随著企业开始将人工智能(AI)融入各种应用，人工智能可望在2016年起飞，IBM Watson等人工智能平台将开始创造数十亿美元营收。市场研调公司IDC预测，到2018年逾半应用程序将集成人工智能。到2020年时，透过人工智能节省的人力成本、提升的工作效率等等，将为美国企业省下约600亿美元。

    根据Computerworld报导，IDC预估IBM Watson、英特尔(Intel) Saffron、Google Tensorflow和微软(Microsoft) Cortana等人工智能平台，在2016年将创造近14亿美元营收。目前已有不少企业透过人工智能及机器学习，大幅提升营运效率。例如Pitney Bowes即利用机器学习算法，替Target、Harrods和Macy's等客户计算出包含关税的最低运输成本，并依国际商品统一分类制度(HS)的商品类别，确认200个国家逾5,000种商品的关税。 

    Pitney Bowe创新长Roger Pilc表示，Pitney Bowe在全球100个国家的跨境包裹业务运行模式好比Uber。该公司不开卡车和飞机，而是安排相当非常复杂的货运计画。若未借助机器学习和人工智能之力肯定无法完成。Pilc表示，货运成本是任何在线交易最关键的部分。因为有3分之2的消费者会因为货运成本太高而放弃购买。因此Pitney Bowes须为客户找出够低的货运价格以留住消费者，又不会让托运者因这笔交易而赔钱。

    此即机器学习的用武之地。Pilc举例在有人工智能之前，所有太阳眼镜都会依相同重量及关税计算运算；但有了人工智能之后，运费可依太阳眼镜的尺寸、重量、包装及其它因素而定存在很大差距。该公司经手的货运量越大，回馈到算法的资料越多，就能更准确计算出最低运费。

    有大量深层知识供机器分析，也是教机器如何学习的关键之一。具悠久历史的老牌企业，因有大量资料可供探勘，一般而言在人工智能领域会比年轻的竞争对手更具优势。工业设备制造商奇异(GE)即为最佳范例。GE正在带头发展Digital Twin概念。GE软件研究资深副总Colin Parris表示，Digital Twin系统会事先建立喷射引擎、火车头或大型涡轮机的数码模型，以透过人工智能准确预测何时需要维护或更换零件，从而能节省数十亿美元。

    社交网络Twitter则正在使用人工智能强化用户体验。具体而言，Twitter的机器学习算法，已能基于用户的浏览纪录建议推文。Twitter目前约有3.2亿个月活跃用户。每个Twitter用户的动态时报或动态消息最多可能包括数千条各种主题的推文，因此要建议推文是相当艰矩的挑战。Twitter资深工程经理表示，该公司想找出对Twitter用户而言最重要、最相关的事。该团队利用算法找出与个别用户的偏好、追踪的对象、所在位置和兴趣，找出与其最相关的主题趋势和个别推文，其中包含连结、GIF和视讯，机器学习则是一切努力的关键。Twitter还想透过算法达成个人化的理想，深度个人化是机器学习的重要一环。用户若喜欢运动，算法就会优先提供直播运动赛事；若用户喜欢朋友和家人所发表的内容，算法就会优先呈现这些内容。