京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者 | Daniel Newman
编译 | 张大笔茹
来源|网络大数据
4 Growing Enterprise AI Trends: Where Are We Now And Where Are We Going?
人工智能比传统的工业自动化和数据处理更牛吗?
答案是肯定的!现在一些诸如图像识别、自然语言处理等AI基本功能已经发展成熟,随着研究的不断深入,AI将来一定会变得越来越强大,能实现的功能也越来越多。
根据麦肯锡预计,到2030年GDP的增长中将会有13万亿美元是来自AI,AI会影响到零售、旅游、交通、物流、医疗、制造业等各个方面,吴恩达也呼吁,企业要设立CAIO(首席人工智能官)。
那现在的人工智能在企业的应用现状如何呢?将来会有怎样的发展?近日,福布斯的一份报道总结了人工智能在企业的四个应用方面和发展趋势,快跟文摘菌一起看看吧。
趋势1:AI必然会超越传统分析
大多数公司已经开始使用一些常见的人工智能功能,而且用户们也基本满意。其中包括个性化定制(个性化广告、电子邮件、自动文本等)和精准营销(您在Spotify,Netflix或亚马逊购物卡等应用上看到的那些推荐)以及其他的营销技术,现在广泛使用的功能是适用于任何规模的企业的。
许多技术也比较成熟了:其中最重要的是机器人流程自动化(RPA)。RPA是AI的初级成果,它即智能又简单。RPA侧重于自动化一个流程,而不是整个企业的垂直流程。
RPA虽然为公司节省了大量的时间和金钱,但尚未达到一定规模。有许多公司最近才刚开始使用RPA技术,而积累一定用户的公司已经开始着手开始进一步流程优化了。
现在既然许多公司已经掌握了基础知识,早期尝到甜头的公司就会想走得更远。他们越来越多地关注AI和ML驱动的预测分析,即企业从数据(特别是实时数据)中提取更多的有价值的信息,甚至利用这些信息做出决策。对知识图谱的理解也更加深入,人工智能可以根据大量数据分析出我们从未想到过的结果。
趋势2:企业使用AI还是会有一定门槛
事实上,目前企业完成人工智能项目还是有难度的。许多公司的项目要么超期,要么需要花很多时间来建立相应的系统,Pactera技术公司最近的一份报告反映了Gartner之前报道的问题:85%的企业AI项目无法如期交付。
Dimensional Research最近发布的另一份报告显示,在人工智能和机器学习方面,每10家企业就有8个表示这他们的AI项目是停滞不前的,而96%的人表示他们在数据质量、数据分类和建模的置信度上遇到了问题。即使像IBM,Uber和亚马逊这样的高科技巨头也不得不在面临巨大的挑战时放弃一些数百万美元的大项目。
这时候是否还要坚持下去呢?其实大可不必!目前对于在AI项目中什么该做,什么不该做已经有足够的总结经验了。一些常见的误区有:起始目标不明确,太多数据(或不当使用数据),使用错误算法,交付成果的周期过长(应该在工作过程中实时检查,保持平衡)。
趋势3:交互性和人性化更强
随着强化学习领域技术的重大进步,人工智能能够通过完成特定目标获得反馈,AI开始变得有“意识”起来。它开始以一种类似人类的但奇怪的方式思考,这也意味着它也有能力开始工作了。人工智能似乎已经到了无限趋近人类的三岔口。
AI正在朝着能够流畅地与人类对话这个目标迈进,初创公司和技术领导者都在争夺聊天机器人,它们不仅能回答问题,而且还具有先进的推理功能。谷歌,微软,亚马逊和IBM都想在会话式人工智能方面取得进步,让AI学会人性化的沟通,就是说人工智能可以根据场景的变化灵活应变。
会话式人工智能的实现需要有力的后端支撑—比如说更强大的硬件。这使得像英特尔这样的公司开始研发用专用推理芯片,以及开发他们声称可以加快计算机深度学习推理过程的DL boost技术。GPU也是竞争越来越激烈,传统上专注于训练的GPU也变得越来越有推断能力,上周NVIDIA公布了一项会话式AI,展示了GPU如何通过推理,实现延迟更短、更自然、更人性化的对话体验。
趋势4:道德问题始终会是个问号
随着人工智能确实变得更加人性化,企业也开始意识到使用,如果AI使用不当会产生严重后果,不仅仅是失业问题,AI算法会是在“不经意间”建立的,且是有偏见的。例如,白人男性写的用于招募的AI软件可能“意外地”选择白人男性作为高度匹配的应聘特征,或者在人脸识别上更多的关注白人。
特别是像IBM这样的公司,他们不仅使用人工智招聘,还用它评价员工的工作表现。你会信任一个机器人来评判你的工作表现吗?来决定你是否应该加薪?这公平吗?
