人工智能项目正在起飞:这对未来的工作意味着什么?

简介:

首席信息官战略:首席信息官们应该如何为人工智能将造成的影响做好准备?

机器人即将到来,工作的世界将永远改变:最近PWC顾问们进行的一项研究估计,由于机器人和人工智能的使用,到2030年,现有的工作中的三分之一将会受到自动化的影响。

这项调查增加了对人工智能快速增长对工作的影响力的重视。毕马威最近同招聘企业Harvey Nash合作,对全球首席信息官进行调查,调查发现几乎有三分之二的首席信息官们正在投资或计划投资数字化劳动力,广泛地涉及机器人、自动化和人工智能。

这些技术负责人中有四分之一已经看到非常积极的成果。调查显示,数字化领导者们正在投资数字化劳动力,比例是其他高管的四倍。这些首席信息官还在整个企业中实施数字化劳动力解决方案,在某些情况下,是他们那些不太新锐的同行的两倍。

了解变化的规模

但是,重要的是不要过分强调变革的步伐。毕马威首席信息官咨询业务全球负责人Lisa Heneghan表示,我们还处于人工智能的早期阶段。数字领导者们正在使用机器人流程自动化来处理重复的手工流程,例如索赔处理和数据输入。Heneghan表示,对于更先进的数字功能(如机器学习)的决策仍然还需要制订。

她在谈到首席信息官们在评估人工智能方面扮演的角色时表示:“我们看到一些试用和少量的投资,但现在的钱并不在这里。”她表示“我们看到首席信息官们开始注重围绕数字化劳动建立卓越中心。当他们打造这个中心时,首席信息官们能够从全组织内数字的角度看待机会。”

例如,First Utility CIO Bill Wilkins已经创建了以客户为导向的数据分析方法,并继续寻找新的方法来帮助他所在的组织使用技术,包括人工智能和自动化。Wilkins表示,为了保持竞争力,他所在的组织必须不断地通过信息进行创新。

Diageo的首席生产力官Brian Franz也持有这种观点。他的职责是对该公司遍布全球的共享服务负责。他的首要任务是以可持续的方式推动效率和效益——这项工作旨在充分利用包括人工智能在内的先进技术。

他在谈到该公司最初尝试自动化的时候表示,“我们已经开始在我们在共享服务中运行的一些流程中使用机器人技术,我们对此有信心,我们将取得成功。”他表示,“在如何与消费者进行互动以及与他们如何与我们的品牌的互动方面,我们正在以实验的方式看待人工智能。”

风险投资公司Blenheim Chalcot Accelerate的集团技术官Mark Ridley是另一位热衷于在IT部门以及更广泛业务中使用机器学习和自动化的首席信息官。现在,Ridley表示,人工智能是快速做出许多决定的好方法。

他希望在企业开始看到深度学习发展的好处之前,这种关注仍然存在。Ridley表示,“这显然需要几年的时间才能普及。但是一旦开始这样做,就是人工智能而不是人类将开始做出微不足道的决定,这将是非常有趣的。”

“这个发展水平将对工作产生巨大的影响。作为高级管理人员,我们如何应对一个对简单任务不需要人力投入的社会?人工智能和机器人技术的结合是一个非常有趣的领域,它关乎人类的未来。”

为转型做好准备

因此,各种不同种类的人工智能确实会对企业及其员工的工作产生影响。Interim的首席信息官Christian McMahon是转型专家three25的董事总经理,也认为人工智能在短期内最大的影响可能仅限于迅速完成日常任务。

然而没有自满的余地。McMahon表示,人工智能将最终在企业运营中产生地震式的巨变,首席信息官们必须认识到这一点。他表示:“现在要把花在打造企业实质性竞争优势方面的努力投入到如何让企业能够使用或者获得这些技术方面,这样做的重要性,无论怎样强调都不为过。”

其他业务主管也可以发挥作用。TSB首席营销官Peter Markey是数字营销的先锋,并将业务数据与客户的需求相结合,帮助创建创新服务。他期望人工智能能够为CMO提供类似的机会,但他也同意还有很多工作要做。

Markey表示,“我喜欢这个想法,但我不认为我们真的探索了它全部的潜力或局限。市场营销人员需要在企业和个人之间取得平衡。自动化营销计划命悬一线,你会失去什么吗?”

“机器会在学习方面做得越来越好,但我不会看到所有的互动都被人工智能取而代之的那一天。当然,我们可以接近它。人工智能在开发营销方面的关键在于理解你的客户的需求,以及他们想如何与您的公司进行互动。”

Scope的CDO Mark Foulsham同样以客户为中心,相信人工智能可以帮助他的慈善机构做出更明智的决定。他认为机器学习和自动化的发展与尝试利用大数据是并行的。慈善机构目前还没有使用人工智能,但是Foulsham希望组织在开发其数据洞察策略时利用该技术。

他表示,“这里潜力巨大。”他认为,“所有的慈善机构都在通过多个渠道和客户和捐赠者对话,他们需要的是这些渠道提供无缝透明的体验。”

