2022年的十大AI企业战略趋势

首席信息官、首席技术官和技术领导人一致认为：人工智能将成为未来五年内各行业创新的主要驱动力。近一半的首席信息官表示，他们已经开始使用人工智能或计划在2022年实施人工智能，而最近接受调查的三分之二的工人表示，他们希望雇主在工作场所增加更多基于人工智能的解决方案。

随着越来越多的企业寻找实施人工智能的方法，行业领导者必须考虑他们将如何为下一个大事件做好准备。以下是我们今年将看到的十大人工智能企业战略趋势。

1.在高风险的情况下，道德将是一个优先事项。

如果你正在考虑为一个高风险的目的建立自己的人工智能算法，那首先要把你的道德责任考虑到。

你的算法是否会提出关于雇用和解雇的建议？批出或拒绝贷款？诊断一个医疗状况？在这些情况下，机器学习模型的预测不准确的风险是很严重的，所以你的团队必须同样认真对待所涉及的道德考虑。如果这些用例对你的业务有足够的数量和中心地位，可以证明继续使用人工智能解决方案是合理的，那么对所有利益相关者和参与者的可能结果进行仔细的道德调查。

从你的行业中已经存在的可信赖的资源开始。例如，世界卫生组织在2021年发布了以医疗保健为重点的人工智能的六个关键道德原则。这些原则规定了保护自主权、促进人类安全、确保透明度和安全性以及促进问责制的重要性。

而且，仅仅让你的开发团队了解围绕你的算法的道德规范是不够的。要确保你的整个组织是对话的一部分。

2. 伴随着这一伦理对话，将有一个强有力的人类审查过程。

除了对道德的深思熟虑，我认为我们将看到更多的做法是严重依赖 "人类的循环"过程。在试验和建立一个新的人工智能系统时，甚至在稳定的生产中，一个强大的人类审查过程可以确保准确性，并在很大程度上改善机器学习。例如，在支持自动化方面，当客户的问题出现歧义时，一个由人工智能驱动的平台应该很容易升级到人类专家。每次人工智能到达人类来源时，它都会从交流中学习，使需求随着时间的推移而减少。

对于刚开始使用人工智能的团队来说，人类在循环中是至关重要的；他们应该只允许算法在他们有绝对信心的情况下不经审查就采取行动。

3. 聊天机器人的使用将扩大到网站登陆页面以外的地方。

我们会看到企业在其网站或支持团队获得大量流量的地方部署带有神经搜索的聊天机器人。这个用例的自然语言技术在过去几年里已经从摸索到成熟，如果你没有人工智能运行防御来卸载和增强你的团队，你会被熏倒。

特别是支持自动化，为服务台和支持团队提供了优势，因为它们包含了对话式聊天机器人。这些聊天机器人由全面、集中的知识库提供支持，并能在公司网站之外的各种交流界面上启动，为用户提供他们所寻求的自助服务选项，无论他们在哪里。

4. 我们将看到更多人类与人工智能一起工作的例子。

人工智能正在迅速扩散到我们日常生活的抽象基础层中，就像电子邮件、电子商务、移动和云计算趋势在最近所做的那样。人工智能在幕后为搜索、客户互动和我们喜爱的平台的推荐引擎提供动力。

但在其他时候，人类使用它的方式更加突出和有意。我最喜欢的例子是在OpenAI的Codex和DeepMind的AlphaCode等新生成模型的帮助下编写计算机代码。你可以从字面上为这些系统描述结果作为提示，它们将生成一个有效的代码支架，供开发人员审查并为他们的目的进行微调。这是一种放大人类编码者的惊人方式，其他类似的模式肯定会出现。

5. 机器人在物理世界中的新商业模式将出现。

物理世界中的机器人已经开始尝试新的商业模式。现在，公司不是用大笔资金购买制造机器人，而是通过支付与人类工人有竞争力或更低的小时工资来租赁它们。这可以大大加快机器人技术在中小型企业中的应用。

在接受调查的首席信息官、CTOS和IT主管中，超过80%的人认为，机器人将提升他们25%的工作，企业将在各个业务职能部门部署机器人，所有这些都将在未来五年内实现。

6. 人工智能工具的包装将不断成熟。

人工智能工具和服务的包装正在令人印象深刻地成熟起来。例如，容器化提供了可移植性、效率和敏捷性，因为在更快地交付增强功能和更容易扩展人工智能工具方面的压力越来越大。

想想任何技术的演变。比如说。当键盘在打字机时代首次出现时，有几种相互竞争的布局，从字母表到人体工程学到字母频率。最终，QWERTY布局成为所有这些因素的奇特组合的标准，而现在我们对它不屑一顾。

同样，人工智能工具也开始向一套一致的形式和功能靠拢，比如云数据库、容器化模型、基准和用Python构建（或包裹在其中）的API。我为这个充满生机的生态系统感到鼓舞，它继续着人工智能领域自我组织和不断创新的步伐。

7. 更多的团队将从小处着手，避免过度设计。

团队将接受从小型人工智能开始的智慧。只要把东西拿出来：概念验证或试点。因为据估计，近90%的试点项目都没有进入生产阶段，所以要避免过度设计。

相反，准备迭代。准备好从不可避免的成功和失败中学习，记录每个版本的人工智能，以评估性能并考虑训练数据和技术。

8. 重新关注管理数据管道的合适人员。

请记住，获取数据、清理数据和理解数据仍然是艰苦的、亲身的工作。许多人将承诺为此提供一个即插即用的自动解决方案。根据我的经验，你仍然需要有能力的人把数据管道放在一起并管理它们，以便人工智能工具和服务能够利用你的数据。

一项对数据科学家的调查发现，他们花了大约45%的时间准备数据--包括加载和清理数据。特别是在其早期阶段，人工智能依靠高质量的数据来学习和发展。让合适的人掌舵你的数据管道，有可能在你的组织中灌输更好的数据文化，有望获得更好的努力回报。

9.首席数据官的作用将与业务一起发展。

首席数据官的角色必须跟上传统数据功能的动态演变，如存储、架构、建模、预测、商业智能和分析，特别是在当前数字优先的情况下。随着公司继续在运营中实施这一关键角色，首席数据官将越来越需要参与更多领域，包括战略、产品、道德和法律。

10. 宏观环境将推动自动化的商业案例走高。

在过去的几年里，尽管处于历史上的低通货膨胀时期，我们已经看到采用人工智能和自动化来提高产品和服务的稳步上升。随着劳动力和其他成本预计将在未来几个月和几年内更大幅度地增加，我们将看到像自动化这样的替代方案的商业案例更加加强，使人工智能创新的飞轮旋转得更快。

有效的人工智能取决于你

人工智能正在迅速从 "不错的 "技术转变为优化你的业务的基本资产。但是，仅仅实施人工智能是不够的--成功部署人工智能取决于整个组织的合作，对所涉及的人类的关注，你的行业的道德关注，以及对不断创新的奉献。