人工智能如何幫助組織解決數(shù)字化轉(zhuǎn)型挑戰(zhàn)？可以從客戶服務(wù)到資源優(yōu)化的一些示例中獲得經(jīng)驗(yàn)。

根據(jù)調(diào)研機(jī)構(gòu)IDC公司最近發(fā)布的一份《全球人工智能支出指南》，預(yù)計全球人工智能預(yù)算將在未來四年翻一番，到2024年將達(dá)到1100億美元。

IDC公司人工智能計劃副總裁Ritu Jyoti指出：“越來越多的組織將采用人工智能，而且必須這樣做。人工智能是可以幫助組織進(jìn)行業(yè)務(wù)敏捷轉(zhuǎn)型、創(chuàng)新和擴(kuò)展的技術(shù)?！?/p>

數(shù)字業(yè)務(wù)咨詢機(jī)構(gòu)AHEAD公司現(xiàn)場首席技術(shù)官Josh Perkins說：“去年發(fā)生的疫情證明了人工智能技術(shù)的強(qiáng)大力量，人們的問題從‘人工智能技術(shù)在我們公司中能做什么？‘轉(zhuǎn)變?yōu)椤男╊I(lǐng)域還不適合人工智能？’”

Perkins表示，當(dāng)使用智能工具和功能解決特定于行業(yè)的問題時，人工智能將提供巨大的價值。醫(yī)療、銀行、保險、零售和制造業(yè)的組織中正在出現(xiàn)創(chuàng)造性的應(yīng)用程序。Perkins說：“這在很大程度上是因?yàn)榻M織希望更好地將數(shù)據(jù)資產(chǎn)實(shí)現(xiàn)貨幣化，并利用新的數(shù)據(jù)流來發(fā)掘見解?！?/p>

人工智能工具幫助應(yīng)對數(shù)字化轉(zhuǎn)型挑戰(zhàn)的5個領(lǐng)域

當(dāng)技術(shù)領(lǐng)導(dǎo)者將在現(xiàn)實(shí)世界中啟用人工智能的數(shù)字計劃時，了解最大價值所在將會提供幫助。某些主題在各個行業(yè)組織不斷出現(xiàn)。以下研究一下人工智能領(lǐng)域中功能最強(qiáng)大的一些用例：從機(jī)器學(xué)習(xí)（ML）和自然語言處理（NLP）到邊緣人工智能和AIOps。

（1）對話式人工智能：改善客戶服務(wù)體驗(yàn)

將豐富的客戶行為數(shù)據(jù)、自然語言處理（NLP）和聊天機(jī)器人結(jié)合起來時會得到什么？通常無需人工干預(yù)即可改變客戶聯(lián)系和支持的潛力。

Perkins說：“對自然語言處理（NLP）的大幅改進(jìn)使每天的客戶體驗(yàn)變得更加豐富和活躍。這項(xiàng)技術(shù)正在促進(jìn)機(jī)器人與客戶之間的對話的深度和自然流暢性?！?/p>

當(dāng)這種方法能夠快速訪問后端系統(tǒng)時，增強(qiáng)了客戶自助服務(wù)，組織希望能夠更快地為客戶解決問題。Perkins預(yù)測，在未來幾年內(nèi)，客戶將更難辨別他們是在與機(jī)器人交談，還是在與人工客服交談。

事實(shí)上，根據(jù)2020年全球各地組織的支出情況，部署自動化客服是最主要的人工智能用例。Perkins說：“目前有許多用例應(yīng)用于零售和電子商務(wù)垂直領(lǐng)域，主要集中在客戶服務(wù)上。例如在醫(yī)療保健領(lǐng)域，會話人工智能被用來協(xié)助患者支持和預(yù)約安排?！?/p>

（2）邊緣人工智能：解決帶寬、延遲和隱私問題的方法

人工智能曾經(jīng)只應(yīng)用在數(shù)據(jù)中心領(lǐng)域。但是，隨著人工智能應(yīng)用在網(wǎng)絡(luò)的邊緣，它開始為組織解決大量的分布式數(shù)據(jù)和分析問題。邊緣人工智能是在數(shù)據(jù)來源點(diǎn)嵌入智能功能，無論是物聯(lián)網(wǎng)終端、智能手機(jī)還是自動駕駛汽車。Red Hat公司首席技術(shù)戰(zhàn)略家G.Nadhan解釋說，“換句話說，邊緣計算使數(shù)據(jù)和計算最接近交互點(diǎn)?！?/p>

邊緣人工智能正在得到廣泛應(yīng)用，其應(yīng)用范圍從智能音箱到街頭的攝像頭。

邊緣處理器制造商Hailo公司首席執(zhí)行官Orr Danon表示：“直到最近，邊緣的人工智能基本上還是理論上的。在2021年，我們可能會看到，由于技術(shù)的進(jìn)步，邊緣人工智能的產(chǎn)品將出現(xiàn)增長，這些技術(shù)更容易獲得，價格也更低廉。邊緣人工智能對于管理不斷增長的數(shù)據(jù)量和減輕業(yè)務(wù)網(wǎng)絡(luò)日益增長的壓力至關(guān)重要。在邊緣處理數(shù)據(jù)而無需將數(shù)據(jù)傳輸?shù)皆贫?，使設(shè)備更強(qiáng)大、更通用、更靈敏、更安全，并有助于合規(guī)性。”

一些零售商也將在邊緣部署人工智能，以最快的速度和最小的延遲在本地處理本地視頻，這在某些情況下為非接觸式且無需收銀人員的購物打下了基礎(chǔ)。商店可以使用攝像頭和邊緣人工智能來檢測遠(yuǎn)處的物體，并快速處理相關(guān)信息。這些數(shù)據(jù)有助于優(yōu)化客戶等待時間、庫存貨架和店內(nèi)體驗(yàn)。

