Artificiell intelligens (AI) har länge varit ett stort intresse inom forskning, men utan någon större praktisk nytta för företag. För tio år sedan ansågs AI inte ha någon framtid på marknaden, men 2016 är året då allt det kommer förändras.

Enligt marknadsanalytikerfirman IDC beräknas AI implementeras på ett eller annat sätt i ungefär hälften av alla applikationer som utvecklas. Om fyra år beräknas kostnadsbesparingarna som kan uppnås med hjälp av AI uppgå till omkring 60 miljarder dollar för amerikanska bolag. Utöver det beräknas AI-plattformar, så som IBM Watson, Google Tensorflow och Microsoft Cortana, generera vinst i storleksordningen 1,4 miljarder dollar bara i år.

Läs också: Geotaggar? Nä, nu kan Google se på pixlarna var ett foto är taget

Anledningen till att AI nu går mot en ny vår är framförallt att processorkraften nu börjar bli tillräckligt bra och billig för att det ska vara möjligt att implementera.

– Under ”AI-vintern” hade vi inte tillräckligt med data eller processorkraft för att det skulle vara ett ekonomiskt och praktiskt alternativ. Nu har vi tillräckligt med processorkraft och mer data än vi vet vad vi ska göra med, säger David Schubmel, chef för kognitiva system och content analytics på IDC till Computerworld.

Framgången för AI under 2016 kan framförallt tillskrivas maskininlärning (machine learning), som just nu implementeras brett inom många olika branscher. Twitter använder det för att presentera urval av tweets för sina användare och amerikanska Pitney Bowes använder maskininlärning för att räkna ut de effektivaste leveransvägarna för varor.

Ett bra exempel på hur maskininlärning kan hjälpa olika företag att spara kapital är General Electric, en av världens största producenter av industriell hårdvara. Företaget är pionjärer inom konceptet ”digitala tvillingar” och Collin Parris, vice president över mjukvaruutveckling på General Electric, räknar med att det kan spara miljarder åt företaget.

Konceptet innebär att en digital modell av hårdvaran, som kan vara en jetmotor eller ett lok, skapas för att förutspå när underhåll eller byte av komponenter krävs.

– Varje gång någonting kräver inspektion krävs det att det tas ur drift. Tillgängligheten går förlorad och vi måste betala anställda för att inspektera bara för att eventuellt upptäcka att ingenting är fel. I stället kan man använda en digital tvilling som talar om för mig när en inspektion krävs så vi inte gör det i onödan, säger Collin Parris.

Läs också: Alla pratar om maskininlärning. Men hur ska företagen hantera tekniken?

Företaget har redan skapat digitala tvillingar för jetmotorn GE90 och sina Evolution-lokomotiv. I fallet med lokomotiven beräknas de digitala tvillingarna ha sparat drygt 120 000 liter bränsle per enhet och år och därmed även minskat utsläppen av koldioxid med 174 00 ton.

Medan General Electric redan börjat implementera maskininlärningssystem letar andra företag fortfarande efter olika sätt att optimera sin verksamhet med hjälp av AI. För amerikanska finansbolaget CIT Group är AI än så länge inte prioriterat, men företaget tittar ändå på olika sätt de kan implementera AI-system i verksamheten.

– Vi har en kundhistoria som går tillbaka 109 år i tiden och vi har aldrig riktigt grävt i den för att hitta försäljningsmöjligheter än, säger B.J. Fesq, chef för datahantering på företaget.