。 AI Offers会在每个新的点击和导航步骤中应用并重新应用推荐引擎和预测算法。设计点的响应时间为100毫秒至150毫秒 - 与最先进的电子商务和广告系统相当。即使在营销方案中，新的电子邮件促销也会在开放时间触发，反映最新交易和在线行为的最新分析。

Oracle高管坚持认为，AI App数据收集和数据使用实践遵守全球隐私法律和原则。个人身份信息保留在每个公司的Commerce Cloud实例中，不会被复制，存储或共享。 Oracle Data Cloud中的第三方临时加入第一方数据，然后在运行时针对协作过滤，在线学习和预测算法的组合运行组合，以触发优化的商品和内容推荐。

AI应用程序将随着时间的推移而学习，Oracle计划在云和域之间连接这些见解。例如，AI Offers跟踪商业云中的结果，例如按类别，品牌和产品购买，以及汇总的人口统计数据，例如年龄，性别，婚姻状况和教育水平，以及心理特征，例如对体育的兴趣，来自Oracle Data Cloud的健身，爱好等。 Oracle计划将这些基于结果的汇总见解纳入营销云，在那里他们将通知目标，从而提供更智能的内容推荐和促销。同样，一旦Oracle将自适应智能应用程序功能引入CX的销售和服务领域 - 预计将在今年晚些时候推出 - 该公司希望通过将洞察力连接到最近的服务活动以推动预测，从而为下一个最佳销售步骤提供信息。帐户健康洞察和预测推荐功能。

Oracle的后续步骤包括构建客户成功案例的基础，为流行的第三方商务系统添加连接器，以及为销售和服务添加特定于域的功能。

分析：AI战争中没有前锋（尚未）

自适应智能优惠只是推出AI应用程序的第一个版本，肯定会延续到明年及以后。 Constellation预计将在夏季推出更多CX功能，并在10月初由Oracle Open World宣布其他云应用程序。

我喜欢这样一个事实：Oracle已经在AI Offers中包含了业务规则的控制和规定，因此人们可以根据业务需求调整并覆盖“智能”优惠和建议。例如，营销协议可能要求竞争品牌不能在同一促销中展示，而过剩或盈利要求可能需要影响交叉销售和向上销售目标。

Oracle在AI领域最接近的竞争对手 - 特别是在CX领域 - 是Salesforce Einstein。 Salesforce已经发布了20个爱因斯坦的“功能”，并计划在今年发布另外25个。这些功能非常集中，而不是类似于Oracle更广泛的AI应用程序。例如，Marketing Cloud Einstein包含预测内容和产品推荐功能，而Commerce Cloud则具有单独的产品推荐和预测电子邮件功能。 （完整的爱因斯坦功能列表详见我的Inside Salesforce爱因斯坦人工智能报告。）

Oracle自适应智能应用程序包含与爱因斯坦功能大致相当的多种功能。例如，用于CX的Oracle AI App最终将包含至少16个功能，如上面的幻灯片所示。例如，在营销和数字类别中，有智能消息和个性化开放时间内容。在Commerce类别中，有个性化产品推荐。在每个CX产品组合中都很容易发现类似功能，但请记住，Oracle还计划将AI应用于ERP，HCM和SCM领域。

谁将赢得伟大的AI战争？我们尚未听到来自自适应智能应用程序或爱因斯坦客户的深入客户推荐，他们真正将产品投入测试。另请注意，您无法单独订阅自适应智能应用程序或爱因斯坦;它们都是底层应用程序云的可选附加服务。我们都听过尾巴摆动狗的例子，但是更聪明的AI功能是否会引导客户选择或切换到不同的核心应用程序云还有待观察。

