2018年，有一种声音甚嚣尘上：创业的“黄金十年”已经过去。
巨头们在2018年经历资本寒冬之后，纷纷转向To B，无一例外。而原本就在To B细分赛道的中小玩家，或欣欣向荣，或黯然离场。2018年的To B市场，跌宕起伏。
然而，当我们把目光深入到To B细分领域中会发现，AI交出的成绩却是亮眼的。数据显示，人工智能领域共产生396起投资事件，吸金464.31亿人民币(数据来源于企服头条)。从2018年春节开始，人工智能领域的大新闻就几乎从未间断：百度无人车亮相央视春晚;阿里云人工智能助力平昌冬奥会;商汤科技与旷视科技分别获得大额融资……每一起事件都振奋着AI产业人的神经。
以前大家都在科普AI如何改造各行各业，从前几年的预热到现在的极热，这说明AI已经到了转型的关口——提倡产业和AI融合，拥抱产业AI。阿里布局“新制造”，腾讯拥抱“产业互联网”，马化腾在知乎上发问“产业互联网和消费互联网融合创新，会带来哪些改变?”
虽说“产业AI”已成高频词，但此时此刻，所有致力于发展产业AI的决策者仍感迷惑。
产业AI究竟是何方神圣?
正如阿里胡晓明所说，“人工智能不应仅仅是实验室里的、PPT里的‘概念上的AI’，更是‘产业AI’”。所谓产业AI当然是在具体的一个个产业里发挥作用的AI技术和产品，也就是我们经常说的AI赋能传统行业。但有点不同的是，在讨论AI赋能行业，或者所谓“AI+”的时候，往往设想的是以AI为主体，来实现某个领域的固有功能。比如一些AI+电销平台，就是用AI的语音交互和NLP能力，来实现智能外呼功能。
在这种情况下，一般思考的是用AI替代，而不是用AI结合。它能改善一些情况，却无法真正提高这个产业本身的效率，降低原始成本，更不能融合在整个产业线之中。
产业AI，必须是能够与传统产业无缝结合，推助产业核心部类向前发展的。尤其需要注意的是，深度的产业AI必然指向复杂的行业限制和真实需求，往往比简单的AI替代论复杂很多。
比如说想让AI来评估线索质量情况，提高销售效率。听起来蛮简单的一件事，但是一名老销售，却需要了解目标客户的工商信息、新闻、产品情况、企业规模、招聘情况、企业决策人、客户跟进情况等等十几个因素根据不同的权重才能综合评估客户情况，判断转化商机的机率，为提供最合适的解决方案;假如AI系统只算了其中一两个，漏算了某些因素，岂不是耽误了商机?
所以说，产业的需求往往比我们一般想象中复杂太多，在智能销售服务商探迹科技CEO黎展看来，AI想解决产业问题，必须具备三个方面的基础能力：
数据规整能力：真实世界中，数据和信息常常是从几个方向混杂过来。假如AI只能数据收集、而没有数据清洗、规整，这只会增加企业噪音。就像上面说的销售场景，AI必须综合各方面信息和实时变化的数据流，随时做出统领全局的最优解。这就像人类的大局观，没有大局观的人不能胜任管理，没有大局观的AI也是一样。
简单易用体验：想做产业AI，必须承认的一点是目前的AI并不能彻底取代人类。必须是人机协同的工作模式，但是人机如何协同，如何在缩减人的工作时间，提高人的工作效率之外，不会浪费大量学习成本和适应成本，也是关键问题。
持续进化能力：日新月异的工作，必须让人不断去适应和学习新的工作方式，对于AI也是一样，如果产业AI不能进化，那么工作需求一旦变更AI就变成废铁一块，那确实不要也罢。
产业AI该将何去何从?
如果你身处一个比较传统的行业，不妨想想，假如为你安排一位超级智能的AI助手，你的第一反应是什么?
很兴奋?那么第二反应呢?大概是感觉学起来很麻烦，不知道到底好用不好用，担心成本和收益不相符，等等等等。
以CRM为例，传统CRM就是表单，很死、数据很少。某些厂商所谓的AI+CRM是补全线索工商信息或提供线索自动分配功能，仅把CRM定位在管理的功能，把AI当成一个已有业务中的小补丁，去提升点管理效率。但销售的核心诉求——“增长”却没有得以满足。一位老销售告诉我们 “更换了CRM对于我们的改变不大，每天一早，我们还是得要搜索互联网，列出当天打电话的行业客户，然后去找电话。有时公司数据质量不高，经常只有一个总机，不知道客户的信息是谁，打到前台就会被质疑、阻拦。这是非常难受的场景，工作很难开展，团队流失率很高。”
