Trekka Logistics 希望为其小型企业客户提供与企业企业相同水平的服务，但他们以前的履行合作伙伴无法满足客户的需求。

Quality Distribution 制定了雄心勃勃的增长目标，但其过时的仓库管理系统和手动流程阻碍了其潜力。

由于其规模和广泛的产品供应，Indigo 已经管理了一个用于订单履行的复杂信息网络。然而，当他们将交付网络扩展到多个运营商时，跟踪交付绩效并主动解决潜在问题变得充满挑战。

该在线市场品牌仅通过电话和电子邮件提供客户支持，周转时间很差，滞后于 12 至 24 小时。由于电子商务行业的空前增长，该品牌的支持团队变得不堪重负，导致士气低落、人员流动率高以及负面的客户体验。

IPSY（原 BFA Industries）拥有全球最大的美容订阅品牌。他们专注于利用先进的产品创新和机器学习技术，为客户提供高度个性化的美容体验，将数据驱动的方法与真实的自我表达相结合。

该客户在全球拥有 3,000 多名员工，难以满足不同时区和不同语言的 IT 和人力资源支持需求。他们需要一种解决方案来实现员工体验自动化并减轻 IT 和 HR 团队过度劳累的负担。

LiteBit 面临的挑战是其用户群的指数级增长，导致其实时支持代理的品牌互动量翻倍。他们担心当前的票务系统无法提供个性化的客户体验。

Wave Financial 面临着应对客户支持量季节性激增的挑战，这导致了更长的等待时间和负面的客户互动。他们需要一种解决方案来减少等待时间、改善客户体验并抓住错失的收入机会。

Tango Card 的支持案例数量大幅增加，尤其是对于接收者而言。门票量比上一个假期季节增加了 54%。他们努力维护 SLA 并提供让每个利益相关者都感觉自己像 VIP 的数字体验。

Technosetbee International 希望提高潜在新客户对其独特解决方案的认识，同时关注名单增长和未来销售。

Summit Academy OIC 希望以一种经济高效的方式来培养高素质的潜在学生并增加其职业课程的入学人数。

Customers.ai Inc 面临着提高潜在新用户对其 Facebook 广告工具和机器人营销平台的认识的挑战。他们还面临着 Facebook 广告上流量点击活动成本不断上升的问题，导致每条线索的获取成本很高。

以具有成本效益的方式产生优质的贷款申请人

减轻小型实体企业的客户支持并激励客户忠诚度

打破企业开业纪录，以经济高效的方式推出最大规模的开业活动

Playtika 在扩展实时机器学习的生产方面面临挑战。他们现有的解决方案无法处理规模并实时生成预测。他们需要一个能够支持生产模型实时流并与各种流程和系统集成的解决方案。

希捷面临着效率低下、孤立的手动工作流程以及混合云资源利用不足的挑战。他们有很长的 Python 脚本，必须手动执行，导致开发延迟。他们的工作流程中断，并且混合云基础设施的服务器利用率较低。他们需要一个基础设施来自动化管道组件并提高效率。

太平洋大学需要帮助联系实时潜在客户，尤其是在传统工作时间之外。

Express Flooring 面临着与对地板感兴趣的客户建立联系、呼叫中心运营的可扩展性以及通过互联网形式接触广泛受众的困难等挑战。

Continuum Industries 在构建和运行基础设施设计优化引擎方面面临挑战。他们需要一个强大的质量保证系统以及一种验证和测试算法改进的方法。他们现有的解决方案笨重且难以维护。

Shotgun 需要将人工智能集成到他们的解决方案中，但缺乏经验和灵活的平台。他们希望实现一个基于用户偏好的事件推荐系统。

Wargaming 是一家屡获殊荣的在线游戏开发商和发行商，在跨业务部门扩展人工智能方面面临着重大挑战。该公司在全球拥有超过 1.1 亿玩家、超过 15 款游戏以及近 2PB 的数据，在单一服务器解决方案的生产环境中运行着 1,500 多个模型。这严重限制了基础设施并限制了数据科学家，因为由于每个核心的许可，添加服务器的间接成本非常高。现有平台还限制数据科学家只能使用该平台预先批准的语言和软件包。 Wargaming 需要一种能够支持生产中的大规模模型、扩展服务器、最大限度地降低管理成本并为数据科学家提供灵活性的解决方案。

面临的挑战是分析促销活动对一家领先的中欧和东欧 (CEE) 食品公司销售额增长的影响。这些数据涉及海量的数据源、数百种不同的产品、承包商和承包商的客户、不同的促销类型、不同的促销周期、重叠的促销以及竞争对手的行为。

挑战在于来自超大规模 CSP AI 开发平台的竞争压力以及消耗大量电力的 AI 工作负载对环境的影响。

Woven Planet 的自动测绘团队面临着开发汽车级地图的挑战，其详细程度、准确度和精确度远远超出消费级地图。他们需要处理大陆范围内的大量航空和卫星数据，以满足自动驾驶的要求。

Waabi 面临的挑战是跟踪从大规模实验中收集的数据并以有组织且可共享的方式导出这些数据。他们需要整个组织的可见性和一致性。

monday.com 面临着很长的价值实现时间以及对开发人员部署机器学习模型的依赖。数据科学团队的工作流程脱节，并且缺乏对部署的控制。

Altis 是一家人工智能初创公司，希望利用人工智能视觉技术在家中提供个性化的健身训练。他们需要一个能够准确检测练习、识别动作错误并实时支持多个摄像头的系统。

Earth.com 希望加速其人工智能驱动的图像识别应用程序 EarthSnap 的开发和交付。他们希望实现应用程序的机器学习基础设施的现代化和自动化，以便更轻松地部署新模型并降低管理成本。

卡森集团控股有限责任公司希望加大营销力度，帮助其投资顾问客户更有效地获取新客户。他们决定采用 AI/ML 并实施机器学习模型来对从 Salesforce 收到的销售线索进行评分。