人工智能(AI)应用先进的分析和基于逻辑的技术,包括机器学习,来解释事件,支持和自动化决策并采取行动。
在高德纳,我们定义人工智能(AI)应用先进的分析和基于逻辑的技术,包括机器学习(ML),来解释事件,支持和自动化决策并采取行动。这一定义与人工智能技术和能力的当前和新兴状态是一致的,它承认人工智能现在通常涉及概率分析(将概率和逻辑结合起来,为不确定性赋值)。
其他组织和个人可能使用不同的定义。没有单一的,普遍接受的人工智能描述符因为人工智能可以通过多种方式支持、增强和自动化人类活动,并独立学习和行动(参见“什么是机器学习?”)。
然而,为了抓住人工智能作为一个组织的机会,您将需要明确并同意一个普遍接受的定义,重点关注您希望人工智能完成的内容。(参见“什么是企业人工智能战略?”)。
保留意见分歧的空间,但要确保业务、IT、数据和分析领导者对人工智能对组织的意义没有根本的分歧,否则你将无法设计出一个能抓住人工智能好处的战略。
请注意,人工智能技术供应商也可能对这个术语有自己的定义。让他们解释他们的产品如何满足你对人工智能如何传递价值的期望。
机器学习是一项使人工智能能够解决问题的关键技术。尽管存在常见的误解(以及流行文化中的用词不当),但机器不会学习。它们以越来越复杂的方式进行存储和计算。
机器学习是一门纯粹的分析学科。它将数学模型应用于数据以提取知识并找到人类可能遗漏的模式。ML也会推荐操作,但它不会指导系统在没有人类干预的情况下采取行动。
更具体地说,机器学习创建一种算法或统计公式(称为“模型”),将一系列数据点转换为单个结果。机器学习算法通过“训练”来“学习”,在“训练”中,它们识别数据中的模式和相关性,并利用它们提供新的见解和预测,而无需明确编程。
深度学习它是机器学习算法的一种变体,通过从原始数据中提取知识并在每个层面进行转换,使用多层算法来解决问题。深度学习可以通过处理复杂且通常是高维的数据(如图像、语音和文本)来优于传统的ML(或浅学习技术)。尽管如此,基于规则的系统或传统的机器学习都可以有效地解决许多人工智能问题。
在大多数组织中,深度学习解决方案还不是产品路线图的重要组成部分(基于规则的系统或传统的ML可以有效地实现今天的大多数人工智能用例),但随着数据处理的进步和计算技术的突破,它们的使用正在迅速增加。
使用机器学习(包括深度学习)进行预测,使人工智能驱动的过程能够自动选择最有利的结果,从而消除了对人类的需求决策者.
生成式人工智能是指从数据中提取人工制品并使用它们生成与原始材料相似但不重复的新材料的人工智能技术。它可以生成媒体(如文本、图像、音频、代码和视频)、学习方法、过程、应用程序、合成数据和物理对象的模型。
今天,生成式人工智能最常见的是根据自然语言请求创建内容——也就是说,它不需要知识或输入代码——但随着时间的推移,我们可能会看到多媒体输入和输出的增加。生成式人工智能在2022年底引起了主流的关注,OpenAI发布了ChatGPT是一款由生成式预训练转换器(GPT)大型语言模型(LLM)驱动的聊天产品创新。变形模型,如DALL·e2和BERT,同样可以生成新的图像和其他内容。
这些变压器模型及其类似人类的输出引起了人们对人工智能的极大兴趣和投资。像其他新兴技术然而,生成式人工智能伴随着炒作和风险。在出现在我们的2022年顶级战略技术趋势名单之后,我们目前将其置于通胀预期的峰值人工智能的Gartner Hype Cycle™并预测它将在两到五年内达到生产力的平稳期。
IT和数据分析领导者可以使用人工智能技术解决各种各样的业务问题并能产生可观的投资回报;然而,对于大多数组织来说,问题是如何使用人工智能来创造或加速增长数字业务.
