人工智能對于信息技術(shù)部門的成功至關(guān)重要。因此，你可能會認為這只是對這項技術(shù)重要性的不斷炒作。
  從積極的一面來看，人工智能可以帶來商業(yè)價值。從負面來看，它不會神奇地解決企業(yè)的所有問題。
  然而，如果你理性地對待人工智能，它仍然可以提升你的企業(yè)系統(tǒng)，改善你的商業(yè)運作。為了了解企業(yè)信息技術(shù)可以有效地利用人工智能的哪些方面，弗雷斯特研究公司的人工智能分析師謝爾卡爾松、高德納公司的查理里奇和國際數(shù)據(jù)公司的米基諾斯里扎。
  不要混淆自動化和人工智能
  供應(yīng)商經(jīng)常聲稱，只要你部署他們的產(chǎn)品，他們的一些人工智能秘密武器就會徹底改變你的業(yè)務(wù)。別相信他?？査烧f：“如果應(yīng)用場景似乎與電影中的相似，那么就有必要問一個問號?！?br />   IDC的North Rizza指出，大多數(shù)供應(yīng)商提供基于規(guī)則的系統(tǒng)。他們軟件中復(fù)雜的算法或邏輯處理許多常見的應(yīng)用情況，通常比人類的更快更準(zhǔn)確。然而，這是自動化，不是人工智能。
  自動化是好的，但是基于機器智能的自動化可能是錯誤的或者有問題的。在真正的人工智能中，系統(tǒng)自己決定做什么，這在大多數(shù)商業(yè)情況下是不可能發(fā)生的。想象一下，如果你的財務(wù)、招聘、產(chǎn)品規(guī)劃、網(wǎng)絡(luò)管理等都由一個獨立的代理來處理，但你并不真正理解它，也不能真正控制它，會發(fā)生什么。
  重點是實現(xiàn)人工智能的應(yīng)用分析和異常檢測
  真正的情況是使用人工智能技術(shù)來發(fā)現(xiàn)人類決策的異常模式。已知模式可以通過自動化來處理，但是為了發(fā)現(xiàn)未知模式，機器學(xué)習(xí)、深度學(xué)習(xí)和人工智能是必要的技術(shù)。

  異常檢測形式的分析驅(qū)動的人工智能通常比人類更快地發(fā)現(xiàn)未知模式。它甚至可以根據(jù)現(xiàn)有的類似模式提出行動計劃。但是采取什么行動是由人類的智力決定的，由別人來檢查，并發(fā)揮專業(yè)知識超出分析的優(yōu)勢。
  自動化，或者至少是軟件，可以使用規(guī)則庫和其他編碼邏輯來執(zhí)行決策。機器人過程自動化是自動化技術(shù)發(fā)展的一個很好的例子。它們不是人工智能——。他們不會自己“思考”，而是通過越來越復(fù)雜的算法來處理越來越復(fù)雜的流。軟件看起來可能是智能的，但它是由人類開發(fā)者培養(yǎng)的智能，而不是系統(tǒng)固有的人工智能。因此，分析，尤其是異常檢測，占據(jù)了當(dāng)今企業(yè)系統(tǒng)中實現(xiàn)的大部分人工智能。這種集成通常由軟件供應(yīng)商參考眾所周知的應(yīng)用場景和業(yè)務(wù)流程來完成。
  弗雷斯特的卡爾森說，將人工智能引入本地系統(tǒng)的分析并不容易。他說：“數(shù)據(jù)科學(xué)是一個集智能和分析于一體的領(lǐng)域，但人們往往沒有意識到，數(shù)據(jù)科學(xué)家沒有接受過決策和業(yè)務(wù)分析方面的培訓(xùn)，所以你可以根據(jù)需要做出很好的預(yù)測，但你不知道該怎么做?！?br />   卡爾松補充說：“理想情況下，人工智能建立一個更好的預(yù)測模型，為經(jīng)典優(yōu)化引擎提供更好的輸入。它們是相輔相成的。但是這個過程是痛苦的，因為優(yōu)化器不知道如何與數(shù)據(jù)科學(xué)家交流，反之亦然?！皵?shù)據(jù)科學(xué)家”是一個非常有問題的術(shù)語。信息技術(shù)可以有各種各樣的解釋，但是沒有多少信息技術(shù)部門能夠理解這一點。"
