第 步：试点
假设您花了大量的时间来定义思维导图，那么这一步可以让您在现场测试这个概念。在这种情况下，试点要求您在真实场景中实际使用人工智能 人类智能（而不仅仅是模拟练习）。
对于 部分，考虑以下要求很重要：
数据来源——多样性和质量。 专利局、求职网站、鲜为人知的新闻频道等。
数据科学 – 一套可用且专用的技能，无论是 奥地利电话号码数据 内部还是供应商提供的。这不能是办公桌旁的任务。
可重用性——将算法产品化，以便它们可以配置为来自其他子组的思维导图，但对整个组织来说仍然具有领域敏感性。
从上面的例子来看，简单的关键词方法很容易混淆“破旧家具公司”和“破旧皮革家具”。你需要复杂的专用人工智能算法，不仅可以理解上下文，还可以将噪音降低到可控的水平，让“人机交互”更有效地工作。
步骤 ：稳定状态
关注团队文化和内部化的数据“侦查”。通过技术和领域专业知识提供警报是重要的一步，但这仅仅是开始。有一个明确定义的抓住机会的流程。例如，如果分析师宣布了一份包含最佳和新兴参与者的新评估报告，您的团队会怎么做？您如何确保在竞争对手之前抓住机会？
更重要的是，与任何监督学习算法一样，这些动作或决策必须反馈到引擎中，以便机器随着时间的推移变得更加智能和更具相关性。