IBM的成功来自于企业的复杂，资产密集型部分物联网市场，据贾巴尔优素福，公司的沃森物联网事业部总经理。从帮助港口管理送货流量保持在一个组织内流动的技术知识，优素福说，这个想法是教人工智能从如此复杂的系统产生的大量数据中提供见解。
预测性维护大概是围绕资产密集型物联网的使用案例方面的顶篷，和优素福说，这是一个更复杂的任务比许多人想象的。它不是简单的监控，说，压力水平管道的地方，并引发警报，当他们移动的规范之外的问题。这是关于故障率和资产规划的汇总信息，一个公司可以有替代品，并准备潜在故障应急预案。
“It’s less to do with ‘Is that thing going to fail on that day?’ more to do with, because I'm now leveraging all these technologies, I have more insights to make the decision to say, ‘this is my more optimal work-management route,’” he said. “And that’s how I save money.”
当然，要做到这一点，人工智能必须经过训练。尤瑟夫以无人机系统为例来检测令人担忧的桥梁裂缝，这一过程通常需要派遣技术人员亲自检查桥梁。让AI区分严重和轻微的伤害意味着向它展示大量这两种类型的图像，而获取这类信息并不总是那么简单。
他说:“因此，当客户说他们想要那项服务时，他们自己通常会说，‘这是一些我们希望你开始使用的培训数据集。’”他指出，一些应用程序也有开源和政府数据集。
IBM自己从它的各种人工智能实现中收集了大量的数据，并在现有客户的明确许可下，使用其中的一些信息来训练做类似事情的新系统。
“你会得到这种合作的凝聚力，”Yusuf说。所以当你想到，机器学习模型来帮助预测客流量的空间规划和建设使用......我们可以建立，对我们有数据，因为我们已经通过我们的系统开过很多那样的测试数据。”
另一种非传统的使用情况是对某事的设计极为复杂，就像一个自主轿车。有大量的参与了这样一个过程工程要求，管理软件，业务流程，硬件规格，合规性等。在自然语言处理（NLP）的特定强度的系统可以自动理解的各种要求实际上意味着，并将它们之间的相互关系，检测冲突和不可能性，优素福说。
“我们已经使用发现服务和NLP能够告诉你，你的要求是否明确培训了华生，”他说。“它会找到重复或相互矛盾的要求。”
它也不是简单地让在后端基于AI-物联网系统的问题。帮助技术人员做的工作是IBM公司在物联网领域战略的重要组成部分，该公司已采取瞄准通过移动解决方案的知识转移的问题。
举个例子来说，一个较新的技术人员派遣维修的电梯或其它复杂台机器。在他或她的智能手机手机助手应用程序，该技术可以做更多的不是简单地引用错误代码 - 一个AI驱动系统可以交叉参考针对特定电梯的历史的错误代码，注意什么，在过去，往往在给定的问题的根源，并需要做修复它是什么。
关键说，优素福，是使那种功能，而不破坏标准的工作流这已经到位。
“当我们想到利用人工智能，它喜欢无缝集成到工作的[现行]的方式，”他说。