当今可用的大量数据已不可逆转地改变了企业的文化和人们在其中的角色。Google搜索经验在将数据连接到搜索和可查找性方面做得非常出色，已经宠坏了用户，他们的工作角色期望从企业搜索中获得相同甚至更好的结果。

“用户进入组织时，期望他们的经验是更好，更无缝，更相关的数据使用，”红帽企业搜索和可查找性专家JP Sherman说。“由于一家公司往往拥有如此庞大的自身数据收集，因此大概能够提供同等的体验，或者至少能够提供足够复杂的联系和见解网络，以提供更多个性化的搜索和发现。”

从业务的角度来看，能够更快地将人们与他们正在寻找的信息联系起来，使人们可以花费更少的时间搜索信息，并使用该信息做出更好的业务决策。这样可以节省时间，节省能源并节省生产力和连接成本。

“不幸的是，整个组织通常不会将时间或金钱专用于站点搜索或搜索体验，” Sherman说。“人们强烈认为这很难，价格昂贵，而且除非您是电子商务，否则投资回报率并不确定。”

还有Google效应-我们无法击败Google，那么为什么还要尝试呢?这会导致不良的经历，并且基本上会导致一定程度的不信任。如果用户知道他们通常不会从组织基础结构搜索中找到所需内容，那么他​​们可能会跳过该步骤并尝试追逐主题专家。

Sherman说：“这需要时间，精力，这是用户获取洞察力的总体途径的障碍。”“我的观点是，您不需要像Google那样弄清楚所有事情。您只需要了解您的数据，员工和用户。您需要控制的范围更小-尝试绝对有价值。”

人工智能和机器学习使优化路径的工作变得无限轻松，并且对于员工而言，它使对数据的访问更加深入且几乎无缝。它增加了检测用户意图的能力，从而使搜索更快，更相关。

“这完全是将人们连接到他们所寻找的信息上，” Sherman解释说。“我们已经开发出一种方法，可以更快地向他们展示这些信息。这直接影响生产力。它影响信任。它影响诸如任务完成之类的事情。作为用户，如果我能够找到所需的信息以完成任务，那么我将信任这种搜索经验并信任组织。”

然后是人工智能驱动的搜索的客户方。“ Red Hat是一家企业软件公司，我们知道人们到我们的站点来寻找安装，迁移，下载，故障排除，优化和管理，” Sherman解释说。“我们已经建立了一个从查询角度开始了解用户正在寻找什么的系统，并将其变成了一项任务。如果他们希望使用我们的软件来部署应用程序，甚至不需要用户键入“部署”，我们就会发现意图很可能与部署有关，因此我们开始偏向特定内容。”

正确地进行企业搜索比您想像的更为重要-人工智能和机器学习使其功能更强大，效率更高，功能更强大。要了解有关AI和机器学习如何改变搜索方式的更多信息，公司如何无缝集成实际满足用户期望的搜索，如何实际推动运营支出节省等，请不要错过本次VB Live活动。