未来,会有更多的与AI相关的道德规范出台。例如,甲骨文建立了一个道德委员会来讨论公平性、问责制和算法的透明度等问题。
IBM也正在研究“可解释的AI”,Microsoft制定了使用聊天机器人责任的指导原则(例如,公司应始终提醒客户他们正在与机器人而不是人进行通信,并提醒他们注意限制)。
由于担心隐私泄露的道德问题,有的城市停止使用人工智能程序面部识别功能,亚马逊也因为同样的原因叫停了员工监控跟踪AI。
人们开始明白虽然人工智能力量强大,现在相互提取或处理的数据类型是没有限制的。但我们必须回答的问题是:应该这样做吗?
展望未来,公司应制定合理的人工智能的发展路线,并且建立例行审计制度来确保他们的人工智能在管理员的掌控之下。这个过程也许会伴随着无休止的辩论:它在哪些方面进行了优化?是否会取代人类?如何对其进行监管以及道德风控等。人工智能的未来令人兴奋,与此同时,这或许也是一个疯狂的旅程。
但是有一点是确定的,那就是人工智能时代已经到来!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
“2026年考什么证书有用”这个问题,不能用一个榜单回答。同一张证书,对想进门槛岗位的人、想补岗位技能的人、想评职称的人,价 ...
2026-10-21经济学专业考什么证书,没有唯一答案。这个专业的出口本来就分散:有人去银行券商,有人做财会审计,有人转向数据分析,也有人走 ...
2026-10-21大学生考证最常见的误区,是把“证书清单”当成答案。真正有用的做法是先确定专业方向和目标岗位,再按“通用基础→岗位技能→行 ...
2026-10-21“中国证书含金量排行”没有跨行业、跨证书类型的统一权威榜单。准入类证书的价值在于“没有它不能干”,职称类证书的价值在于聘 ...
2026-10-21“现在什么证书含金量高”这个问题,很难用一个榜单回答。同一张证书,对想进教师岗的在校生、想评职称的在职工程师、想补数据分 ...
2026-10-21“大学里什么证书比较有含金量”这个问题,很难用一张榜单回答。同一张证书,对想进银行风控岗的学生可能是加分项,对准备考教师 ...
2026-10-21大学生问“拿什么证书”,真正要解决的不是收集一张榜单,而是判断三件事:这个证书在校期间能不能报,它对应什么岗位的什么工作 ...
2026-10-21“考哪些证书有用”很难用一张榜单回答。同一本证书,对想进会计事务所的人是门槛,对想做运营的人可能只是加分,对工作十年的人 ...
2026-10-21大学生现在能考的证书,主要是三类:不限专业、无工作年限要求的通用基础证书,对应具体岗位技能的证书,以及部分行业入门级认证 ...
2026-10-21先说结论:产品经理升职快,通常不是靠多考几个证,而是把四类能力补到“能拿出可衡量成果”的程度——业务理解与指标定义、数据 ...
2026-10-21产品岗的晋升加薪,通常不是“熬年限”熬出来的,而是三条线同时成立:业务结果能说清、能力结构对得上目标职级、成果拿得出手。 ...
2026-10-21产品策划的“必备技能”没有全行业统一大纲。互联网产品岗要写需求文档、画原型、跟进上线;活动或营销策划岗更侧重活动机制、传 ...
2026-10-21产品策划想快速成长,关键不是把工具学一遍,而是围绕真实工作流补齐判断力。需求调研、方案设计、项目推进、上线复盘这四段,决 ...
2026-10-21产品策划岗的知识体系可以拆成四层:业务与用户理解、需求与方案设计、项目推进协作、数据验证与复盘。这四层不是四门课,而是从 ...
2026-10-21财务人员提升业务技能,核心不是多考几个证,而是按“财务专业实操→业务理解与业财融合→数据分析与工具”三层补齐,再按自己当 ...
2026-10-21财务经理问“怎么快速提升”,最容易走的一条弯路是先报一堆课、考一堆证,回头发现月度工作还是编报表、对差异、催报销。真正拉 ...
2026-10-21数据敏感度常被误解成“对数字反应快”或“会写公式”。对财务经理而言,它更接近一套可重复的动作:看到关键指标变化,能判断是 ...
2026-10-21财务经理这个岗位,最容易出现的认知偏差是把“会计做得好”等同于“能当财务经理”。核算岗位的核心是把账做准、按时出表;财务 ...
2026-10-21财务顾问选课,先别急着看“热门榜单”。同样一门数据分析课,对有财务基础、正卡在方案测算的人有用,对刚转岗、连产品分类和客 ...
2026-10-21财务顾问这个岗位名称,在不同机构里指向的工作并不相同。在银行、券商、保险和第三方财富机构中,理财顾问方向的核心任务是理解 ...
2026-10-21