大多公司面临的与AI有关的最大挑战之一，是跨平台和系统的数据激增——本地的历史遗留系统与公司日益增长的云计算系统被尴尬地混合在一起。在日常使用时，数据经常会出现诸如格式不匹配导致的无法访问等问题。而这样的问题，也会反过来限制公司在组织内推广AI技术的效果。
一、AI数据库
它们往往会建立起AI数据中台，即运营数据和AI平台，从而可以利用公司的人才、技术和数据生态系统，更好地平衡试验与执行的比例。在研究中也发现，AI成就者相比AI试验者，其实现数据管理治理规模化的可能性要高出33%，而实现数据管理治理规模化，正是建立强大的AI“核心”的第一步。
万向区块链首席经济学：央行要考虑如何激励支付宝等参与推广数字人民币:万向区块链首席经济学家邹传伟认为，数字货币的确会对第三方支付产生一定影响。在零售支付场景下，数字人民币和第三方支付之间会有某种相互替代关系。数字人民币的份额涨起来了，就意味着支付宝和微信份额会下降。这个环节中，央行要考虑如何激励支付宝、微信等机构参与推广数字人民币，数字人民币应用还需依赖于支付宝、微信等线下场景拓展、二维码渗透。邹传伟称，可以设想一个激励相容设计，支付宝、微信支付如果帮助推广了数字人民币应用，它们存管在央行的支付备付金就可以获得更多利息收入。（第一财经）[2020/11/19 21:18:01]
另外，AI核心可以帮助企业做很多有益的事情，比如迅速将AI应用产品化、将AI整合到其他应用中等。那么如何建立AI核心？大多数的AI成就者会在确保数据可靠的情况下，将它们存储在一个单一的企业级云平台上，配以适当的使用、监测和安全策略，来充分发挥内、外部数据的作用。
声音 | 韦氏评级：无论比特币盈利能力如何 投资者都更倾向于存币而非卖币:韦氏评级今日称，超过60%的比特币一年多都存储于钱包中而非在市场流通。在此期间，比特币兑美元的价格从去年12月的3100美元上涨到仅6个月后2019年的13800美元高点。无论盈利能力如何，投资者都希望存币而不是卖币。[2019/12/3]
二、AI投资
对于AI成就者而言，AI投资之旅没有终点，并不存在所谓“AI峰值”。因为这种认知，AI成就者们会进入一个AI收益的良性循环，即使AI成熟度日渐提升，但随着时间推移，仍然不断投入，从而继续获得更多收益。
美国商品期货交易委员会公布关于如何定义加密货币已经交易完成的解释: 美国商品期货交易委员会（CFTC）已经公布了解释说明，关于如何定义加密货币已经从买方“交付”给了卖方。确认交付已经完成的的两个因素是：1. 客户有能力 （i）拥有和控制全部数量的商品，无论是以保证金，还是使用杠杆或其他融资购买，以及（ii）在交易之日起28内，自由地商业使用商品（在任何特定平台内外）；以及2. 报价人及卖方（包括各自的关联方或与报价人或卖家合作的其他人士）不保留任何利益或控制任何以保证金，杠杆或其他融资方式购买的商品，在超过自交易日期起计28日后。据CFTC称，提议的解释不是最终的，需要经过90天的公众评议期。[2017/12/16]
对于AI成就者来说，持续的投资通常会用于提升AI的影响广度，从而将影响最大化；同时，还将进一步尝试各种跨领域AI解决方案，在过程中重新部署资源。例如，某奥地利能源公司近年来在AI驱动的数字孪生技术上投入了大量资金，帮助他们更好地为维也纳市等客户服务——除去带来的其他积极影响外，该技术系统更精准地模拟出了客户对供暖和制冷服务的需求，进而估算出来企业所需要的各种举措的短期成本和长期能源节约。
三、培养AI方面的人才
AI成就者明白，让AI与人类员工无缝合作，是最高效的工作方式。这也是很多AI成就者更倾向于制定积极主动的AI人才战略，以保持在行业趋势前沿的原因。除了以AI为重点的招聘外，AI成就者还经常与专业公司合作或收购专业公司来填补关键职位的人才空缺，如数据或行为科学家、社会科学家和伦理学家。
AI成就者也更有可能对大多数员工进行强制性的AI培训，从产品开发工程师到高管团队都会参与其中。而且，由于他们会更侧重于提升员工AI方面的知识，他们的员工会比其他公司的同行更精通AI相关技能。这些努力使得人类与AI的协作更容易实现规模化，并确保AI渗透到企业肌理当中。
四、打造AI框架
随着企业在越来越多的任务中部署AI，遵守法律、法规和道德规范正成为提升AI成熟度越来越重要的行为。事实上，能够向外展示自己拥有高质量、值得信赖且达到监管要求的AI系统，将使这些走在前列的公司在短期和长期上都获得巨大优势，从而吸引更多新客户，更好留住现有客户，并提升投资者信心。
不靠谱的AI框架，会给企业自身、客户带来许多风险。以常见的算法偏见为例。它是指根据过往偏见数据训练出来的AI也会继承这方面的偏见，所以当你的AI框架中的训练数据不够“公平”，那么AI输出的结果自然也不够准确。
除此之外，还可以通过不同专家的广泛合作来重新设计AI框架，从员工到设计师、数据科学家、合规专业人士和商业分析师等。将员工培训成为AI专家，这对打造可靠AI框架也至关重要。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。