原標(biāo)題：企業(yè)需要知道的 6個(gè)AI/ML關(guān)鍵點(diǎn)

【IT168 評(píng)論】由于人工智能（AI）和機(jī)器學(xué)習(xí)（ML）的迅速發(fā)展與應(yīng)用落地，世界各地的公司正在積極利用AI和ML發(fā)展業(yè)務(wù) ，甚至投資數(shù)百億美元。這些技術(shù)能夠?qū)I(yè)務(wù)與產(chǎn)生深刻的影響，所以Gartner報(bào)告預(yù)測(cè)，未來(lái)將“進(jìn)入分析時(shí)代”，到2023年，人工智能和深度學(xué)習(xí)技術(shù)將成為數(shù)據(jù)科學(xué)新應(yīng)用最常見(jiàn)的兩種方法。

在業(yè)務(wù)中有效使用AI和ML可以幫助企業(yè)遠(yuǎn)遠(yuǎn)領(lǐng)先于其所在行業(yè)的競(jìng)爭(zhēng)對(duì)手，因?yàn)榧夹g(shù)消除了很多流程中不必要的麻煩。盡管AI和ML對(duì)業(yè)務(wù)和企業(yè)如此重要，但也很少有公司能夠成功地實(shí)施和部署，并將其作為整體數(shù)據(jù)和分析策略的一部分。根據(jù)Gartner的分析，有46％的CIO制定了部署AI的計(jì)劃，但只有4％的人將概念變?yōu)楝F(xiàn)實(shí)。

事實(shí)是，要讓企業(yè)真正意識(shí)到AI和ML的潛力可能還需要很多年，但是現(xiàn)在為AI驅(qū)動(dòng)策略奠定基礎(chǔ)已經(jīng)不算太早。因此在開(kāi)始使用AI和ML時(shí)，有五個(gè)要點(diǎn)要考慮。

要點(diǎn)1：提出正確的問(wèn)題

當(dāng)涉及到面向未來(lái)的數(shù)據(jù)策略時(shí)，組織需要考慮四件事。我的組織內(nèi)部有哪些可用數(shù)據(jù)？我們需要從外部獲取哪些數(shù)據(jù)來(lái)推動(dòng)差異化競(jìng)爭(zhēng)？我們的數(shù)據(jù)是否以一種便于機(jī)器學(xué)習(xí)和人工智能的方式可用?也許最重要的是:我們?cè)谀睦锟梢蕴岣呶覀兊臉I(yè)務(wù)技能，什么需要純數(shù)據(jù)科學(xué)和人工智能技術(shù)，以及IT可以管理什么?這些問(wèn)題的答案應(yīng)該作為你策略的基礎(chǔ)。

要點(diǎn)2：分析不同來(lái)源信息

成功的AI/ML策略不是一蹴而就的。最聰明的組織對(duì)數(shù)據(jù)獲取和策略采取分析多年積累信息的方法，集中于編譯來(lái)自不同來(lái)源和孤島的數(shù)據(jù)(通常圍繞卓越中心(CoE)構(gòu)建)，并投資于正確的技術(shù)和人員，以奠定基礎(chǔ)。與此同時(shí)，這些組織希望從Amazon、Microsoft和其他公司獲得基于云的產(chǎn)品，以創(chuàng)建中間數(shù)據(jù)存儲(chǔ)，隨著時(shí)間的推移和策略的發(fā)展，這些存儲(chǔ)可以支持不同的用例。

要點(diǎn)3：始終將人才放在戰(zhàn)略中心

ZipRecruiter最近的一項(xiàng)研究發(fā)現(xiàn)，“人工智能最成功的應(yīng)用是與人類(lèi)合作使用，而不是替代人類(lèi)?！边@就是為什么這項(xiàng)研究表明，人工智能創(chuàng)造的就業(yè)機(jī)會(huì)是去年的三倍。盡管自動(dòng)化技術(shù)不斷進(jìn)步，但公司仍在繼續(xù)投資具有數(shù)據(jù)技能的人才。世界經(jīng)濟(jì)論壇（World Economic Forum）預(yù)測(cè)，在未來(lái)四到五年內(nèi)，與數(shù)據(jù)相關(guān)的工作以及AI和ML專(zhuān)家將成為最需要的工作。

要點(diǎn)4：建立多學(xué)科團(tuán)隊(duì)

由AI專(zhuān)家，數(shù)據(jù)科學(xué)家和業(yè)務(wù)線分析師組成的多元化團(tuán)隊(duì)為AI / ML提供了更全面的方法，因?yàn)檎麄€(gè)項(xiàng)目涵蓋了從數(shù)據(jù)收集過(guò)程到數(shù)據(jù)挖掘活動(dòng)、機(jī)器學(xué)習(xí)和自動(dòng)化的整個(gè)過(guò)程。 那些能夠進(jìn)行數(shù)據(jù)收集、處理和培訓(xùn)的人員將能夠優(yōu)化其對(duì)組織的貢獻(xiàn)，并增強(qiáng)其個(gè)人或公司實(shí)現(xiàn)目標(biāo)的能力。

要點(diǎn)5：彌合技能差距

不論技術(shù)水平如何，企業(yè)對(duì)任何數(shù)據(jù)工作者的需求都越來(lái)越大。他們需要更多地處理數(shù)據(jù)，并且組織需要尋找提高技能組的方法，以可理解和透明的方式構(gòu)建模型，并需要彌合整個(gè)組織的技能差距。由于人工智能數(shù)據(jù)設(shè)計(jì)需要“數(shù)據(jù)說(shuō)話”來(lái)幫助構(gòu)建工作流，組織必須實(shí)現(xiàn)諸如增強(qiáng)分析等技術(shù)，這些技術(shù)可以自動(dòng)化數(shù)據(jù)準(zhǔn)備、洞察發(fā)現(xiàn)和數(shù)據(jù)科學(xué)(即autoML)。

要點(diǎn)6：展望未來(lái)

毫無(wú)疑問(wèn)，人工智能和機(jī)器學(xué)習(xí)將在未來(lái)幾年內(nèi)改變商業(yè)世界和生活，而組織需要令其業(yè)務(wù)的每個(gè)成員都思考如何利用該技術(shù)。無(wú)論AI和ML如何發(fā)展，數(shù)據(jù)始終處于最前沿，是成功和真正的數(shù)字經(jīng)濟(jì)的最重要驅(qū)動(dòng)力之一。

作者：Chris Preimesberger返回搜狐，查看更多

責(zé)任編輯：