在企业环境中实施深度学习需要的不仅仅是下载一些开源算法，但由于人才稀缺，企业发现它需要创造力和开放的方法来实现结果。

硅谷地理空间数据公司Cape Analytics LLC的联合创始人兼首席执行官Ryan Kottenstette说：“成熟的行业在很大程度上忽略了人工智能的优势。” “如果你不在技术领域，你可能会等待更长时间才能实现人工智能的好处。”

近年来，深度学习取得了长足的进步。像神经网络这样的算法过程，历史上更多地存在于数学理论领域，已经进入了一些企业用例，如计算机视觉和过程自动化。

但采用率不平衡。数字原生公司比制造业或零售业等传统行业更快地实施深度学习。Kottenstette在纽约举行的O'Reilly媒体人工智能会议上发表演讲时表示，部分原因是亚马逊，谷歌，IBM和微软等大型科技公司收购了规模较小的人工智能公司，并聘请了领先的人才。

企业需要进入深度学习游戏
但这并不意味着传统行业的企业应该袖手旁观。Kottenstette表示，企业应该寻找具有潜在影响力的利基用例，但这也可以扩展。这种策略最大限度地减少了对大型团队的需求 - 避开人才危机 - 并降低了高风险失败的风险。

成熟的行业在很大程度上错失了人工智能的好处。
Ryan Kottenstette是
Cape Analytics的联合创始人兼首席执行官
例如，Cape Analytics购买地理空间和卫星图像数据，并应用神经网络创建识别特定对象的策划数据集。该团队不是将服务作为通用工具推销给任何可能需要它的人，而是首先在佛罗里达州的单户住宅上精确定位室外游泳池，并将数据集出售给保险公司。

Kottenstette表示，该团队知道这些泳池围栏很难让保险公司确定何时编写政策，从而导致高额的计划外费用。事实上，已知客户群存在特定问题，这使其成为该服务的强大测试案例。一旦该概念得到证实，该团队就开始寻求更广泛地使用该工具，向试图识别其他特性的保险公司销售更多的一般数据。

一个共同的深度学习过程的图表
这些步骤通常是深度学习过程的一部分。
他说：“它的范围与你能得到的一样窄，但它让我们可以测试这些人会关心我们产品的论点。”

还有的是关于企业是否应该有些争论开始小实现深度学习的时候，寻找速赢，或者去大，各具特色其更广泛的周围AI的经营策略。Cape Analytics示例表明可以同时执行这两项操作。从有可能扩展到更普遍的商业机会的小项目开始。

需要一个村庄来提高人工智能
在企业环境中实施深度学习时，重要的是要记住它采用团队方法。

在会议上，霍尼韦尔的人工智能和机器学习首席科学家Chris Benson表示，今天的公司倾向于认为数据科学家是实现人工智能和深度学习工作的关键，许多公司都在努力聘请这个职位。由于目前招聘市场缺乏数据科学技能，这种思维方式使大多数企业无法使用AI。

但是，他说，数据科学家不是实施深度学习模型所需的唯一工人。除数据科学家外，他还聘请数据工程师，软件开发人员和领域专家来创建团队来实施AI。其中一些非数据科学家角色通常更容易雇用。

Benson说，除了克服技能差距之外，雇用具有各种经验的人的方法也增加了引入团队所需技能的机会。“仅仅因为你拥有数据科学家并不意味着他们是深度学习的专家，”他说。