Forrester:AI 科技与商业严重脱节,系统优化才是企业 AI 应用之道

简介:

新兴的科技受到追捧是社会进步的体现,然而商业对新兴科技的吸收需要一个不断磨合的过程。人工智能让人们看到了其巨大的潜力,但应该如何体现其商业价值,如果使其落地于各个商业场景,如果让开发人员有效地衔接,都成为了企业决策者需要思考的问题。新智元就 AI 在企业中的应用问题采访了弗雷斯特研究公司首席分析师(企业架构方向)戴鲲先生。弗雷斯特研究公司(Forrester Research)是全球最大的第三方市场研究机构之一,主要为企业和公众提供商业科技和市场战略方面的洞见和咨询。


“在我们的企业客户中,有越来越多的人在关注AI科技可能对企业带来的改变”,戴先生告诉新智元记者。据弗雷斯特 2016 年的一份报告显示,在其在全球范围内在线调查的391个商业和科技决策者中,有58%的人表示正在研究企业应如何应用人工智能(包括市场、方案、平台、提供商、技能等),而真正正在使用AI技术的人只占调查人群中的12%


也就是说,在很多企业内部,AI还有很大的发展空间,即使是对于技术高层管理人员,AI在企业中的应用也是一个学习和探索的过程。一般在对AI完成调研后,技术团队还会依次经历选择框架、收集数据、测试环境、训练机器等一系列的步骤,最后才会进入真正使用AI的阶段。所以,从58%到12%的倒三角格局也体现了在AI的整个形成周期中,多个中间环节所需要耗费的时间成本。


640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=


企业在AI调研中的很重要的一个步骤就是思考如何使用好市面上已有的一些AI工具。当问到该如何从中去选择时,戴先生说:“很多技术驱动型公司会使用一些开源的框架,而在某一行业的公司一般会寻找一些成型的商业解决方案。每个公司的情况都不一样。”


确实,AI应用种类众多,很多时候都需要具体问题具体分析,但一般来说开发人员会把AI分为三大类:


第一,嵌入式AI,需要依托一个硬件设备在特定场景下进行实时地人机互动,像Amazon的Alexa、汽车自动驾驶,都是属于这个范畴。企业一般需要“算法+软件+芯片”的整体打包服务。应用场景的复杂程度决定了AI技术的复杂程度。


第二,终端解决方案。最明显的例子就是自然语言处理、图像处理,还有就是用于决策的expert system的Cognito,用于客户服务的wise.io等等。 


第三,AI平台,覆盖范围最广,应用最全面,比如 IBM Watson,微软的Cortana。这其中还包括了一些深度学习的平台,比如Google TensorFlow,Amazon AWS,微软的CNTK,Facebook基于Torch的深度学习组件。每个平台都有自己不同的能力侧重。


640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=


“如果开发人员想要选择一些开源的框架,Tensorflow现在引起了很多人的注意,也有很多人在使用;Amazon的 DSSTEN 开放以后,随着云计算的采用,也会有更多的人去关注。”


对于绝大多数开发人员来说,最关心的问题是:第一,选择什么样的开发平台;第二,基于这样的平台,选择什么样的算法。作为一家全球性科技咨询商,弗雷斯特也会常从客户那里得到这样的问题。很多企业都希望选择一种被成功实践过的解决方案,一击致敌,或者至少可以借鉴别人的经验,减少无谓地试错。开发人员最关心的第三个问题就是数据。数据和算法是相辅相成的,数据类型决定了算法的类型。另外,数据的可用性、丰富性、完整性也是开发人员考量的重要因素。


然而,“很多开发人员没有意识的问题就是到底要用这些平台、算法、数据去解决什么业务上的问题。这是很多开发人员所欠缺的,也就是说这里存在着脱节”,戴先生评论说。换一个角度说,企业的商业层面愿意去相信人工智能可以为企业带来很大的提升和改观,所以会对AI有很大的期待。但是在技术层面上,团队人员一般对公司的业务不是特别清楚了解,不知道去提升哪方面的能力,就让对 AI 期待显得有些过于乐观。实际上,如何去设计参数,如何去有效地降维,背后的逻辑都是业务上的逻辑。


戴先生也呼吁企业“不应该为了AI而AI”。企业架构师和商业决策者应当一起真正解决企业中的实际问题。这个策略也同样适用于小型公司和创业公司。


很多以AI为核心驱动科技的小公司,想要躲避大公司的夹击,就必须更多的思考哪些商业问题最适合于AI去解决,然后用AI技术做差异化竞争。比如在金融服务领域,如果小公司能够通过机器学习更好的去了解某一类型客户(比如银行VIP客户)的特殊习惯和需求,就有可能提供更贴心的服务。再比如电商领域,客服部门常年很大比例都在处理一些无理、无序的顾客要求,如果AI能提前预测出打电话顾客意图,就可以有目的地做区别处理,提高客服效率。


