不要试图本末倒置：要意识到高效的数据准备（以及可互操作的标准）和数据质量，尤其是在企业环境中，是所有人工智能应用的基本要求。
人工智能领域的能力和专家的发展必须至少与每个技术决策的过程同时进行，而不是在人工智能战略实施的最后阶段。外包不得成为该战略的一部分。
“不要把海洋煮沸”，换句话说：仅靠小型、敏捷、连续的试点项目不足以制定人工智能战略。在试点阶段的同时，应与管理层一起制定更深远的战略，以促进跨部门、独立于流程和数据驱动的决策和活动。
基于知识图谱的项目比许多人想象的更具多学科性。因此，必须开发能够涵盖数据库技术、IT 安全、用户体验、数据可视化、知识建模、数据治理和合规性等领域的专业知识的团队。因此，新时代开始时的期望规范和管理倡议至关重要。
让差异变得清晰：图技术不仅仅是一种更好的搜索技术。知识图可用于解决大量严重的数据管理问题。从一开始就应该关注它！
趋势

第二波人工智能应用正在向我们袭来。其特点是

（甚至）过程中涉及到更多异构和杂乱的数据（包括文本）
由于结果不足而对人工智能第一阶段的幻想破灭的人们的参与，现在又依赖于让专家参与过程的方法
对语义知识模型（例如知识图）如何产生决定性影响的理解不断加深，以便能够实现智能、多模态应用，即使是大规模的
希望能够同时使用结构化和非结构化数据并相互关联
使用高度可扩展的图形数据库技术，也可以由非技术人员或主题专家通过与语义中间件组件、可视化工具和编辑器集成来操作
机器学习方法与图技术（例如图嵌入）越来越多地结合使用
“可解释的人工智能”越来越重要，它可以借助语义知识模型等来实现。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！ 机器学习模型方法总结 历史最全机器学习/深度学习/人工智能专业术语表中英对照表 机器学习如何应用于商业场景？三个真实的商业项目 数据工作者的自我修养 | 哪些技能是必不可少的？ 《汗牛充栋：数据分析书籍分享》CDA网校新课上线 文本挖掘常用的107个语料库 一图读懂“东数西算”工程 零基础转行数据分析，看这篇文章就够了