  但是仍然有希望，卡爾松指出：工程師們開始通過AutoML使用機器學(xué)習(xí)，使用這個框架，沒有必要從頭構(gòu)建機器學(xué)習(xí)模型。此外，這些工具對于精通數(shù)據(jù)的業(yè)務(wù)用戶來說足夠簡單，并且可以輕松使用數(shù)據(jù)科學(xué)家通常無法掌握的專業(yè)知識。精通六西格瑪和精益等方法的跨職能流程改進部門尤其適合將人工智能引入分析?？査烧f：“他們有處理變革管理問題的基因。毫無疑問，獲取數(shù)據(jù)并了解它始終是一項挑戰(zhàn)?！?br />   這些更具探索性的人工智能形式，被——Carlsson稱為“增強智能”，在各種企業(yè)系統(tǒng)中都有合法而有用的應(yīng)用：營銷、物流、文檔處理、IT系統(tǒng)本身以及面向用戶系統(tǒng)的用戶界面等等。
  人工智能在商業(yè)系統(tǒng)中的應(yīng)用
  人工智能的應(yīng)用分析形式在處理大量數(shù)據(jù)、變化或不確定環(huán)境、需要快速適應(yīng)過程的企業(yè)系統(tǒng)中普遍存在。
  典型的應(yīng)用場景括物流，例如裹遞送、車輛路線、即時庫存管理，以及上下文估計，例如信用評分和產(chǎn)品推薦。較新的領(lǐng)域括聲譽管理、簡歷評分和跨多個領(lǐng)域的風(fēng)險管理。

  人工智能的一個未提及的應(yīng)用是自動文檔處理。Forrester的Carlsson說：“許多過程都依賴于它們?！彼f，雖然合同、政策、醫(yī)療報告等。似乎是高度公式化的，因此易于分析，但仍然很難從這些文檔中提取信息。例如，標(biāo)題樣式和表格邊框等看似微小的更改可能會淹沒基于規(guī)則的文檔提取器。
  提取表格中未明確定義的含義更加困難。例如，客戶對市場新領(lǐng)域感興趣的金融顧問。咨詢顧問需要研究投資概況、資源和營銷模式，而不是采用經(jīng)典方法提出一個類似于客戶選擇的投資模式。Carlsson介紹的另一個例子是：分析醫(yī)學(xué)病理學(xué)報告以發(fā)現(xiàn)意外信息，例如“根據(jù)隱藏的細節(jié)判斷是否存在癌癥風(fēng)險，這通常是患者在開始時意外抱怨的”，他補充說，他知道有一家醫(yī)院使用人工智能文檔處理功能來發(fā)現(xiàn)這樣的例子并將數(shù)據(jù)輸入美國國家癌癥數(shù)據(jù)庫。人工智能在信息技術(shù)系統(tǒng)中的應(yīng)用
  人工智能運營在幫助信息技術(shù)方面取得了巨大的成就，它可以識別和診斷網(wǎng)絡(luò)和業(yè)務(wù)流程中的問題，以便自動化技術(shù)可以建議甚至實施可能的補救措施。類似的方法可以幫助保護，如入侵檢測和內(nèi)部數(shù)據(jù)盜竊。
  Gartner的Rich指出：“AIOps遠不如其他企業(yè)人工智能領(lǐng)域成熟?！彼ǔ＠C器學(xué)習(xí)，既有監(jiān)督的也有非監(jiān)督的，有時還括深度學(xué)習(xí)和圖形分析，以便“將數(shù)學(xué)應(yīng)用于問題”。這意味著尋找模式和異常(通常在日志中)，向信息技術(shù)表明存在需要直接或通過自動化解決的問題。
