頭圖來源：百家號HRoot
2016年3月,AlphaGo在圍棋人機大戰中擊敗圍棋世界冠軍李世石，讓AI在普通人的眼里也更加具象化，仿佛讓所有人都懂什么是深度學習了，因此2016年也被很多人視為人工智能元年。
隨之而來的融資熱出現在人工智能領域，人們太急切地想要感受到AI應用帶來的改變，根據 CB Insights統計，2017年全球范圍內AI領域共有152億美元的投資，比2016年增加141%，其中中國公司吸引了約一半共計73億美元的投資。此時，AI成為投資人眼中的“香餑餑”。
泡沫在不斷吹大的同時，也讓人擔心總有破滅的一天，這個問題自2016年公司們頻繁拿到融資之后就籠罩在行業之上，到了2021年AI獨角獸接連暴雷，AI公司上市頻頻遭受重創……
海比研究院認為：一個出生自帶光環的行業存在泡沫是必然的，受到更多關注并不是壞事，但泡沫總會爆掉，當浪潮退去，能活下來公司需要具備兩方面的特質：能夠找到可以上量的應用場景，以及可以實現良性運轉的商業模式。
互聯網經歷了十年C端流量紅利驅動的黃金發展期，流量見頂之后，B端發展成為重要賽道，有人認為AI行業的發展也是如此，在個人領域的應用更為人熟知之后，轉向B端的發展是必然的過程。
海比研究院認為：AI應用從C向B的轉變并不是自然而然的轉變，而是AI企業探究企業級應用、用戶對AI在企業場景的渴望共同作用的結果，并且隨著技術的發展C端應用還有較多可挖掘的空間，但同時也要看到企業場景市場正在打開，我們已經了解到在目標管理軟件、OA系統等多個方面已經有企業走在前列，離規模級應用或許并不遠。
針對企業級應用，AI的價值僅僅限制在例如營銷、人臉識別的一些極個別場景還是在較多場景都可以應用呢？這是很多人首先思考的問題。海比研究院通過調研發現，AI在企業上的應用場景是比較多的，通過聚類可以將其劃分為四大類：智能營銷場景、智慧職能場景、智能辦公場景以及智能管理場景。
自然語言處理在智能營銷、智慧職能場景有更大的利用空間，常見于智能客服、輿情監測、財稅RPA等，這是因為在這些場景中更需要計算機能夠做到像人類一樣理解、處理和生成語言的能力。生物特征識別是智能辦公和智能管理場景中的重要技術，更加契合在視頻會議、項目管理等軟件中對于人員固有生理特征的識別。
根據海比研究院數據，當前人工智能軟件產品主要應用的技術依次為生物特征識別、自然語言處理、人機交互等。對于產品中耦合的技術結合了技術成熟度以及應用落地性的雙重因素。
生物特征識別中指紋識別技術成熟且成本低;人臉識別使用方便且適用于日常辦公等領域，具備技術應用的兩大推動力，因此在用戶使用的產品中應用度最高。
自然語言處理雖然還需要經過5-10年走向成熟，但這主要指的是自然語言的閱讀理解、機器創作方向，而在相對簡單的會話、聊天等功能廣泛應用在智能客服領域，是當前較為成熟的應用。
人機交互、語音識別、計算機視覺、機器學習等技術在未來2-5年內可走向成熟，處于應用落地的繁榮探索期，因此在使用上也受到較多關注。
根據海比研究院調研數據，82.4%的用戶認為當前人工智能軟件在企業滲透率較低，可見當前市場產品還未達到用戶對于AI的預期，探究用戶對滲透率較低的認知發現，企業缺少相關人才支撐、技術不成熟、軟件價格較高成為阻礙企業應用AI產品的最大問題，反映出企業用戶當前在自有AI人才上的缺失，同時具有價格敏感性和技術愛好的特征。
人工智能技術涉及多方面，需要的人才在算法、工程、數據方面要求較高，用戶同樣需要AI人才來完成AI產品設計的“最后一公里”， 但是當前行業人才缺口大，同時大部分的AI人才會更加傾向于在產品公司從事相關工作，造成企業用戶的人才缺失，無法支撐產品的深度應用。
企業用戶看重AI技術發展但對此信心不足，廠商應加強技術的發展以及技術有效性的宣傳。
價格成為影響產品企業滲透率的第三大因素，說明當前產品價格過高還未達到用戶預期，技術的成熟、應用的打磨或可終結產品高價現狀。
根據海比研究院調研數據，更多的用戶對于廠商的數據安全能力、產品性價比、技術研發能力最為關注。AI需要大量的數據作為支撐，企業數據安全是企業的生命線，尤其是當前已經有研究表明人工智能算法攻擊可能會帶來較大的經濟風險，在德克薩斯州，5%的對抗性攻擊可以使一個季度的總發電成本增加17%，約有二千萬美元（對抗性攻擊是指通過設計一種有針對性的數值型向量從而讓機器學習模型做出誤判）。傳統的防范措施已經不能滿足復雜的攻擊態勢，用戶對于安全的需求將超過以往任何時期。
用戶對廠商提供服務關注度
