SAP正在将AI嵌入到应用程序中；MapR同样将AI嵌入到其数据平台上。在这两种情况下，AI变得更加普遍，同时也更方便。

有时候，当我们写关于分析、机器学习和AI的时候，提出具体的用例是很有挑战性的。这使得读者更难掌握这些技术的力量。这是一种耻辱，因为它让AI显得虚无飘渺，而非有用或易于理解。

但是，我经常被提醒，当需要使用案例时，只需看看ERP(企业资源规划)软件就可以了。有时，ERP被认为是十分平凡的。事实上，ERP是使企业运行的因素，而当将酷技术应用于ERP时，它们的影响可能是巨大的，而且它们的价值变得非常清晰。

SAP和AI

SAP S/4HANA Cloud 1802是规范ERP套件最新的季度版本，AI在其中占据显著位置。SAP的首席产品官Christian Pederson解释了AI是如何融入到软件中来的。

SAP Leonardo机器学习软件目前有非常酷的功能。这包括诸如确定交易结束的可能性等事情; 基于挂单影响的预测利润和亏损; 以及一个系统，可以自动将订单与发票进行匹配，从而可以观察和了解用户如何手动执行此操作。

处理AI的情况

SAP S/4HANA Cloud包括具有语音命令接口的数字助理，通过合作伙伴解决方案，可以将该功能与Amazon Alexa集成。此版本还提供了自动支付处理和一个新的“情况处理”工具。后者提醒用户购买订单确认和购买请求的风险，并主动地自动化客户通信。

Pederson说，SAP现在正在浏览其软件处理的几乎每个业务流程，并确定应该添加AI的位置。例如，SAP的资产管理功能正在获得预期的维护功能。此外，Pederson还指出，没有关键数据，AI就是毫无价值的。SAP拥有这些数据，并结合HANA和Leonardo平台，使AI在日常生活中非常有用。

MapR方式到ML

如果没有关键数据，AI就毫无价值，如果数据具有重力，那么将AI引入数据平台就是有意义的。这比从这些平台提取数据要好得多，将数据转移到某些数据科学家的工作站，并在那里进行分析更好。MapR非常重视这一点，并且每季度更新一次的过程中，都很好地实现了这一点。

MapR的高级产品经理Ankur Desai介绍了该公司本周发布的Extension Pack 4.1版本。Desai解释说，在JSON文档存储模式下使用Extension Pack 4.1时，Apache Drill的改进以及Apache Spark和MapR-DB数据库之间的新集成得到了增强。在Spark上运行的Java和Python代码现在可以直接访问MapR的OJAI(开放式JSON应用程序接口)，而以前只有Scala代码。

有了这个扩展包，MapR的Data Science Refinery已经升级到1.1版本，并增加了对PySpark代码(即运行在Spark上的Python代码)的支持，以在集群中运行。MapR通过包含Zeppelin笔记本系统和MapR客户端的容器图像来实现这个目标。容器图像被推送到集群中的节点，允许在Spark上以分布式的方式运行数据科学的Python代码。

AI进行上门服务

虽然MapR对AI的应用不同于SAP，但它们还是有一些共同之处。在这两种情况下，AI功能都被带到包含关键数据的平台上。因为数据移动，特别是高容量的数据移动，是非常麻烦和耗时的，所以让AI在其所在位置处查找数据会增加应用AI的机会。

在像Spark这样的大数据技术的情况下，将AI引入到数据中也可以减轻基于对数据进行单纯采样构建机器学习模型的需求。如果AI是在数据平台上共存的，那么使用所有数据建立更精确的模型可以成为常规。

总之，本周发布的这两个季度更新显示了AI如何洞察各种软件，包括应用程序以及数据分析平台。AI应用程序越多，噪音越小，AI就越早变得有用和有效。