  里奇說：“人工智能操作系統(tǒng)面臨的挑戰(zhàn)是噪音太大，導(dǎo)致誤報?！爆F(xiàn)在幾乎一切都數(shù)字化了，困難變得更加嚴(yán)重。幾十年來，事件相關(guān)分析一直是一項基本技術(shù)。但是Rich說：“它們是基于規(guī)則的，所以量很大，而且總是需要更新。數(shù)據(jù)質(zhì)量可能令人困惑，因此任何實現(xiàn)通常都是定制的。但只要你有錢，你就可以做?！笔袌鱿Ｍ幸惶捉鉀Q方案來完成這項，避免對數(shù)據(jù)科學(xué)家的需求，但這在目前是不可能的。
  另一個挑戰(zhàn)是基于時間模式的地表異常時間序列分析。Rich說：“這些算法從20世紀(jì)50年代就已經(jīng)存在，但是直到最近我們還沒有足夠的計算能力來實現(xiàn)它們?！?br />   人工智能需要解決的另一個領(lǐng)域是根本原因分析，它涉及大量的相關(guān)性和時間序列分析。里奇補充說：“人們總是說有希望解決這個問題，我們開始看到圖形分析的進展?！?br />   更深刻的是像NoOps這樣的自我修復(fù)系統(tǒng)的概念。里奇說，“總有一天我們會解決它的?，F(xiàn)在可以做的是根據(jù)條件邏輯啟動操作運行腳本。在過去的6到8個月中，供應(yīng)商銷售了一個常見問題知識庫，并提供了添加新問題的工具?！?br />   但是里奇提醒人們不要期望人工智能有一天能獨自處理信息技術(shù)操作?！耙驗椴豢赡苁占械男畔ⅰ＜词惯@樣做了，如果這是一個沒有解決方案的新問題呢？接下來是變革的風(fēng)險：其他東西會被打破嗎？雖然風(fēng)險分析是必要的，但實際上是沒有用的?！?br />   同時，人工智能操作可以幫助信息技術(shù)人員提高發(fā)現(xiàn)問題的能力，以便他們能夠更快地解決或預(yù)防問題。
  人工智能在用戶界面中的應(yīng)用
  多年來，我們已經(jīng)看到了自然語言處理(NLP)的前景，它可以避免人工支持人員的需要。聊天機器人就是這種承諾的一個例子，也是冒險去相信它們的一個例子?！@些“智能”互動會讓顧客感到沮喪并認為他們是負擔(dān)嗎？他們遵循的決定性規(guī)則通常不能解決客戶的問題，但有時他們可以?？査芍赋?，自然語言處理在理解人類對話方面取得了很大進展，括文本和口語。在過去的20年中，自然語言處理在語音識別和理解非結(jié)構(gòu)化文本方面取得了很大的進步，促進了無鍵盤交互，幫助縮小了查詢的含義，然后將其應(yīng)用到手動或自動系統(tǒng)中執(zhí)行。從某種意義上來說，它是一種分析形式，側(cè)重于意義和表達，例如，分析發(fā)音以進行有目的的交流。

  機器視覺在過去的幾十年里也取得了巨大的進步。無人駕駛汽車的未來比現(xiàn)實更光明。防撞技術(shù)顯示，環(huán)境條件是感知的，并根據(jù)規(guī)則自動調(diào)整(剎車！)這種能力是真實的。像自然語言處理一樣，機器視覺屬于人工智能，而不是基于規(guī)則的自動調(diào)整或反應(yīng)。
  隨著底層模式分析技術(shù)的發(fā)展，機器視覺和其他傳感技術(shù)越來越多地用于倉儲以識別裹、用于檢測腫瘤的藥物以及零售以了解購物者的行為。
  關(guān)鍵在于，在這些情況下，人工智能可以正確分析來自人和環(huán)境的真實輸入，這樣人們就不必理解用戶界面的具體語法和限制，更多的人可以更自然地與技術(shù)系統(tǒng)進行交互。