2019年，有一種聲音甚囂塵上：創業的“黃金十年”已經過去。

　　巨頭們在2019年經歷資本寒冬之后，紛紛轉向To B，無一例外。而原本就在To B細分賽道的中小玩家，或欣欣向榮，或黯然離場。2019年的To B市場，跌宕起伏。

　　然而，當我們把目光深入到To B細分領域中會發現，AI交出的成績卻是亮眼的。數據顯示，人工智能領域共產生396起投資事件，吸金464.31億人民幣(數據來源于企服頭條)。從2019年春節開始，人工智能領域的大新聞就幾乎從未間斷：百度無人車亮相央視春晚;阿里云人工智能助力平昌冬奧會;商湯科技與曠視科技分別獲得大額融資……每一起事件都振奮著AI產業人的神經。

　　以前大家都在科普AI如何改造各行各業，從前幾年的預熱到現在的極熱，這說明AI已經到了轉型的關口——提倡產業和AI融合，擁抱產業AI。阿里布局“新制造”，騰訊擁抱“產業互聯網”，馬化騰在知乎上發問“產業互聯網和消費互聯網融合創新，會帶來哪些改變?”

　　雖說“產業AI”已成高頻詞，但此時此刻，所有致力于發展產業AI的決策者仍感迷惑。

　　產業AI究竟是何方神圣?

　　正如阿里胡曉明所說，“人工智能不應僅僅是實驗室里的、PPT里的‘概念上的AI’，更是‘產業AI’”。所謂產業AI當然是在具體的一個個產業里發揮作用的AI技術和產品，也就是我們經常說的AI賦能傳統行業。但有點不同的是，在討論AI賦能行業，或者所謂“AI+”的時候，往往設想的是以AI為主體，來實現某個領域的固有功能。比如一些AI+電銷平臺，就是用AI的語音交互和NLP能力，來實現智能外呼功能。

　　在這種情況下，一般思考的是用AI替代，而不是用AI結合。它能改善一些情況，卻無法真正提高這個產業本身的效率，降低原始成本，更不能融合在整個產業線之中。

　　產業AI，必須是能夠與傳統產業無縫結合，推助產業核心部類向前發展的。尤其需要注意的是，深度的產業AI必然指向復雜的行業限制和真實需求，往往比簡單的AI替代論復雜很多。

　　比如說想讓AI來評估線索質量情況，提高銷售效率。聽起來蠻簡單的一件事，但是一名老銷售，卻需要了解目標客戶的工商信息、新聞、產品情況、企業規模、招聘情況、企業決策人、客戶跟進情況等等十幾個因素根據不同的權重才能綜合評估客戶情況，判斷轉化商機的機率，為提供最合適的解決方案;假如AI系統只算了其中一兩個，漏算了某些因素，豈不是耽誤了商機?

　　所以說，產業的需求往往比我們一般想象中復雜太多，在智能銷售服務商探跡科技CEO黎展看來，AI想解決產業問題，必須具備三個方面的基礎能力：

　　數據規整能力：真實世界中，數據和信息常常是從幾個方向混雜過來。假如AI只能數據收集、而沒有數據清洗、規整，這只會增加企業噪音。就像上面說的銷售場景，AI必須綜合各方面信息和實時變化的數據流，隨時做出統領全局的最優解。這就像人類的大局觀，沒有大局觀的人不能勝任管理，沒有大局觀的AI也是一樣。

　　簡單易用體驗：想做產業AI，必須承認的一點是目前的AI并不能徹底取代人類。必須是人機協同的工作模式，但是人機如何協同，如何在縮減人的工作時間，提高人的工作效率之外，不會浪費大量學習成本和適應成本，也是關鍵問題。

　　持續進化能力：日新月異的工作，必須讓人不斷去適應和學習新的工作方式，對于AI也是一樣，如果產業AI不能進化，那么工作需求一旦變更AI就變成廢鐵一塊，那確實不要也罷。

　　產業AI該將何去何從?

　　如果你身處一個比較傳統的行業，不妨想想，假如為你安排一位超級智能的AI助手，你的第一反應是什么?

　　很興奮?那么第二反應呢?大概是感覺學起來很麻煩，不知道到底好用不好用，擔心成本和收益不相符，等等等等。

　　以CRM為例，傳統CRM就是表單，很死、數據很少。某些廠商所謂的AI+CRM是補全線索工商信息或提供線索自動分配功能，僅把CRM定位在管理的功能，把AI當成一個已有業務中的小補丁，去提升點管理效率。但銷售的核心訴求——“增長”卻沒有得以滿足。一位老銷售告訴我們 “更換了CRM對于我們的改變不大，每天一早，我們還是得要搜索互聯網，列出當天打電話的行業客戶，然后去找電話。有時公司數據質量不高，經常只有一個總機，不知道客戶的信息是誰，打到前臺就會被質疑、阻攔。這是非常難受的場景，工作很難開展，團隊流失率很高。”