您可以在Inside Oracle Adaptive Intelligent应用程序中阅读有关Oracle战略和更广泛计划的更多信息。

当我作为机械师运行Davenport螺丝机时，我们 - 机械师，生产线经理和主管 - 负责监控流程和设备，以保持生产线的正常运行。 我们一起知道要注意什么以及如何监控机器（和人员）以确保它们以最高效率运行。 我们知道如何判断一件设备 - 例如钻头 - 何时接近其更换阶段，或者是否存在材料化学变化的任何残余影响。 单个破碎钻头的成本可能很高，因为随后的龙头和倒角工具也会破裂，生产零件将不得不报废或重新加工，并且当我们更换所有破损的工具时机器将会停机。

为此，以及众多其他情况，我们收集了我们可以获得的数据，跟踪从成品零件的微小差异到操作员培训水平的所有信息。我们尽可能地利用这些信息以及多年积累的经验为业务做出最佳决策：是时候关闭钻头了吗？材料的变化是否会影响我们没有预料到的事情？我们应该关闭生产线吗？

我们今天所了解的自适应智能（AI）可以缓解我们的思想，使我们能够做出更好，更一致的决策。但那时候，AI并不像我们这样的商店选择。让AI进入我们的业务意味着我们必须为几位高薪计算机工程师和数据科学家的工作提供资金，然后他们将这些工作交给一个负责管理和维护软件和系统的IT专业人员营。

然后是硬件。购买和维护可支持AI的机器的成本非常高 - 甚至用于监控制造环境的传感器也是昂贵的。

总而言之，人工智能一直是制造巨头的省份，拥有庞大的数量和庞大的研发预算 - 这是其他制造业企业根本买不起的奢侈品。

到现在。

今天，由于三个核心原因，人工智能更容易被广泛的制造商所接受：成本更低，更容易访问数据和云计算。原因如下：

降低成本开放机会

各种规模的制造车间的好消息 - 计算机技术的成本持续下降，打破了人工智能进入的第一道屏障。由于小型化和大规模生产，现在存储芯片，计算能力和存储的一切都更便宜，更好。这种趋势仍在继续，现在包括用于监控环境的硬件传感器，以及物联网（IoT）。

那些专业数据科学家和软件开发人员呢？他们仍然在工作，但他们的贡献已经成为主流。现在打包AI应用程序，以便除了最复杂的场景之外，最大限度地减少深度编程的要求。连接从未如此简单，并且系统协同工作以选择性地自动执行，因为对建议的信心增加。

所有这一切都很棒，但除非它们对业务成果产生积极影响，否则无论您能承受多少传感器和应用程序都无关紧要。

访问多个数据源，轻松实现

决策只能与他们所依据的数据一样好，而且AI要对业务成果产生积极影响，智能必须基于正确的数据。幸运的是，今天获取正确的数据要容易得多。现在大多数生产设备都支持传感器，连接设备可以快速带来必要数据流。

也就是说，传统观点是不看待业务孤岛将继续限制其收益。制造商必须扩大他们的思维，以查看非传统的数据来源，包括用于情境化的ERP，以及客户，运营商，供应商和产品数据。查看相关数据的业务孤岛将有助于系统更好地预测结果。

如果只有你能够快速完成这项工作且没有昂贵的试验。

发送到云

现在你可以。也许近年来最有趣的技术进步是云计算和软件即服务（SaaS）的快速增长。云的优点之一是您可以试用一个应用程序，并快速确认一个新的想法是否适用于您的业务。我特别喜欢我称之为“它能伤害什么？”的因素。您可以立即启动云应用程序，并在几周甚至几天内完成并运行它，而不是花费数月甚至数年来设置实施只是为了发现它对您的业务不起作用。您可以在工作环境中使用数据测试应用程序。

为此，我建议一个相对简单的任务，例如更换磨损的钻头。您可以自动监控设备的声音或产品尺寸的微小变化，以预测何时应更改位。使用AI实际推动改进的好处已经开始。从那里开始，这是一个自动订购钻头和安排更换它的最佳时间的步骤 - 最好是在操作员离开时。

