点击“”按钮,即表示您同意Gartner使用条款而且隐私政策。
人工智能(AI)应用先进的分析和基于逻辑的技术,包括机器学习,来解释事件,支持和自动化决策并采取行动。
在Gartner,我们定义了人工智能(AI)应用先进的分析和基于逻辑的技术,包括机器学习(ML),来解释事件,支持和自动化决策并采取行动。这一定义与AI技术和能力的当前和新兴状态是一致的,它承认AI现在通常涉及概率分析(将概率和逻辑结合起来,为不确定性赋值)。
其他组织和个人可能会使用不同的定义。没有单一的,被普遍接受的人工智能描述符因为人工智能可以通过多种方式支持、增强和自动化人类活动,并独立学习和行动(参见“什么是机器学习?”)。
然而,为了抓住人工智能作为一个组织的机会,你需要明确并同意一个普遍接受的定义,专注于你想要人工智能实现的目标。(参见“什么是企业人工智能战略?”)。
保留意见分歧的空间,但要确保业务、IT、数据和分析领导者在人工智能对组织的意义上没有根本分歧,否则你将无法设计出能够获得好处的战略。
请注意,人工智能技术供应商也可能对该术语有自己的定义。请他们解释他们的产品如何满足你对人工智能如何提供价值的期望。
机器学习是一项让人工智能解决问题的关键技术。尽管存在常见的误解(以及流行文化中的误称),但机器不会学习。它们存储和计算的方式越来越复杂。
机器学习是一门纯粹的分析学科。它将数学模型应用于数据,以提取知识,并发现人类可能会错过的模式,ML也会建议行动,但它不会指导系统在没有人类干预的情况下采取行动。
更具体地说,机器学习创建一个算法或统计公式(称为“模型”),将一系列数据点转换为单个结果。ML算法通过“训练”来“学习”,在“训练”中,它们识别数据中的模式和相关性,并使用它们来提供新的见解和预测,而不需要明确地编程来这样做。
深度学习是机器学习算法的一种变体,它通过从原始数据中提取知识并在每个层次上进行转换,使用多层算法来解决问题。深度学习通过处理复杂且通常是高维的数据(如图像、语音和文本),可以胜过传统的ML(或浅学习技术)。尽管如此,无论是基于规则的系统还是传统的ML都可以有效地解决许多AI问题。
在大多数组织中,深度学习解决方案还不是产品路线图的重要组成部分(基于规则的系统或传统ML可以有效地实现当今大多数AI用例),但随着数据处理的进步和计算技术的突破,它们的使用正在迅速增加。
使用ML(包括深度学习)进行预测,使人工智能驱动的过程能够自动选择最有利的结果,从而消除了对人类的需求决策者.
IT和数据分析领导者可以使用人工智能技术解决广泛的业务问题并能产生可观的投资回报;然而,对于大多数组织来说,问题是如何使用人工智能来创造或加速企业的增长数字业务.
人工智能的主要机遇在于它能够:
高德纳的研究一直表明,首席信息官们看到了人工智能带来的巨大机遇,但仍难以在实践中抓住这些优势。尽管如此,人工智能最终将重塑工作方式,因为这项技术将取代一些通常由员工完成的任务,并改变日常决策的制定方式。用例主要分为三类:自动化和优化,生成洞察力和创建类似人类的参与(例如,聊天机器人和虚拟助手)。(参见“人工智能在商业领域应用的例子有哪些?”)。
然而现在,人工智能炒作可能很普遍,使得一些组织很难对业务结果设定正确的期望。不加节制的炒作会催生出没有成功机会的项目。当这种情况发生时,抱着不切实际期望的商业领袖会指责技术和科学无法实现他们所希望的变革。
确保从一开始就为AI建立企业战略,以确定用例和成功的衡量标准。衡量效益的常用方法包括降低风险、加快流程、改善销售、提高客户满意度以及减少劳动力需求或成本。许多商业案例依赖于有形利益和无形利益的结合。(参见“什么是企业人工智能战略?”)。
作为一个新兴技术在美国,人工智能的全部影响和好处尚未实现。例如,人工智能创新是颠覆现有市场、推动新的数字业务举措的众多力量之一。但人工智能也正以各种方式应用于各个行业、组织和职能部门。来自业务操作的一些例子是:
为了让企业获得人工智能的好处,执行领导者应该建立一个企业范围内的人工智能战略,以确定用例,量化收益和风险,调整业务和技术团队,并改变组织能力,以支持人工智能的采用。
为了确保你从人工智能中获得价值,战略性地选择计划,专注于你的组织试图实现的目标和你正在努力解决的业务问题。为了让AI真正起飞,你需要将AI作为现有应用程序家族的一部分——这包括拥有来自业务各个领域的数据来支持它提供的功能。
处于人工智能成熟早期阶段的组织更有可能在推进到价值主张的关键要素(如客户体验)之前,围绕成本控制来追求用例。高德纳的研究表明,随着成熟度的增长,人工智能的应用越来越广泛,影响也越来越大。
企业人工智能战略的关键要素是:
人工智能学科正在迅速发展新技术、专用的基础设施和硬件。Gartner预计,在未来五年内,企业将采用尖端技术,实现更智能、更可靠、更负责任、环境可持续的人工智能应用。
如今,人工智能的发展轨迹更紧密地跟随在它之前的技术。对于企业和政府来说,人工智能正变得越来越:
展望未来,企业将继续追求人工智能来增强他们的决策过程。迅速采用这些方法的精明企业将推动更具竞争力的差异化,变得更加敏捷,对生态系统的变化反应更灵敏。
对于基础设施和运营团队来说,执行人工智能战略仍然是一个挑战。内部部署意味着投资于难以预测的基础设施和架构、人员和资金。这使得云计算更具吸引力,但随着人工智能需求的增长和所需投资的增加,云计算可能会变得越来越难以负担(对云提供商的承诺也更加令人担忧)。这就是为什么平衡云计算功能投资和基础设施投资的战略如此有吸引力(所谓的云/本地混合战略).
Gartner对人工智能的战略规划假设是:
大多数商业组织不知道或不理解人工智能的内部工作原理,这就产生了对公平性、安全性和安全性的潜在担忧隐私.但如果企业不信任人工智能技术,因此组织需要制衡来评估和应对威胁和损害,并确保完整性嵌入人工智能。
Gartner将其人工智能风险管理框架称为“大多数“因为它有以下三个支柱:
随着人工智能在企业中成为主流,威胁将不可避免地随之而来,并导致严重的组织风险。组织必须主动评估这些威胁。这样做可以增加利益相关者对人工智能的信任。
事实上,Gartner预计,到2025年,监管将有必要关注人工智能伦理、透明度和隐私,这将刺激(而不是扼杀)全球人工智能的信任、增长和更好的功能。