Gartner 副總裁 Svetlana Sicular 上週在企業 IT 年度研討會上表示，人工智慧技術使用了大量資料和複雜的概率演算法來“為大都市生活創造小城鎮一般的親密聯絡”。
但她說到：今年 AI 應用程式的部署增長率實際上低於去年；同時，企業的資訊長表示他們已經部署了 AI 的比例從去年的 14％增長到了 19％。這是一個不錯的增長，但遠低於之前統計的 ” 希望在 2019 年開始部署 AI” 的 23% 的資料。她說：”AI 的普及被什麼東西拖累了。” （在另一場採訪中，她說 AI 技術面臨的最大問題是缺少想法。）
她指出：當企業被問及在採用 AI 時面臨哪些挑戰，回答中最主要的擔憂包括企業員工缺乏相應的技能、企業可獲得資料的質量以及對 AI 真實優勢和用途的瞭解。她說，企業往往想要找到一位神話般的資料科學專家，但 “AI 實際上是一項團隊運動”，需要業務分析師、開發人員、市場營銷人員等員工通力合作。
關於技能的話題，她建議企業提升自身現有的開發人員和分析師的技能，不要急著尋找專家；這也意味著對你自身的業務理解往往是關鍵所在。你手頭上現有的資料通常就足夠了，但是需要用一種可以被機器學習利用的方式結構化這些資料。
Sicular 說：今天，使用人工智慧技術的最大動力是自動化各種工作，以及改善客戶體驗。企業往往更關心任務的自動化，但欠缺對整體體驗的思考。另外消費者並不想要人工智慧打理一切，他們只是希望人工智慧為自己提供幫助。
她打了一個比方，說 AI 技術好像讓我們生活在小城鎮中一樣，駕車路線就是一個例子。你可能很瞭解你居住的城鎮，但 AI 會告訴你哪些路段正在堵車，從而為你提供幫助。因此，人工智慧為你提供了前所未有的環境資訊，以便你做出更好的決策。在你的城鎮之外的地區，導航裝置可能會告訴你從一個地方到另一個地方需要多長時間，這就是預測性分析。但實際上，為你指路是規範性分析的範疇，這種幫助更有意義。
她指出，在她所在的區域，自動化行車指路技術引發了意想不到的後果，許多城市和城鎮都做出了調整以避免這些應用程式造成的問題（例如許多小路上出現了堵車）。她說，你必須向 AI 學習，設定正確的期望，並通過概念證明來驗證這些期望。
聊天機器人是最受歡迎的 AI 應用程式之一。Gartner 預測，到 2023 年員工與應用程式間的互動有 25％將通過語音進行，相比 2019 年的將近 3％大幅增長。
她說 IT 部門已經知道該如何衡量大型企業計劃的成功與否，而引入 AI 技術後這種評價工作也是很重要的，企業需要觀察人工智慧技術能在多大程度上支援這些企業計劃。
她建議組織建立一個 AI 卓越中心，這種中心要了解在哪裡查詢資料以及該如何使用這些資料。中心可以圍繞 AI 提供資訊、說服力、執行標準和創新內容，但首先必須要有明確的目標。
Sicular 還建議許多組織應該從“增強智慧”的理念開始，這種理念本質上是由機器學習技術輔助的傳統商業智慧。組織應該從小處入手，獲得收益，然後逐步前進。
她分享了 Gartner 總結的一個框架，內容是組織在短期、中期和長期內考慮 AI 專案的應有方式。她說企業應該按擴大規模、質量和創新的順序做好規劃。最好有為 ” 更多出色的工作 ” 而訂立的長期願景，這種願景應該基於更多的自定義、個性化和便利性水平。這種願景應該超越人們的想象，打動人們的生活並影響大家的行為習慣。
但是從短期來看，Sicular 說人們應該實施易於採用和度量的方法。這樣做的目的是讓人們做自己擅長的工作，而不是去做你想要讓他們做的事情；我們應該幫助大家，把他們手頭的工作做得更快更好。在中期，企業應該專注於提高質量，但初期階段這不是一個很好的起點，因為企業不知道自己該衡量哪些指標。
談到未來發展，她說一個趨勢是機器學習模型變得更可解釋，從而提升 AI 的普及率、公平性、可靠性和可信賴水平；她還指出在某些情況下，AI 技術的應用障礙正是源自客戶或員工對這種技術的不信任。一些模型在這種可解釋性上做得越來越好，但是機器學習（ML）和 AI 問責制所需的內容將因特定的用例而異。她指出，技術上的可解釋性與人類眼中的可解釋性是不一樣的，後者意味著要用日常語言解釋它並符合常識。
她還分享了 Gartner 的預測：到 2025 年，將有 40％的企業從為人類設計產品，轉變成使用人類增強技術和方法為人類自身設計架構。
總而言之，Sicular 表示組織應該將流程分解為許多較小的任務，也就是 ” 傳遞接力棒 “；有些任務是由人類完成的，還有些是由機器完成的。她談到了一個案例，其中 AI 為醫生做筆記，並通過醫學影象中給出第二種意見。然後她說，需要“走完最後一英里”才能完整地瞭解客戶。最後，他們應該藉助機器和 AI 幫助人們更好地完成工作，從而“帶我踏上一個全新的高度”。
在另一場會議中，她分享了 Gartner 針對特定 AI 技術的宣傳週期報告。
資料和分析領域的趨勢
其他許多會議也涉及到了 AI。Gartner 研究員 Rita Sallam 分享了資料和分析領域的前沿技術趨勢，其中包括許多 AI 功能，例如可解釋的 AI、增強型分析和持續智慧等。
其中 Gartner 預測，到 2020 年“增強分析”這一涵蓋由 AI 增強的傳統分析方法的術語，將成為分析和商業智慧（BI）、資料科學和機器學習平臺，以及嵌入式分析領域新業務需求的一大驅動力。例如，增強分析可以找到一個以前未知的策略，根據一個人的生日日期改變人壽保險的加價率；還可以自動為每種產品生成折扣建議來提高零售利潤。
另一個預測是：到 2022 年，新的利用 AI 和 ML 技術的終端使用者解決方案中有 75% 將使用商業平臺而非開源平臺構建。Sallam 表示，人工智慧和機器學習的普及和滲透率將會提高，供應商巨頭（亞馬遜、谷歌和微軟）提供的基於雲的機器學習服務將在資料科學平臺市場中佔據 20％的份額。
Salam 預測：到 2023 年，超過 75％的大型組織將聘請 AI 行為取證、隱私和客戶信任專家以降低品牌和聲譽風險。
有趣的是，Gartner 預測到 2021 年，大多數私有和許可的區塊鏈用途將被分類賬 DBMS 產品取代。這對我來說很有意義，雖然我不知道它是怎樣和 Gartner 的大趨勢報告相對應的——後者指出到了 2023 年，基於區塊鏈的技術每年將支援並追蹤價值 2 萬億美元的商品和服務的流動。
她補充說：到 2022 年，超過一半的新增主流業務系統將包含“持續智慧”，這種技術使用實時上下文資料來改善決策。
道德話題
在另一場會議上，Gartner 研究員 Frank Buytendijk 談到了 AI 和道德規範；他說在建立以人為本和對社會有益的 AI 時，最常見的五大原則包括：公平；可解釋且透明；安全可靠；並且負責。他解釋說每個主題都有自己的問題，並討論了建立兩級道德體系的話題：企業正在努力制定自己的道德規範，但是“道德即服務”可能會在未來某一天成為主流。
原文連結：pcmag
來自：InfoQ