人工智能+行业拥有极为广阔的想象空间和市场前景，而这也是几年前人工智能产业尚处于投资风口时，人工智能创业企业向各路投资人反复宣讲的故事。

但几年过去了，在很多传统行业，如医疗、教育、物流、交通以及城市管理等等，人工智能的发展仍然处于小范围试点阶段，或者发挥着并不重要的作用，总体来说，有亮点，无惊喜。

这是为什么呢？主要可以归为以下四点原因，或者说，以下四个问题，在某种程度上制约着人工智能在传统行业中向更深层次进行渗透，阻碍着人工智能在传统行业发挥颠覆性的作用。

问题一，业务数据的对接。

没有数据，任何模型都没有意义。一些传统行业在找科技企业做人工智能系统建设时，首先面临的问题就是是否愿意以及高效地向对方提供所需要的业务数据。如果人工智能科技企业拿不到足够的业务数据，或者数据的批量化标准和对接效率存在问题，那么后续的工作也就无从谈起了。

问题二，模型的可解读性。

通常来说，基于神经网络和大量业务数据训练出来的模型像是一个黑盒子，人们并不知道“人工智能”的决策过程。但在许多传统行业，业务人员要求所有的决策过程都应该是有明确决策逻辑和可解读的，很难容忍灰度和不确定性。所以，要想人工智能真正在传统行业中介入核心业务流程，就需要推动传统行业业务人员与人工智能模型之间的互认。

问题三，信息系统的对接。

在很多传统行业，都已经有了极为完备和复杂的信息化系统，如医疗、交通、城市管理等，而人工智能通常只是作为一个新增的业务系统，必须与原有的行业信息化系统配合才能正常工作。但很多行业信息化系统由于技术架构较为陈旧，承载不了与人工智能系统的对接与实时交互。而如果另外搭建一套新的完整的系统，一方面需要极大的投资，另一方面也需要所有业务人员重新学习新系统的使用，成本很高。而如果勉强与原有信息化系统进行对接，则可能让人工智能系统的运行效率大打折扣。

问题四，运营模式的转变。

虽然人工智能系统的最终效果一定会大于纯人工，但在相当长的一段时间内，其仍然需要大量的人工配合。业务人员需要基于人机交互，去及时响应人工智能系统随时可能出现的预警或发布的任务，这其实是彻底改变了传统行业业务人员的工作流程。业务人员从使用系统的“主人”，变成了配合系统的“仆人”，工作主动权和自由度降低。这种运营模式改变，可能会让传统行业业务人员极不适应，严重时会引发抵制。

总而言之，如果以上问题不解决，即便传统行业试点上线了一些人工智能系统后，也常常会感觉其并没有达到预期价值，从而对继续推进人工智能的全面落地产生了退缩。