随着AI算法渗透到企业，公司学习的事情和机器学习的一样多。高明的管理团队如何最大化越来越智能化系统的经济价值呢？
重新设计业务流程和更好的培训很重要，但是更好的使用实例——那些决定日常业务盈利的现实世界的任务和交互情况提供了最大的回报。将更好的算法优先于深思熟虑的使用实例是我在各家公司AI初始化过程中看到的最致命的错误。当将优化流程技术优先于实际过程工作如何完成时，公司就开始走弯路了。
除非我们确实在将流程自动化——也就是，将人从工作环境中解放出来——AI算法应当让人们的工作更加简单，更容易同时更加有效率。
确认使用实例，和给人们的表现增加价值和流程效率一样，是企业应用AI成功的关键因素。与之相反，公司承诺在监督和决策上给智能机器更大的自由权和管控权利。
从策略上说，一个高明的依据数据处理的算法显然没通盘考虑的UX设计重要。通盘考虑的UX设计能更好的培训机器学习系统，让其变得更为智能。我所知的最有效率地数据科学家从使用实例和UX导向的想法中学习。例如，在一家工业控制公司，数据科学家发现其智能系统之一的使用者们非正式的使用数据设置来对客户反馈进行优先级排序。这个非预期的使用实例引起了对原始算法的一次重新培训。
聚焦于更清楚，更简洁的使用实例意味着AI和其使用者之间的更好更有效率的关系。劳动力的分化成为设计想法和资源的来源。对更多的产出的需求导致从培训出更智能的算法转向了找出使用实例应当如何进化。这样就推动了机器学习，也推动了组织内学习。
当公司准备从独立的系统中挑选出AI授权的人和流程时，有5个用户实例类别凸现。豪不奇怪地，这些类别描叙了智能实体如何一起让工作完成的过程——并且强调人力的介入依旧重要。取决于人，流程，和要求的产出，AI会让人的因素更加重要。
助手
亚莉克莎（网站排名系统），Siri和cortana这些软件已经在现实世界使用实例中作为AI助手关系引入。在亚马逊购物的某一个阶段，助手拥有进行中度复杂任务的能力。通过不管是声音或聊天机器人的媒介，简单和直接的界面让助手使用起来又快又简单。他们的效率预计和人们通过算法分析出来的真正的自身需要不相上下。数据助手变得更智能并懂得更多，他们的任务处理范围和全部技能也拓展了。最有效的助手能学习快速向他们的用户及时提出问题，并能提出用以改善双方互动和产出的关键词。
指导
助手只能执行要求的任务，而指导帮助用户操纵复杂的任务以满足预期的产出。使用waze驾驶汽车通过建筑物堆积的跨镇交通就是一个例子；使用一项增强现实工具来诊断并维修移动设备或者高压交流电系统则是另一个。数字化的指引展示并告知它们的用户下一步应当是什么，并且如有步骤被错过，建议出同样可以成功的替代方法。指引是智能软件sherpa，其专长的领域就是致力于让它们的用户达到预期的目标。
顾问
与指导对比，顾问在操作和目标专长方向做的更好。AI顾问将应用实例拓展到工人需要实时的专业知识或者建议来解决问题时。顾问，就像和他们相似的人，提供选择和解释，也有原因和对原理的阐述。一个软件开发项目的经理需要评估各阶段的计划；AI顾问问问题并引出信息得到允许指定的对下一步的建议。AI顾问能包含相关链接，项目历史以及情境报告。更高端的顾问提供策略性建议来作为他们的战略建议。
顾问定制化他们的功能性知识——计划，预算，资源分配，采购，购买，图形设计；等等——以满足其人类客户的用户实例需求。它们是贡献其专业知识的不带感情色彩的建议机器人
同事
同事就像一名顾问却依数据情况处理并掌握分析当地情况。也就是说，同事的专业领域在组织本身。
同事们有条件进行相关的工作分析，企业预算，排程，计划，先后顺序和表达提供给同事的编制内的建议。同事使用实例解决周边包括建议经理和工人如何更有效率工作以及组织内如何更为有效的问题。一名AI同事可能会在邮件中建议参考和（或）附上一段描述；向那位项目领导人寻求建议；哪个预算模板适合此项申请；哪个客户合同需要提前预警，等等。同事们协作性比工具更强；他们提供依数据处理的组织内的观点和警示。就像他们的人类同伴一样，他们以共鸣板方式服务——也就是——帮助澄清沟通，找出渴求点和风险。
老板
同事和顾问提供建议，老板则做出指示。老板类型AI告知他的人下一步怎么做。老板应用实例负责消除异议，选择和含糊意见，代之以需要执行的指示，命令，和条例。开始这样做，停止那样做；改变这个排程，压缩那项预算；将这份备忘录发到你的小组。
老板类型AI为服从和统一而设计；小组内的人必须屈服于系统的算法。老板类型AI代表了从不确定状态到类似的工作场所自治，类似的工作场所进行自动驾驶飞机或者猛烈刹车时的自动防撞机制。特定的使用实例和环境触发了人类反应级别低于软件的情况。但是老板姓软件真正测试的是人；如果人没有被约束——或者罚款——为其违法行为买单，那么软件实际上不是老板。
作为最后的案例说明，这些明显不同的类别会快速切入到和其他的类别，让人迷糊。构思不同的场景和使用实例，让指导能成为助手，助手有条件上升为同事，还有顾问转化为老板，这些都很容易。但是这五个不同使用类型表现出来的基本的不同和特性应当接入幻想未来时的现实而又严苛的法则中。
在所有五个类型中隐含了信任的要求。工人们是否信任他们的助手，认为他们会只做他们被要求或指示的？经理们是否信任老板类型软件的能力或他们的同事不会背叛他们？不管AI软件变得多智能，信任和透明度问题会一直存在，即使因为决策过程变得极其的复杂和专业使得他们变得更为重要。有一个风险：这些人工智能进化——或退化成“友敌”。也就是说，软件对人类同时是朋友和对手。最终，通过使用实例来确认何种介面和交互能产生人机信任变得必要。
