在當代，似乎全世界的人和裝置都連網，預測到2020年入網活躍的智慧手機使用者會打到60億，其他裝置連線達到500億。
我們透過客戶的資訊來提供個性化體驗，同時能更好的利用人們的時間和注意力，在這一方面上，我們取得了長足的進步。然而，相關性是數字經濟的貨幣，因此它不足以再繼續提供更加個性化的客戶體驗，這些它需要變得更智慧和迅速，並且要在正確的環境中。
在過去的幾年中，人工智慧（AI）和機器學習領域的取得了巨大的進步，我們已經看到了出現了新型的AI應用程式被用來改善使用者服務和其他領域的使用者體驗。例如，由AI支援的聊天機器人能夠回答使用者提出的各種領域的問題。AI在為使用者提供下一代個性化體驗中的作用至關重要。作為使用者體驗的導體的AI，營銷人員必須好好對待才能取得成功。
下面將介紹對AI下一年中的主要預測
1、協助發現隱藏的機會來改善使用者體驗
分析從各種客戶接觸點生成的當天的資料量，這就產生了一個獨特的挑戰，需要複雜的技術來解決。隨著資料來源的數量和種類不斷擴大，開發新的分析方法的需求也在增加，包括開發新的演算法和方法以提高效能並實現更高層次的分析。
AI可以利用雲擴充套件和非傳統的資料分析來得到並組織這個不斷增長的看似奇怪的資訊集合。機器學習可以找到其他系統找不到的更深層次的數學關係。它還可以連續不斷的重新評估結果，用來忽略新的資料的“噪音”，並把注意力放在真正更新的、重要的行為上。AI可以支援資料分析，提醒我們關注的重要事情——為我們提供改變的契機，包括：
填補那些客戶需要更多服務地方的空白
轉移資源以提高效率
改變流程以滿足預計的增長需求
此外，AI還可以幫助企業連線客戶的歷史需求，識別其變化趨勢，並在發現新的使用者行為時提示。
2、識別新興行為並主動適應
預測未來是艱難的，似乎總是有意想不到的副作用產生。人工智慧可以透過以不同的方式分析資料並且評估替代方案來預測使用者的行為，最後為企業提供最佳的業務路徑的建議。
回顧現有的歷史資料，AI支援的應用程式可以找到“this-then-that”模式，來對您現在業務發生的事情進行排序。透過有效地使用您自己的資料來生成行為模型，系統可以根據您的公司之前對相同條件下的反應做出預測。。
透過對預測結果的跟蹤，AI的反饋迴路使得模型變得更好更可靠。由於可以預測的替代行為，當前資料變化後快速改變，我們將在2017年為使用者提供更迅速的產品和服務交付。
3、擴充套件超個性化的使用者體驗資料
當代永遠連線的客戶願意為那些為了提供個性化體驗再邁一步的公司提供機會，上下文體驗將個性化體驗提升到一個新的水平。例如：清楚你的tu使用者在哪裡，在某個時間點在做什麼並且相應的調整資訊，提供服務或者互動。
現在，使用者對公司所提供的預測性的體驗的期望越來越大。AI正在協助公司滿足這些期望。豐富的可用資料將產生更好的機器學習的模型，達到更高水平的效能和可預測性，最終會改進客戶體驗。
在未來，我們期待使用者體驗系統可以像人類一樣複雜並擁有協作功能。想象一下，系統可以識別一個重複的機械任務並完成它，或者可以校準任何能讓這個任務完成的方法，並自動推薦最有效的方法。