（3）機(jī)器和深度學(xué)習(xí)：網(wǎng)絡(luò)安全中的較量

不良行為者已經(jīng)利用人工智能發(fā)動網(wǎng)絡(luò)釣魚攻擊和其他惡意的網(wǎng)絡(luò)攻擊，并利用智能自動化提高網(wǎng)絡(luò)攻擊的速度、數(shù)量和種類。調(diào)研機(jī)構(gòu)Forrester公司預(yù)測，網(wǎng)絡(luò)罪犯采用Deepfake技術(shù)在2021年將使組織損失超過2.5億美元，他們利用人工智能創(chuàng)造令人信服的音頻和視頻，并在用戶的電子郵件泄露攻擊中欺騙用戶。

傳統(tǒng)的網(wǎng)絡(luò)緩解技術(shù)無法與這種復(fù)雜的方法相提并論。因此，人工智能在網(wǎng)絡(luò)安全和攻擊中的使用是Gartner公司在2020年預(yù)測的九大安全趨勢之一，并指出必須加強(qiáng)人工智能來增強(qiáng)網(wǎng)絡(luò)安全防御。

在網(wǎng)絡(luò)安全和威脅情報中有大量的人工智能網(wǎng)絡(luò)安全應(yīng)用程序。最常見的用例包括面部和語音識別、垃圾郵件或網(wǎng)絡(luò)釣魚識別以及惡意軟件檢測。機(jī)器學(xué)習(xí)方法可用于檢測電子郵件中的異常，模式識別技術(shù)可識別需要保護(hù)的受監(jiān)管個人數(shù)據(jù)，無監(jiān)督機(jī)器學(xué)習(xí)可對網(wǎng)站進(jìn)行分類并識別高風(fēng)險網(wǎng)站，無監(jiān)督機(jī)器學(xué)習(xí)可在網(wǎng)絡(luò)釣魚和垃圾郵件嘗試中發(fā)現(xiàn)近乎重復(fù)的網(wǎng)站。TrendMicro公司最近發(fā)表的一篇文章指出，端到端深度學(xué)習(xí)是檢測惡意軟件的解決方案。

（4）目標(biāo)：緩解IT警報疲勞等問題

IT組織需要考慮Ops這個主題。IDC公司指出，IT自動化是2020年人工智能增長最快的用例之一（以及藥物研發(fā)和人力資源自動化）。正如DevOps研究所的首席研究總監(jiān)Eveline Oehrlich在最近的一篇文章中指出的那樣，AIOps可以證明IT組織具有變革性，因?yàn)樵贗T組織中，運(yùn)營環(huán)境所生成的數(shù)據(jù)太多了，使領(lǐng)導(dǎo)者的決策受到了影響。在混合云時代，這是不斷增長的IT功能隊(duì)列。機(jī)器學(xué)習(xí)可以解決大量經(jīng)常冗余的警報，以更加實(shí)時或主動的方式幫助管理系統(tǒng)性能，并提供更大的端到端可見性，從而為IT團(tuán)隊(duì)節(jié)省時間。

為此有充分的理由將人工智能行動列入2021年十大人工智能趨勢的名單。而孤立的監(jiān)控系統(tǒng)無法跟上當(dāng)今多樣化的環(huán)境。Gartner公司認(rèn)為AIOps有五個主要用例：性能分析、異常檢測、事件關(guān)聯(lián)、分析，以及IT服務(wù)管理。

Perfecto by Perforce公司首席技術(shù)官兼產(chǎn)品經(jīng)理Eran Kinsbruner在最近發(fā)表的一篇文章中寫道：“這些工具共同構(gòu)建了一個全面的生產(chǎn)和運(yùn)營洞察力分析層，可以在大數(shù)據(jù)和先進(jìn)的現(xiàn)代軟件架構(gòu)上運(yùn)行。借助基于人工智能的操作功能，團(tuán)隊(duì)可以專注于確定其應(yīng)用程序的服務(wù)運(yùn)行狀況，并獲得對其生產(chǎn)數(shù)據(jù)的控制和可視性?！?/p>

隨著供應(yīng)商開始提供AIOps平臺解決方案，F(xiàn)orrester公司建議IT領(lǐng)導(dǎo)者尋求那些可以提供跨團(tuán)隊(duì)協(xié)作功能、端到端數(shù)字體驗(yàn)以及無縫集成到整個IT運(yùn)營管理工具鏈中的解決方案。

（5）機(jī)器學(xué)習(xí)：可預(yù)測的資源優(yōu)化

能夠預(yù)測突然變化（供應(yīng)或需求、醫(yī)療保健成果、銷售或客戶行為）的價值越來越清晰。

在基本層面上，有監(jiān)督的機(jī)器學(xué)習(xí)（特別是回歸）使組織能夠建立數(shù)學(xué)模型，根據(jù)一系列預(yù)測變量或輸入來預(yù)測未來的結(jié)果。Perkins說，“這種方法在各個行業(yè)的商業(yè)應(yīng)用非常廣泛，其共同點(diǎn)是能夠事半功倍。無論是人力資源、清單資源還是謹(jǐn)慎流程，機(jī)器學(xué)習(xí)都使人們能夠觀察和定義模式以獲取以前無法獲得的見解?！?/p>

這種技術(shù)的用例包括庫存優(yōu)化和重新訂購點(diǎn)，可以在特定的輪班或需求期間對員工進(jìn)行適當(dāng)?shù)墓ぷ靼才?，甚至提高銷售預(yù)測的準(zhǔn)確性。

責(zé)任編輯：YYX