9、AI在不同企业中的应用案例剖析

AI在不同企业中的应用案例剖析

1. Mandiant公司的机器学习策略

1.1 早期探索与数据驱动工具

在早期的、定义不明确的探索工作中，需要特定的方法。而基于数据驱动的机器学习工具，更适合部署在数据源源不断的广泛领域。这表明在不同的业务场景下，工具的选择要根据数据特点和业务需求来决定。

1.2 “无自动魔法”原则

Mandiant公司在机器学习开发和部署策略上坚持“无自动魔法”原则。团队不会使用成员无法理解其工作原理和分析结论得出方式的基于机器学习的系统进行分析或提供建议。这体现了可解释性在机器学习应用中的重要性，只有当使用者能够理解系统的运作，才能更好地信任和应用其结果。

1.3 行业变革反思

从军事情报分析师到网络威胁情报分析师，Stone见证了行业的巨大变化。过去，情报分析是在信息稀缺的情况下，从众多信息源中寻找一条有用信息；而现在，是要从海量信息中筛选出真正重要的部分。这反映了信息时代的发展，对分析人员的技能和思维方式提出了新的要求。

1.4 案例启示

• AI工具的必要性 ：筛选和选择性使用从传感器和交易中持续收集的大量数据以获取洞察，离不开AI工具的支持。
• 系统分析方法的价值 ：与AI模型开发相伴而生的新系统分析方法，能让公司更有信心与客户或公司其他部门分享以往临时分析的结果。
• 可解释AI的重要性 ：可解释AI对技术专业人员和客户都至关重要，在用户无法理解系统结论得出方式的情况下，