人工智能的主要机遇在于它能够:
高德纳的研究一致表明,首席信息官们看到了人工智能带来的巨大机遇,但在实践中仍难以抓住这些优势。尽管如此,人工智能最终将重塑工作方式,因为这项技术取代了一些通常由员工完成的任务,并改变了日常决策的制定方式。用例主要分为三类:自动化和优化,产生洞察力和创造类似人类的参与(例如,聊天机器人和虚拟助手)。(参见“人工智能在商业中的应用有哪些例子?”)。
然而现在,人工智能的炒作可能很普遍这使得一些组织很难对业务结果设定正确的期望。不受控制的炒作导致了没有成功机会的项目。当这种情况发生时,抱有不切实际期望的商业领袖会指责技术和科学无法创造他们所希望的变革。
确保从一开始就为人工智能建立一个企业战略,以识别用例和成功的度量标准。衡量收益的常用方法包括风险降低、过程速度、改进的销售、增加的客户满意度以及减少的劳动力需求或成本。许多商业案例依赖于有形和无形利益的结合。(参见“什么是企业人工智能战略?”)。
作为一个新兴技术在美国,人工智能的全部影响和好处尚未实现。例如,人工智能创新是扰乱现有市场和实现新的数字业务计划的众多力量之一。但人工智能也正以各种方式应用于各个行业、组织和职能部门。商业运作中的几个例子是:
为了让企业获得人工智能的好处,执行领导者应该建立一个企业范围的人工智能战略,以识别用例,量化收益和风险,使业务和技术团队保持一致,并改变组织能力,以支持人工智能的采用。
为了确保您从人工智能中获得价值,请战略性地选择计划,专注于您的组织正在努力完成的任务以及您正在努力解决的业务问题。为了让人工智能真正起飞,你需要将人工智能作为现有应用程序家族的一部分——这包括从业务的每个领域获得数据,以支持它提供的功能。
处于人工智能成熟早期阶段的组织更有可能在推进价值主张的关键要素(如客户体验)之前,围绕成本控制追求用例。Gartner的研究表明,随着成熟度的增长,人工智能的应用范围越来越广,影响也越来越大。
企业人工智能战略的关键要素是:
人工智能学科正在迅速发展新技术,专用的基础设施和硬件。Gartner预计,在未来五年内,企业将采用尖端技术,实现更智能、更可靠、更负责任、更环保的人工智能应用。
现在,人工智能的发展轨迹更接近于之前的技术。对于企业和政府来说,人工智能正变得越来越:
展望未来,组织将继续追求人工智能来增强他们的决策过程。精明的企业如果能迅速采用这些方法,就能推动更具竞争力的差异化,变得更加敏捷,对生态系统的变化反应更迅速。
对于基础设施和运营团队来说,执行人工智能战略仍然是一个挑战。启动内部部署意味着投资基础设施和架构,这可能难以预测,人员和资金。这使得云计算选项很有吸引力,但随着对人工智能需求的增长和所需投资的增加,云计算可能变得越来越难以负担(对云计算提供商的承诺也越来越令人担忧)。这就是为什么平衡云功能投资和基础设施投资的战略如此有吸引力的原因云/本地混合策略).
Gartner对人工智能的战略规划假设是,到2025年:
大多数商业组织不知道或不了解人工智能的内部工作原理,这可能会引发对公平、安全和安全的担忧隐私.但人工智能无法蓬勃发展,如果业务不相信因此,组织需要检查和平衡,以评估和响应威胁和损害,并确保完整性嵌入人工智能。
Gartner将其人工智能风险管理框架称为“大多数因为它有以下三个支柱:
随着人工智能成为企业的主流,威胁将不可避免地随之而来,并导致严重的组织风险。组织必须主动评估这些威胁。通过这样做,他们可以增加利益相关者对人工智能的信任。
事实上,高德纳预计,到2025年,监管将需要关注人工智能伦理、透明度和隐私,这将刺激(而不是扼杀)全球人工智能的信任、增长和更好的运作。