现在你已经有了新的钻头和正确的数据，这就是你如何对数据采取行动。这里是您引入AI的地方：使用技术连接您的数据，并且可以分析数据以创建“if-then”模型以便采取行动。您可以在业务决策中积极主动而不是被动。

底线：产量更高，成本更低，效果更好。

如何入门？

试试吧。接受它的“它会伤害什么？”试驾。首先，找一家供应商为您设置行业用例，专门展示制造商如何使用AI并从中受益。然后跳一个云，用您的数据，您的流程，您的环境，为您的企业尝试。

之前？将AI留给庞大的企业集团是很有商业意义的。但今天，人工智能正朝着群众迈进。

看一看。现在情况有所不同。

适应性意味着我们应对变化，但这也意味着我们可以创造变革。当风吹起时，你可以冷，穿上夹克，或者从风中出来。

自适应智能 - 人工智能（AI）的一个子集 - 是人工智能和机器学习应用程序的分析层，它是人类判断和机器自动化的交集。这也是甲骨文业务分析产品组副总裁Rich Clayton撰写的最新文章的主题。

克莱顿的前提是，下一阶段的业务分析将以数据为核心，并将其与人类知识和经验编程相结合。目前的例子包括个性化购物，自动驾驶汽车，在线财富管理和虚拟助理。

Oracle业务分析产品组副总裁Rich Clayton

“理解和调整分析模型输入和训练数据，改善数据不完善，并将道德应用于我们对数据的使用和解释的能力是机器无法完全取代的几个例子，”克莱顿说。

想象一下：如果您最需要洞察力，您的组织可能会有什么可能？如果您的下一次操作审核的一半内容是由机器生成的，可能会发生什么？如果您可以使用语音命令向系统询问一些复杂问题，您将如何实现业务自动化？

从技术角度来看，自适应智能包括三个主要领域：智能应用，智能平台和数据本身。

自适应智能应用程序是一种新的类别，不断适应自学习应用程序，这些应用程序由来自交易业务应用程序的企业数据提供支持，例如客户体验，企业资源规划，供应链管理和人力资源。这些微观解决方案在没有人为偏见的情况下运行，并且在很大程度上提供了非常高的可信度。

自适应智能平台提供交互式数据可视化功能，以发现，解释和预测结果。它不会在业务用户对分析速度的需求与管理数据访问和准备的需求之间做出妥协。

用于为自适应智能应用和平台提供动力的数据来自许多来源。调整这些类型的数据可通过应用程序中提供的自学习算法生成观察结果。这些应用程序通过数据交换整合数据，包括社交数据和个人资料信息。

“数据是推动企业实现自动化的动力，但大多数企业缺乏全面的数据战略，旨在获取，策划，组合和商业化，”克莱顿说。

他总结说，自适应智能系统不是遥远的未来。 “他们的影响将取决于我们如何快速准确地利用所有这些情报。”

Oracle已经拥有完整的自适应智能应用程序，自适应云平台，当然还有对所有类型数据的支持。

我们今天处于技术进步的有趣时刻。在下一个让我们争先恐后地了解其对我们业务的影响之前，感觉好几乎没有时间消化新公告的影响。在过去几年中最重要的创新 - 以及最具创新性的新公司 - 的背后是数据，这是与业务分析有关的基础。

数据现在作为资产进行管理，分析平台是对所有类型组织的更具战略性的投资

毫无疑问，为什么分析公司IDC表示，到2020年，分析所有相关数据并提供可操作信息的组织将比其分析较少的同行获得额外4300亿美元的生产力提升。

这一特殊时刻是由同时发生的几个因素的显着汇合所塑造的。每一个不仅影响其他人，而且还以我们尚未考虑的方式扩展到企业的深远角落。这五个因素是：

• 机器人和传感器的快速发展，这可能是我们迄今为止所经历的最多数据收集和数据生成创新。
• 企业内部以及特别是企业外部的数据过多，将继续以指数级增长.
• 令人印象深刻的计算能力和云计算方面的进步，使我们能够更轻松，更经济地管理，可视化，分享见解并预测所有这些数据的结果。
• 快速增长的数字化客户群，他们期望在每次互动和交易中与我们的业务建立更有意义的联系;和，
• 日益紧密联系的员工队伍，无论他们使用何种类型的设备，都需要不断增加的即时访问需求以及随时随地提高工作效率的能力。

