国际数据公司(IDC)最近对2,000多名IT和业务线(LoB)决策者进行的调查证实,人工智能(AI)的使用正在全球范围内增长。所有AI计划中有超过四分之一已经投入生产,超过三分之一处于高级开发阶段。而且组织报告今年的AI支出有所增加。
超过一半的接受调查的大型公司认为,提供更好的客户体验是采用AI的主要动力。同时,类似数量的受访者表示,人工智能的最大影响在于帮助员工更好地完成工作。无论是改善的客户体验还是更好的员工体验,人工智能的采用与卓越的业务成果之间都有直接的关联。
“通过采用AI解决方案,早期采用者报告称其客户体验改善了近25%,创新速度加快,竞争力更高,利润更高,员工体验也更好。全世界的组织都在采用AI进行业务转型,而不仅仅是因为它们可以,但是因为它们必须敏捷,有弹性,创新并且能够扩展。” 人工智能战略计划副总裁 Ritu Jyoti表示 。
尽管人们对AI的好处达成了很多共识,但是公司在部署AI解决方案的方式上还是存在一些分歧。IT自动化,智能任务/流程自动化,自动化威胁分析和调查,供应和物流,自动化客户服务代理以及自动化人力资源是当前使用AI的主要用例。对于大公司(5000多名员工)来说,自动化客户服务代理和自动化人力资源是优先考虑的事情,而对中小型公司(<1000名员工)来说,IT自动化是优先考虑的事情。
尽管有这些好处,但部署AI仍会带来挑战,尤其是在数据方面。缺乏足够数量和质量的培训数据仍然是一个重大的发展挑战。数据安全性,治理,性能和延迟(传输率)是数据集成面临的主要挑战。解决方案的价格,性能和规模是最重要的数据管理问题。企业报告解决方案的成本是实施AI的第一大挑战。随着企业扩大工作规模,跨不同服务的零散定价和按需付费的定价可能会对采用AI构成障碍。
调查的其他主要发现包括:
企业报告称,将其AI生命周期时间的大约三分之一花费在数据集成和数据准备上,而不是实际的数据科学工作上,这是扩大AI应用规模的一大障碍。
大型企业仍难以成功应用深度学习和其他机器学习技术。企业将需要采用机器学习操作(MLOps)–机器学习,开发和操作的组合–才能大规模实现AI / ML。
值得信赖的AI正在迅速成为企业的当务之急。公平,可解释性,健壮性,数据血统和透明度(包括披露)是现在需要解决的关键要求。
大约28%的AI / ML计划失败了。据报告,缺乏具有必要专业知识的人员,缺乏生产就绪数据以及缺乏集成的开发环境是失败的主要原因。
Jyoti补充说:“支持AI的数据架构,MLOps和可信赖的AI对于大规模实现AI和机器学习至关重要。”
IDC报告《 2020年AI StrategiesView:执行摘要》 (Doc#US46261720)总结了对2056位IT以及业务决策者和影响者的全球调查结果,这些调查涉及他们当前和未来的当前和未来的AI投资,业务驱动因素和使用情况案例和应用。此项调查旨在更好地了解是什么驱动着全球范围内跨不同IT和LOB角色(从CXO到中层管理人员到从业人员(包括数据科学家,数据架构师,数据工程师和MLOps工程师)的AI客户购买行为) 。
标签:
免责声明:本文由用户上传,如有侵权请联系删除!