當涉及可能影響運營的天氣事件時，由于衛(wèi)星和先進的預報系統(tǒng)在技術上不斷進步，因此當今的企業(yè)對未來具有深刻的見解。銷售和收入預測也是如此，因為公司利用復雜的預測分析來更清楚地了解其財務前景。

現(xiàn)在，得益于高性能計算系統(tǒng)驅動的人工智能應用程序的強大功能，企業(yè)將其預測能力提高到了新的高度。這種新型的預測應用程序是制定更好的業(yè)務決策，保持系統(tǒng)和設備處于最佳狀態(tài)，了解市場動向等等的基石。在許多情況下，這些前瞻性應用程序既具有預測性又具有規(guī)范性，這意味著它們可以告訴您可能發(fā)生的情況，并建議您可以采取的措施來解決新出現(xiàn)的問題并影響結果。

讓我們看一下一系列行業(yè)中AI驅動的預測應用程序的一些特定用例。

啟用預測性維護

在許多行業(yè)中，由機器學習技術驅動的預測系統(tǒng)正在幫助操作員將設備保持在最佳性能水平并正常運行，同時降低維護成本。這些系統(tǒng)監(jiān)視設備的性能和狀況，以預測故障并進行主動維護。

一些例子：

聰明的制造商正在將AI系統(tǒng)與來自傳感器和物聯(lián)網(wǎng)的數(shù)據(jù)結合使用，以預測和預防機器故障。目標是使用預測性維護來避免生產(chǎn)線上的問題，快速主動地解決問題，并最大程度地減少操作中斷。

風能生產(chǎn)商正在將AI系統(tǒng)與來自傳感器和物聯(lián)網(wǎng)的數(shù)據(jù)結合使用，以預測風力渦輪機故障的可能性，并主動解決可能出現(xiàn)的問題。

電信提供商正在使用機器和深度學習系統(tǒng)來指導與預防性和預測性維護相關的操作，以減少關鍵任務系統(tǒng)(如電話計費集群)的停機時間。

這些應用程序的回報可能是巨大的。麥肯錫公司(McKinsey&Company)的一份報告指出，人工智能驅動的預測性維護可以將資產(chǎn)生產(chǎn)率提高多達20%，并將維護成本降低多達10%，同時大大減少了維護工作所導致的機器停機時間。1

預測醫(yī)療結果

在醫(yī)療機構中，預測患者出現(xiàn)某些并發(fā)癥和狀況的可能性的能力可以幫助臨床醫(yī)生積極開展工作，以預防問題并改善患者預后。

Penn Medicine在賓夕法尼亞州和新澤西州設有醫(yī)療保健網(wǎng)絡，通過與英特爾合作創(chuàng)建的協(xié)作數(shù)據(jù)科學平臺證明了這一點。在平臺的首次試用中，醫(yī)療保健提供商開發(fā)了算法，以幫助預測和預防醫(yī)院最常見且最昂貴的兩個問題：敗血癥和心力衰竭。

結果是驚人的。例如，Penn Medicine能夠正確識別約85%的敗血癥病例，并能在感染性休克發(fā)作前30小時做出這些識別。這些AI驅動的結果遠遠優(yōu)于傳統(tǒng)方法的預期結果。利用這些對敗血癥風險的更準確，及時的預測，臨床醫(yī)生可以更快地進行治療，從而縮短患者的康復時間并節(jié)省醫(yī)院資源。2

評估信用風險

金融服務公司正在使用AI來增強其預測貸款申請的信用價值并加速信用風險評估過程的能力。研究公司麥肯錫公司(McKinsey&Company)表示，這些功能對于減少因拖欠貸款而造成的損失至關重要。