2019年推動人工智能發展的力量是什么?調研機構Forrester Research公司對未來一年企業CIO針對人工智能的5項預測進行了細分。
很多企業希望在2018年獲得能夠應對外部壓力和不斷變化的IT環境。但是，卻在費用、資源不足、文化抵制，以及認識到數字化轉型較難等方面遇到了嚴峻的現實。
根據調研機構Forrester Research公司的一系列報告，這些報告指出了2018年IT團隊在實施人工智能技術時的雄心壯志與執行力之間的差距，并預測了2019年將會發生什么。
IT團隊的利害關系度仍然很高，但Forrester公司認為，隨著企業CIO采取更加務實的數字化轉型方法，并著眼于建立一個更加持久有效的創新和擴展運營基礎，2019年的這種情況正在好轉。
務實的人工智能
這對企業人工智能旅程意味著什么?Forrester公司預測，具有加強、自動化和個性化三個特性的務實人工智能將在2019年開始實施，因為很多企業CIO放棄了他們宏大的、長期的人工智能發展目標，并意識到他們必須與人工智能目前可以做的事情相結合，而不是在未來可以做到什么。
這將幫助企業擺脫“人工智能清洗”這一廣泛問題，即聲稱企業的品牌和產品涉及人工智能時，而這種聯系可能是脆弱的或不存在的。
“使用人工智能算法交換原有的算法只能提供有限的短期提升。”該報告的分析師兼合著者Michele Goetz說。
Forrester公司在客戶在2018年向他們提出的有關人工智能的數千個問題以及該公司的深入研究基礎，所發布的2019年人工智能預測報告將重點放在以下五個最佳預測中：
(1)數據質量仍將是一項挑戰
Forrester表示，人工智能采用者面臨的首要挑戰是獲得高質量的數據。該公司預測，“數據低迷”將繼續影響在2019年開始采用人工智能的大多數公司。因此，Forrester公司表示，對于已經涉足人工智能的大多數公司來說，這將使人工智能(AI)轉向信息架構(IA)。因為他們意識到利用人工智能，需要一個人工智能值得的數據環境。
人力資源咨詢機構O.C.Tanner公司副總裁兼首席技術官Niel Nickolaisen說：“在可預見的將來，數據低迷將會繼續存在。數據是凌亂的，清理數據需要花費時間和精力。我預計數據質量仍然是一項挑戰。”
Goetz將數據質量稱為與企業CIO最相關的人工智能方面的內容，而且是Forrester公司在人工智能預測中最重要的。
“數據是業務的數字孿生，而非數字化排放。”她說，并解釋說企業CIO必須以新的方式解決人工智能中的數據問題。簡單地將數據遷移到云平臺以供數據科學家使用，忽略了語義設計原則，使人工智能能夠深入了解業務和客戶。
“數據需要在其所來自的數據庫、文件或表格之外進行解釋，并代表環境、影響、意圖、行為、決策、行動和結果。”Goetz說。
(2)企業將把人類帶回到圈子中
Forrester公司預測，利用人工智能的企業中有10%將在2019年將人類帶到圈子中。報告指出，機器學習非常適合分析數據以創建預測、識別模式和自動化決策的模型，但它缺乏人工推理能力。
“就像我們對員工的管理和治理監督一樣，人工智能也應該置于這個保護傘下。”Goetz說，“圈子中的人員既是可以支持人工智能的預生產培訓的專家，也是人工智能機器人的同事和管理者。”
“擁有商業智能、GRC和人機協作功能，可以將機器人作為虛擬團隊成員進行查看和管理，從而降低人工智能行動的風險，同時確保人工智能可以不斷向團隊成員和管理者學習，避免道德問題以及糟糕的決定。”她說。
然而，Nickolaisen認為將人類帶到圈子有可能影響人工智能的一些動力和驅動力。
他說：“我一直認為，人工智能的強大之處在于能夠快速處理大量數據和變量，并提供人類可以做的事情，但速度要快得多。有時會出現數據漏洞，因此人工智能可能會做出最佳決策，并通過直觀了解丟失的數據可能暗示的內容讓人類更加了解決定，但這會產生風險。”
(3)企業將在人工智能的人才爭奪戰中使用人工智能
眾所周知，企業中的人工智能的人才短缺不僅僅是數據科學家和機器學習架構師，還有培訓和管理人工智能系統所需的法律、客戶體驗和運營專業知識。根據Forrester公司的研究，三分之二的人工智能決策者在尋找和獲得人工智能人才方面比較困難，83%的公司很難留住人才。
該公司預測，在2019年，由于傳統的招聘方法存在不足，人們將看到企業開始將人工智能應用于招聘來解決人工智能的人才短缺問題。
Nickolaisen表示，人工智能驅動的招聘聽起來很具吸引力，但他不確定算法會在哪里收集數據來提出招聘選項。
“我認為，更有可能解決人才需求的方式是能夠創造更多可用的人工智能工具的公司。這也意味著這些工具將更加專注于更加垂直方向。”他說。
(4)機器人流程自動化(RPA)和人工智能技術
Forrester公司預測，機器人流程自動化(RPA)和人工智能將共同為超過40%的企業創建數字化工作者。企業一直在明確地處理這些技術，例如機器人流程自動化(RPA)用于自動化，人工智能用于智能控制，但要真正進行創新，并創造突破性機會，這兩者的結合是必需的。
該報告提供了一些用戶案例：解決服務平臺問題的分析，RPA機器人的聊天機器人，觸發數字工作者的物聯網事件，以及將非結構化數據組織成機器人流程自動化(RPA)任務的文本分析。后者在實際部署方面領先于四個機器人流程自動化(RPA)類別。
(5)提高“可解釋性人工智能”的興趣
根據Forrester公司的說法，一些機器學習算法是透明的，易于理解，但其他算法(如神經網絡)是不透明的。
在2019年，這種情況不會一直持續下去。在人工智能預測報告中，該研究公司期望像GDPR這樣的法規，該法規聲明自動決策主體有權獲得對所達成決定的解釋，將會引起企業和供應商對“可解釋性”的興趣，創造了一個新興的供應方市場。
Forrester公司列舉的例子表明，人們對人工智能的需求不斷增長：DARPA公司對它的投資以及從Equifax、IBM和Pegasystems等供應商推出務實的人工智能服務和功能。
Nickolaisen對采用務實的人工智能也有一些猶豫。他說，“我同意這些算法需要有一些透明度，但是這會削弱機器學習測試不同模型并創建最佳鏈接因果關系的整體能力嗎?”
