極客網·人工智能12月5日 人工智能（AI）的采用及其對企業(yè)的影響如今正處在一個重要的轉折點。隨著企業(yè)見證了AI帶來的切實好處，AI的采用率每年都在增長。
根據普華永道發(fā)布的一份調查報告，到2030年，AI對全球經濟的潛在貢獻將達到15.7萬億美元。IBM最近的一項調查確定了推動AI采用的主要因素，包括降低成本和自動化關鍵流程的需求、不斷上升的競爭壓力和不斷變化的客戶期望。
為了成功地從AI投資中獲益，企業(yè)管理者需要了解AI領域的發(fā)展趨勢和方向。
2023年AI發(fā)展趨勢預測
隨著全球AI投資的持續(xù)增加，人們需要了解AI在2023年的發(fā)展趨勢及其對企業(yè)的潛在影響：
1、低代碼AI在行業(yè)應用中取得長足進步
AI模型的開發(fā)過程是復雜、費力和迭代的，建立一套良好的模型需要數(shù)天的時間和數(shù)千次的實驗。低代碼AI/數(shù)據科學平臺改變了這一切，其提供的拖放界面有助于更快地創(chuàng)建實驗。直觀的圖形用戶界面（GUI）、視覺可重復性和協(xié)作是低代碼平臺的最大優(yōu)勢，這使得數(shù)據科學團隊能夠快速地執(zhí)行大量實驗。低代碼AI平臺也非常適合將數(shù)據工程師和業(yè)務分析師提升為公民數(shù)據科學家，減少對各行業(yè)領域中稀缺的專家數(shù)據科學家的依賴。
2、分布式模型訓練是AI建模的核心
數(shù)據科學團隊需要對數(shù)千個模型進行實驗。AI模型如今變得相當復雜，有數(shù)百萬個參數(shù)。而在低代碼的控制下，同時進行多個實驗的能力增加了很多倍。但要實現(xiàn)這數(shù)千個實驗，數(shù)據科學團隊需要一個符合成本效益的計算系統(tǒng)，根據需求進行擴展。采用傳統(tǒng)方法訓練這些復雜的、記憶密集的實驗是一個巨大的挑戰(zhàn)，以分布式計算為主導的模型訓練可以幫助解決這一挑戰(zhàn)，并且是實現(xiàn)可擴展的企業(yè)AI的核心。
3、機器學習運營（MLOps）的應用快速增長
麥肯錫在其2021年發(fā)布的調查報告中指出，MLOps的使用是企業(yè)從AI獲得成功回報的決定性因素。MLOps在AI領導者和數(shù)據科學家中越來越受歡迎，因為它將機器學習從實驗階段帶入生產階段，并涵蓋了企業(yè)數(shù)據科學過程的主要部分。當數(shù)據科學主管必須在生產環(huán)境中使用版本控制、快速擴展等功能管理和刪減生產環(huán)境中的數(shù)百個模型時，這確保了更好的治理。
4、AI的信任和可解釋性
AI不再被視為一個黑盒。越來越多的人開始投資AI，以做出關鍵的業(yè)務決策。因此，克服信任AI自動化敏感流程的挑戰(zhàn)變得至關重要。整個場景導致了可解釋的AI的出現(xiàn)，它有助于理解做出決策的因素?？山忉尩腁I的透明度是建立對AI的信任并提高其采用率的關鍵。
5、AI在網絡安全中的應用
隨著網絡威脅的復雜性增加，企業(yè)正在將AI融入到他們的安全解決方案中。AI現(xiàn)在正在處理日常存儲和保護敏感數(shù)據，以作為自動化網絡威脅預防和保護的下一步。它正被用來進一步增強情報分析能力，以檢測潛在威脅或模式，識別網絡攻擊者的潛在意圖。
成功采用AI的秘訣
埃森哲的一項研究表明，與追求單一概念證明的企業(yè)相比，戰(zhàn)略性地擴大AI規(guī)模的企業(yè)的成功率和回報分別是前者的兩倍和三倍。
事實表明，處于AI采用初期階段的企業(yè)的投資回報率可能并不高。AI必須在整個組織中進行擴展，以確保該技術能夠為企業(yè)做出巨大貢獻。
通過將AI集成到核心業(yè)務流程、工作流和客戶旅程中，可以優(yōu)化其日常運營和決策任務。麥肯錫在研究報告中預測，采用這種方法的企業(yè)很可能實現(xiàn)價值和規(guī)模的增長，其中一些企業(yè)甚至增加了約20%的收入。
成功擴展AI
成功擴展AI的關鍵驅動取決于特定的因素，例如人員、AI軟件和計算基礎設施。為了提升AI成熟度，企業(yè)需要了解數(shù)據洞察的來龍去脈，并將其納入業(yè)務流程。
其中一個重要的需求是采用能夠有效且高效地支持日常業(yè)務的AI系統(tǒng)，例如支付、交易量、銷售額，甚至生成季度報告。企業(yè)各部門的人員采用AI可以輕松地訪問數(shù)據洞察，而不會受到任何部門的制約。隨著企業(yè)規(guī)模的擴張，AI可以幫助其為現(xiàn)有產品探索新的領域或開發(fā)新產品。
結語
企業(yè)需要探索AI好處和可能性，并對其AI投資采取戰(zhàn)略方法。而采用AI，企業(yè)可以做的不僅僅是加速或自動化現(xiàn)有流程，還可以充分利用新的機會，提高AI在員工、客戶和利益相關者中的影響力。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