因此，数据现在作为资产进行管理，分析平台对所有类型的组织都是更具战略性的投资。因此，我们很自然地会问下一步的业务分析。

答案是适应性智能（不要与人工智能相混淆）。自适应智能是业务分析的演变，两者是互补的。表1对比了焦点：

值得注意的是，自适应智能是人们判断和机器自动化的交叉点。虽然机器可以在一秒内摄取更多的数据而不是人们在十年内可以获得的数据而不会忘记并且没有疲劳;和自动化大大简化了重复计算演绎或归纳过程，我们无法取代人类推理。理解和调整分析模型输入和训练数据，改善数据缺陷以及将道德应用于数据使用和解释的能力是机器无法完全取代的几个例子。

这种关系创造了许多新的机会，例如能够对我们的业务有更好的实时了解;以前所未有的轻松和速度更好地测试想法和假设;即使波动性和快速变化的条件增加，预测准确度也会提高。

人工智能和机器学习解决方案基于可以从数据中学习而不依赖于基于规则的编程的算法。他们可以重新定义我们如何与信息互动并改变我们的工作和生活方式。例如，在工作场所，它们对我们制定所谓的“次佳报价”的方式产生了重大影响;招聘顶尖人才;防止和发现欺诈;自动化供应链;优化供应链金融;并提升数据中心效率，仅举几例。

在工作场所之外，它们会影响我们的个性化购物体验;我们的自驾车生态车运输;我们如何管理财富;甚至我们使用虚拟助手。

从技术角度来看，自适应智能有三个主要领域：智能应用;智能平台和数据本身。

自适应智能应用程序是一种新的类别，不断适应自学习应用程序，这些应用程序由交易业务应用程序（如CX，ERP，SCM，HR等）的企业数据提供支持。其目的是在没有人为偏见的情况下获得洞察力，并提供更智能的解决方案独特的业务挑战 - 具有很高的信心和非常大的规模。

自适应智能平台通过高性能基础架构为应用程序提供支持，以便按所需规模运行分析。它提供交互式数据可视化功能，以发现，叙述和预测结果。它不会在业务用户对分析速度的需求与管理员管理数据访问和准备的需求之间做出妥协。最重要的是，它确保跨设备（移动，桌面）和部署模式（内部部署，云或混合）的无缝体验。

自适应智能的第三个领域，即数据，整合了许多来源，无论是内部还是外部的组织，都可以生成自学算法所使用的观测和训练数据。它可以包括传感器数据，社交数据和来自数据交换的配置文件信息。数据是推动组织实现自动化的动力，但大多数组织缺乏全面的数据战略;寻求获取，策划，组合和商业化的人。

自适应智能系统不是遥远的未来。事实上，他们现在在这里。它们的影响取决于我们如何快速准确地利用所有这些智能。想象一下可能性：

• 如果您最需要的时候能获得见解吗？
• 如果下次操作审核的内容是50％的机器生成
• 您不必搜索数据来支持您的业务案例，而只需向系统询问一些复杂的问题？
• 您有一个24 x 7的无偏见分析顾问？

很明显，这些新型机器学习技术将提高所有专业和社会经济阶层和地点的人们的集体智慧。从今天开始，我们需要的是制定广泛的数据战略，以及评估和准备我们的分析平台，以利用自适应情报世界。

英特尔首席架构师 Raja 独家解读：如何以指数级思维引领创新

https://www.infoq.cn/article/P*8heQClEoGBZIV4xCRq