Gartner 副总裁 Svetlana Sicular 上周在企业 IT 年度研讨会上表示，人工智能技术使用了大量数据和复杂的概率算法来“为大都市生活创造小城镇一般的亲密联系”。
但她说到：今年 AI 应用程序的部署增长率实际上低于去年；同时，企业的首席信息官表示他们已经部署了 AI 的比例从去年的 14％增长到了 19％。这是一个不错的增长，但远低于之前统计的 ” 希望在 2019 年开始部署 AI” 的 23% 的数据。她说：”AI 的普及被什么东西拖累了。” （在另一场采访中，她说 AI 技术面临的最大问题是缺少想法。）
她指出：当企业被问及在采用 AI 时面临哪些挑战，回答中最主要的担忧包括企业员工缺乏相应的技能、企业可获得数据的质量以及对 AI 真实优势和用途的了解。她说，企业往往想要找到一位神话般的数据科学专家，但 “AI 实际上是一项团队运动”，需要业务分析师、开发人员、市场营销人员等员工通力合作。
关于技能的话题，她建议企业提升自身现有的开发人员和分析师的技能，不要急着寻找专家；这也意味着对你自身的业务理解往往是关键所在。你手头上现有的数据通常就足够了，但是需要用一种可以被机器学习利用的方式结构化这些数据。
Sicular 说：今天，使用人工智能技术的最大动力是自动化各种工作，以及改善客户体验。企业往往更关心任务的自动化，但欠缺对整体体验的思考。另外消费者并不想要人工智能打理一切，他们只是希望人工智能为自己提供帮助。
她打了一个比方，说 AI 技术好像让我们生活在小城镇中一样，驾车路线就是一个例子。你可能很了解你居住的城镇，但 AI 会告诉你哪些路段正在堵车，从而为你提供帮助。因此，人工智能为你提供了前所未有的环境信息，以便你做出更好的决策。在你的城镇之外的地区，导航设备可能会告诉你从一个地方到另一个地方需要多长时间，这就是预测性分析。但实际上，为你指路是规范性分析的范畴，这种帮助更有意义。
她指出，在她所在的区域，自动化行车指路技术引发了意想不到的后果，许多城市和城镇都做出了调整以避免这些应用程序造成的问题（例如许多小路上出现了堵车）。她说，你必须向 AI 学习，设定正确的期望，并通过概念证明来验证这些期望。
聊天机器人是最受欢迎的 AI 应用程序之一。Gartner 预测，到 2023 年员工与应用程序间的交互有 25％将通过语音进行，相比 2019 年的将近 3％大幅增长。
她说 IT 部门已经知道该如何衡量大型企业计划的成功与否，而引入 AI 技术后这种评价工作也是很重要的，企业需要观察人工智能技术能在多大程度上支持这些企业计划。
她建议组织创建一个 AI 卓越中心，这种中心要了解在哪里查找数据以及该如何使用这些数据。中心可以围绕 AI 提供信息、说服力、执行标准和创新内容，但首先必须要有明确的目标。
Sicular 还建议许多组织应该从“增强智能”的理念开始，这种理念本质上是由机器学习技术辅助的传统商业智能。组织应该从小处入手，获得收益，然后逐步前进。
她分享了 Gartner 总结的一个框架，内容是组织在短期、中期和长期内考虑 AI 项目的应有方式。她说企业应该按扩大规模、质量和创新的顺序做好规划。最好有为 ” 更多出色的工作 ” 而订立的长期愿景，这种愿景应该基于更多的自定义、个性化和便利性水平。这种愿景应该超越人们的想象，打动人们的生活并影响大家的行为习惯。
但是从短期来看，Sicular 说人们应该实施易于采用和度量的方法。这样做的目的是让人们做自己擅长的工作，而不是去做你想要让他们做的事情；我们应该帮助大家，把他们手头的工作做得更快更好。在中期，企业应该专注于提高质量，但初期阶段这不是一个很好的起点，因为企业不知道自己该衡量哪些指标。
谈到未来发展，她说一个趋势是机器学习模型变得更可解释，从而提升 AI 的普及率、公平性、可靠性和可信赖水平；她还指出在某些情况下，AI 技术的应用障碍正是源自客户或员工对这种技术的不信任。一些模型在这种可解释性上做得越来越好，但是机器学习（ML）和 AI 问责制所需的内容将因特定的用例而异。她指出，技术上的可解释性与人类眼中的可解释性是不一样的，后者意味着要用日常语言解释它并符合常识。
她还分享了 Gartner 的预测：到 2025 年，将有 40％的企业从为人类设计产品，转变成使用人类增强技术和方法为人类自身设计架构。
总而言之，Sicular 表示组织应该将流程分解为许多较小的任务，也就是 ” 传递接力棒 “；有些任务是由人类完成的，还有些是由机器完成的。她谈到了一个案例，其中 AI 为医生做笔记，并通过医学图像中给出第二种意见。然后她说，需要“走完最后一英里”才能完整地了解客户。最后，他们应该借助机器和 AI 帮助人们更好地完成工作，从而“带我踏上一个全新的高度”。
在另一场会议中，她分享了 Gartner 针对特定 AI 技术的宣传周期报告。
数据和分析领域的趋势
其他许多会议也涉及到了 AI。Gartner 研究员 Rita Sallam 分享了数据和分析领域的前沿技术趋势，其中包括许多 AI 功能，例如可解释的 AI、增强型分析和持续智能等。
其中 Gartner 预测，到 2020 年“增强分析”这一涵盖由 AI 增强的传统分析方法的术语，将成为分析和商业智能（BI）、数据科学和机器学习平台，以及嵌入式分析领域新业务需求的一大驱动力。例如，增强分析可以找到一个以前未知的策略，根据一个人的生日日期改变人寿保险的加价率；还可以自动为每种产品生成折扣建议来提高零售利润。
另一个预测是：到 2022 年，新的利用 AI 和 ML 技术的终端用户解决方案中有 75% 将使用商业平台而非开源平台构建。Sallam 表示，人工智能和机器学习的普及和渗透率将会提高，供应商巨头（亚马逊、谷歌和微软）提供的基于云的机器学习服务将在数据科学平台市场中占据 20％的份额。
Salam 预测：到 2023 年，超过 75％的大型组织将聘请 AI 行为取证、隐私和客户信任专家以降低品牌和声誉风险。
有趣的是，Gartner 预测到 2021 年，大多数私有和许可的区块链用途将被分类账 DBMS 产品取代。这对我来说很有意义，虽然我不知道它是怎样和 Gartner 的大趋势报告相对应的——后者指出到了 2023 年，基于区块链的技术每年将支持并追踪价值 2 万亿美元的商品和服务的流动。
她补充说：到 2022 年，超过一半的新增主流业务系统将包含“持续智能”，这种技术使用实时上下文数据来改善决策。
道德话题
在另一场会议上，Gartner 研究员 Frank Buytendijk 谈到了 AI 和道德规范；他说在创建以人为本和对社会有益的 AI 时，最常见的五大原则包括：公平；可解释且透明；安全可靠；并且负责。他解释说每个主题都有自己的问题，并讨论了建立两级道德体系的话题：企业正在努力制定自己的道德规范，但是“道德即服务”可能会在未来某一天成为主流。
原文链接：pcmag
来自：InfoQ
更多阅读：