AI的本质就是自动化,而自动化往往是从底层做起,然后层层向上延展的。作为资深的企业架构师,戴先生也提醒企业客户,就自动化来讲,做好在云端的自动运维往往是万里长征第一步。像金融这类重点的行业,如果能完成某些系统的自动运维,就会成百上千倍地提高工作效率,自然也就相当于大大减少了人工成本的投入。


这样看来,AI也许做的并不是直接取代人脑的工作,对于企业来说,系统优化才是 AI 技术背后的真正商业逻辑。


文章转自新智元公众号,原文链接

相关文章
|
14小时前
|
机器学习/深度学习 人工智能 算法
31万奖金池等你挑战!IJCAI 2024 第九届“信也科技杯”全球AI算法大赛正式开赛!聚焦AI尖端赛题!
31万奖金池等你挑战!IJCAI 2024 第九届“信也科技杯”全球AI算法大赛正式开赛!聚焦AI尖端赛题!
41 1
31万奖金池等你挑战!IJCAI 2024 第九届“信也科技杯”全球AI算法大赛正式开赛!聚焦AI尖端赛题!
|
17小时前
|
人工智能 NoSQL atlas
Fireworks AI和MongoDB:依托您的数据,借助优质模型,助力您开发高速AI应用
我们欣然宣布MongoDB与 Fireworks AI 正携手合作让客户能够利用生成式人工智能 (AI)更快速、更高效、更安全地开展创新活动
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 随着人工智能(AI)技术的飞速发展,其在教育领域的应用日益增多。特别是在持续学习系统(Lifelong Learning Systems, LLS)中,AI技术正开启着个性化和适应性教学的新篇章。本文聚焦于AI在LLS中的创新应用,探讨了机器学习、自然语言处理和认知建模等关键技术如何共同作用于构建智能化的学习环境。文章旨在分析当前AI技术在持续学习领域的最新进展,并展望其对未来教育模式的影响。
|
3天前
|
机器学习/深度学习 人工智能 自动驾驶
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 在人工智能的迅猛发展浪潮中,一个不断进化的分支便是AI在持续学习系统中的应用。本文旨在探讨AI技术如何革新持续学习系统,并分析其在不同领域的创新实践。文章首先界定了持续学习系统的概念,随后深入解析了深度学习、强化学习以及转移学习等关键技术在其中的作用。通过案例分析,展示了这些技术如何在医疗诊断、自动驾驶及个性化教育中发挥至关重要的角色。最终,讨论了面临的挑战与未来的发展趋势,为读者提供了一个关于AI在持续学习领域未来可能展开的蓝图。
4 1
|
3天前
|
人工智能 自然语言处理 程序员
如何看待首个 AI 程序员入职科技公司?
【5月更文挑战第3天】通义灵码入职阿里云,那么 如何看待首个 AI 程序员入职科技公司?
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术的应用和发展
【5月更文挑战第10天】AI技术的应用和发展
21 1
|
5天前
|
人工智能 搜索推荐 机器人
AI在医疗领域的突破性应用:重塑未来的医疗格局
【5月更文挑战第9天】AI正重塑医疗领域,从医学影像诊断的自动化提升准确性,到个性化治疗方案的制定,智能手术与机器人辅助提高手术安全,预防性医学借助大数据预测健康风险,智能调度优化医院运营,以及聊天机器人和虚拟健康助手提供便捷咨询。这些突破性应用将深刻改变医疗格局,实现更高效率和精度的医疗服务。
|
7天前
|
人工智能 自然语言处理 搜索推荐
AI在医疗领域的应用有哪些?
【5月更文挑战第7天】AI在医疗领域的应用有哪些?
37 6
|
7天前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的应用
【5月更文挑战第6天】 随着人工智能技术的飞速发展,AI在各个领域中的应用越来越广泛。本文将探讨AI在持续学习系统中的应用,以及如何通过这种技术提高教育质量和效率。我们将讨论AI如何帮助个性化学习,提供实时反馈,以及如何通过数据分析预测学生的学习进度。此外,我们还将探讨AI在教育中的潜在挑战和解决方案。
18 3
|
7天前
|
人工智能 自动驾驶 安全
破壁人AI百度:科技公司反内卷的典型样本
互联网整个行业都在陷入被动且尴尬的局面。去年开始流行的“内卷”一词,恰如其分的描述了互联网的现状,比如抖音开始做外卖,微信强推视频号,一直硝烟弥漫的电商市场,更是激战在社区团购上。
21 3