Foulsham表示,人工智能可以帮助慈善机构采取更主动的做法。他期待人工智能技术在后台工作,帮助慈善机构的高级管理人员及时进行干预,提高服务水平。

Foulsham表示,“作为高管,我们需要知道客户的行为方式。”他表示,“我们需要知道他们的需求可能是什么,我们需要确保他们在联系我们时具有无缝的体验,无论是通过网络、移动或者他们选择使用的任何平台。人工智能为此提供了另一个可能的方式。”

原文发布时间为:2017-8-16


本文作者:杨昀煦 


本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

 

目录
相关文章
|
14天前
|
人工智能 移动开发 JavaScript
如何用uniapp打包桌面客户端exe包,vue或者uni项目如何打包桌面客户端之electron开发-优雅草央千澈以开源蜻蜓AI工具为例子演示完整教程-开源代码附上
如何用uniapp打包桌面客户端exe包,vue或者uni项目如何打包桌面客户端之electron开发-优雅草央千澈以开源蜻蜓AI工具为例子演示完整教程-开源代码附上
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
MMAudio:开源 AI 音频合成项目,根据视频或文本生成同步的音频
MMAudio 是一个基于多模态联合训练的高质量 AI 音频合成项目,能够根据视频内容或文本描述生成同步的音频。该项目适用于影视制作、游戏开发、虚拟现实等多种场景,提升用户体验。
103 7
MMAudio:开源 AI 音频合成项目,根据视频或文本生成同步的音频
|
1月前
|
存储 人工智能 数据库
Codel:AI代理工具,支持在终端、浏览器、编辑器执行复杂任务和项目
Codel是一款全自主AI代理工具,支持在终端、浏览器和编辑器中执行复杂任务和项目。它运行在沙盒化的Docker环境中,具备自主操作能力,内置浏览器和文本编辑器,所有操作记录存储于PostgreSQL数据库。Codel能够自动完成复杂任务,如创建项目结构、进行网络搜索等,适用于自动化编程、研究与开发、教育与培训以及数据科学与分析等多个领域。
78 11
Codel:AI代理工具,支持在终端、浏览器、编辑器执行复杂任务和项目
|
2月前
|
人工智能 物联网 Shell
今日 AI 开源|共 12 项|开源的DIY健康追踪项目,基于低成本的智能戒指构建私人的健康监测应用
本文介绍了多个开源项目,涵盖了从量子计算错误纠正到视频生成和编辑的广泛应用领域。这些项目展示了AI技术在不同领域的创新和应用潜力。
211 10
今日 AI 开源|共 12 项|开源的DIY健康追踪项目,基于低成本的智能戒指构建私人的健康监测应用
|
2月前
|
存储 人工智能 缓存
官宣开源 阿里云与清华大学共建AI大模型推理项目Mooncake
近日,清华大学和研究组织9#AISoft,联合以阿里云为代表的多家企业和研究机构,正式开源大模型资源池化项目 Mooncake。
|
2月前
|
存储 人工智能 缓存
官宣开源|阿里云与清华大学共建AI大模型推理项目Mooncake
2024年6月,国内优质大模型应用月之暗面Kimi与清华大学MADSys实验室(Machine Learning, AI, Big Data Systems Lab)联合发布了以 KVCache 为中心的大模型推理架构 Mooncake。
|
2月前
|
存储 人工智能 文字识别
AI与OCR:数字档案馆图像扫描与文字识别技术实现与项目案例
本文介绍了纸质档案数字化的技术流程,包括高精度扫描、图像预处理、自动边界检测与切割、文字与图片分离抽取、档案识别与文本提取,以及识别结果的自动保存。通过去噪、增强对比度、校正倾斜等预处理技术,提高图像质量,确保OCR识别的准确性。平台还支持多字体识别、批量处理和结构化存储,实现了高效、准确的档案数字化。具体应用案例显示,该技术在江西省某地质资料档案馆中显著提升了档案管理的效率和质量。
|
2月前
|
人工智能 安全 网络安全
揭秘!大模型私有化部署的全方位安全攻略与优化秘籍,让你的AI项目稳如磐石,数据安全无忧!
【10月更文挑战第24天】本文探讨了大模型私有化部署的安全性考量与优化策略,涵盖数据安全、防火墙配置、性能优化、容器化部署、模型更新和数据备份等方面,提供了实用的示例代码,旨在为企业提供全面的技术参考。
138 6
|
3月前
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
86 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来AI趋势:掌握Function Calling技巧,解锁大模型精度提升的秘密武器,让你的数据科学项目事半功倍!
【10月更文挑战第6天】随着深度学习技术的发展,神经网络模型日益复杂,Function Calling作为一种机制,在提升大模型准确度方面发挥重要作用。本文探讨Function Calling的概念及其在大模型中的应用,通过具体示例展示如何利用其优化模型性能。Function Calling使模型能在运行过程中调用特定函数,提供额外的信息处理或计算服务,增强模型表达能力和泛化能力。例如,在文本生成模型中,根据上下文调用词性标注或实体识别等功能模块,可使生成的文本更自然准确。通过合理设计条件判断逻辑和功能模块权重,Function Calling能显著提升模型整体表现。
102 3