82％早期使用人工智能技術的產品項目投資回報率都很高。
63%的企業採用了機器學習，這使得機器學習成為2018年最受歡迎的人工智能技術
69%的企業在為新的人工智能驅動的商業模式和項目招聘員工時面臨“中等、重大或極端”的人才缺口。
59%的企業使用專門開發的人工智能軟件簡化工作流程、縮短銷售週期。
37%的企業已經在認知技術上投資了500萬美元，甚至更多。
以上結論都來自採訪了1100名來自美國公司的IT和業務主管之後，Deloitte所作出的報告：《State of AI in the Enterprise，2nd Edition：Early adopters combine bullish enthusiasm with strategic investments》。
如今，科技、媒體、娛樂和電信企業的人工智能投資回報率平均為20%，或者更高。畢竟，隨著全球認知技術市場預計將達到191億美元，專利成了創造新市場的關鍵。在這些領域中競爭的企業也正在競相創造和許可儘可能多的知識產權(IP)。
除了蘋果、谷歌、IBM、微軟和其他公司今年在人工智能和認知技術上投入的數十億美元，Netflix也正在使用人工智能來改善客戶體驗。
Netflix發現，如果用戶搜索一部電影超過90秒，他們就會放棄。Netflix估計，通過人工智能推薦最有趣的電影，使得它每年節省了10億美元的銷售損失。製造商也在採用人工智能相關技術，以便更好地理解如何在不同的生產運行中預測機械的可靠性、穩定性和性能。
59％的企業正在使用人工智能軟件簡化工作流程，縮短銷售週期。
與其他方法相比，更多的企業通過包括CRM和ERP系統在內的企業軟件獲得認知能力。Salesforce的Einstein就是人工智能集成到CRM中幫助實現收入和客戶目標的一個例子。
今年早些時候，Salesforce宣佈成功創建了一個高級NLP模型，用於處理通常需要不同模型的多個用例。企業軟件供應商正在競相擴展其AI功能，Salesforce在CRM和相關市場中保持著快速發展的步伐。
Deloitte發現，IT自動化（47％），質量控制和檢測缺陷（46％）以及網絡安全（41％）是人工智能的三大使用案例。下圖比較了當今企業如何獲取和開發AI的一些最常見案例。
63%的企業高管表示，他們自己的人工智能必須要趕超競爭對手，最少也應該必須領先那麼一點點。
Deloitte發現，高管們在2018年變得更加現實，更加專注於如何加強擅長人工智能項目與獲得更大競爭優勢之間的聯繫。
11%的受訪者認為，人工智能在今天具有至關重要的戰略意義；42%的人認為兩年後它將至關重要；28%的人表示，人工智能正在幫助他們擴大對競爭對手的領先優勢；9%的人可以利用包括人工智能在內的先進技術實現跨越式發展。
讓現有產品變得更智能、聯繫更緊密（51％）、優化內部運營（36％）、做出更好的決策（35％）是當今企業運用人工智能的主要收穫。
人工智能還被用於優化外部運營(30%)，包括供應鏈和供應商網絡，讓員工更有創造力(36%)，創造智能、互聯和依賴物聯網連接的新產品(32%)。
25%的企業依賴人工智能來獲取和應用稀缺的知識，這對於在企業範圍內創建可擴展的配置、價格和報價（CPQ）以及產品配置策略至關重要。
企業在人工智能和認知技術的投資上，最擔心的是網絡安全漏洞問題，儘管如此，仍有36％的企業在繼續推進項目。
受訪者中，30%的人表示為了解決網絡安全問題放慢了人工智能計劃；20%的人決定不啟動基於網絡安全問題的人工智能計劃；32%的人在過去兩年內曾遇到過與人工智能相關的網絡安全漏洞。
39%的企業更喜歡將基於雲的服務作為人工智能和基於先進技術的應用程序的交付平臺，相比之下，只有15%的企業更喜歡基於本地的服務。
Deloitte發現，在所有應用程序交付方法中，有人工智能技術加持的交付方式的增長速度最快。並且，對基於雲平臺的先進技術和人工智能應用的需求也在日益增長。
最近的一項研究預測，到2023年，全球人工智技術加持的服務市場將從2018年的15.2億美元增長到10.88億美元，預測期間複合年增長率將達到48.2%。
基於雲的平臺和先進技術為企業提供了更強大的計算能力，企業可以利用這些計算能力從非結構化數據中管理更大的數據集、加速應用程序開發、簡化算法開發和部署。
當然，在最近出版的一本名為《智力建築師》的新書中，作家、未來學家Martin Ford採訪了23位今天在人工智能領域有著傑出表現的人物，其中包括DeepMind首席執行官Demis Hassabis、谷歌AI首席執行官Jeff Dean和斯坦福大學人工智能專家李飛飛。
Ford要求他們每個人猜測哪一年將至少有50％的機會實現通用人工智能。23個人中，只有18人回答了這一問題，而最終只有兩個人的回答被記錄了下來。
有趣的是，這兩個人提供了兩個最極端的答案：谷歌的未來學家和工程總監Ray Kurzweil認為，到2029年，通用人工智能將有50％的可能性建成。
iRobot的機器人研究專家和聯合創始人Rodney Brooks認為這一年份是2200。其他人給出的年份都在這兩個年份中間，平均算下來在2099年——離現在還有81年。
也就是說，大多數人還是能在有生之年看到通用人工智能實現的，只不過還需要一點時間。
Ford在接受The Verge網站的採訪時表示，此次他收集到的數據偏向於更長的時間段，而之前的調查傾向於30年左右，這一點特別有趣。
Ford還表示，從採訪中能看出專家們意見中一個有趣的分歧——不是關於何時可以實現通用人工智能，而是使用現有方法是否可能實現通用人工智能。
一些研究人員表示，我們已經擁有所需的大部分基本工具，現在只是時間問題了；另一些人說，我們仍然缺少實現這一目標所需的大量根本性突破。
所有受訪者都指出了當前人工智能系統的侷限性，並提到了他們尚未掌握的關鍵技能，包括轉移學習(將一個領域的知識應用到另一個領域)和無監督學習(系統在沒有人類指導的情況下學習)。
目前絕大多數機器學習方法依賴於人類標註的數據，這是目前發展遇到的嚴重瓶頸。
受訪者還強調，在人工智能這樣的領域進行預測是完全不可能的，因為這個領域的研究時斷時續，並且關鍵技術在首次被發現幾十年後才能充分發揮潛力。
不過從這份報告也可以看出，工業界的人工智能應用還是要比學術界的看法樂觀很多的。
當然，Ford也表示，這種反覆思考可能是人工智能研究者們最重要的收穫：在人工智能這樣複雜的領域，確實沒有簡單的答案，畢竟即使是最優秀的科學家在“世界面臨的基本問題和挑戰”的問題上意見也不完全一致。