根據普華永道發(fā)布的一份調查報告，到2030年，AI對全球經(jīng)濟的潛在貢獻將達到15.7萬(wàn)億美元。IBM最近的一項調查確定了推動(dòng)AI采用的主要因素，包括降低成本和自動(dòng)化關(guān)鍵流程的需求、不斷上升的競爭壓力和不斷變化的客戶(hù)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(lǐng)域的發(fā)展趨勢和方向。

　　2023年AI發(fā)展趨勢預測

　　隨著(zhù)全球AI投資的持續增加，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(cháng)足進(jìn)步

　　AI模型的開(kāi)發(fā)過(guò)程是復雜、費力和迭代的，建立一套良好的模型需要數天的時(shí)間和數千次的實(shí)驗。低代碼AI/數據科學(xué)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(shí)驗。直觀(guān)的圖形用戶(hù)界面（GUI）、視覺(jué)可重復性和協(xié)作是低代碼平臺的最大優(yōu)勢，這使得數據科學(xué)團隊能夠快速地執行大量實(shí)驗。低代碼AI平臺也非常適合將數據工程師和業(yè)務(wù)分析師提升為公民數據科學(xué)家，減少對各行業(yè)領(lǐng)域中稀缺的專(zhuān)家數據科學(xué)家的依賴(lài)。

　　2、分布式模型訓練是AI建模的核心

　　數據科學(xué)團隊需要對數千個(gè)模型進(jìn)行實(shí)驗。AI模型如今變得相當復雜，有數百萬(wàn)個(gè)參數。而在低代碼的控制下，同時(shí)進(jìn)行多個(gè)實(shí)驗的能力增加了很多倍。但要實(shí)現這數千個(gè)實(shí)驗，數據科學(xué)團隊需要一個(gè)符合成本效益的計算系統，根據需求進(jìn)行擴展。采用傳統方法訓練這些復雜的、記憶密集的實(shí)驗是一個(gè)巨大的挑戰，以分布式計算為主導的模型訓練可以幫助解決這一挑戰，并且是實(shí)現可擴展的企業(yè)AI的核心。

　　3、機器學(xué)習運營(yíng)（MLOps）的應用快速增長(cháng)

　　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A(yíng)I領(lǐng)導者和數據科學(xué)家中越來(lái)越受歡迎，因為它將機器學(xué)習從實(shí)驗階段帶入生產(chǎn)階段，并涵蓋了企業(yè)數據科學(xué)過(guò)程的主要部分。當數據科學(xué)主管必須在生產(chǎn)環(huán)境中使用版本控制、快速擴展等功能管理和刪減生產(chǎn)環(huán)境中的數百個(gè)模型時(shí)，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(gè)黑盒。越來(lái)越多的人開(kāi)始投資AI，以做出關(guān)鍵的業(yè)務(wù)決策。因此，克服信任AI自動(dòng)化敏感流程的挑戰變得至關(guān)重要。整個(gè)場(chǎng)景導致了可解釋的AI的出現，它有助于理解做出決策的因素。可解釋的AI的透明度是建立對AI的信任并提高其采用率的關(guān)鍵。

　　5、AI在網(wǎng)絡(luò )安全中的應用

　　隨著(zhù)網(wǎng)絡(luò )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現在正在處理日常存儲和保護敏感數據，以作為自動(dòng)化網(wǎng)絡(luò )威脅預防和保護的下一步。它正被用來(lái)進(jìn)一步增強情報分析能力，以檢測潛在威脅或模式，識別網(wǎng)絡(luò )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，戰略性地擴大AI規模的企業(yè)的成功率和回報分別是前者的兩倍和三倍。

　　事實(shí)表明，處于A(yíng)I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(gè)組織中進(jìn)行擴展，以確保該技術(shù)能夠為企業(yè)做出巨大貢獻。

　　通過(guò)將AI集成到核心業(yè)務(wù)流程、工作流和客戶(hù)旅程中，可以?xún)?yōu)化其日常運營(yíng)和決策任務(wù)。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(shí)現價(jià)值和規模的增長(cháng)，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(guān)鍵驅動(dòng)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)需要了解數據洞察的來(lái)龍去脈，并將其納入業(yè)務(wù)流程。

　　其中一個(gè)重要的需求是采用能夠有效且高效地支持日常業(yè)務(wù)的AI系統，例如支付、交易量、銷(xiāo)售額，甚至生成季度報告。企業(yè)各部門(mén)的人員采用AI可以輕松地訪(fǎng)問(wèn)數據洞察，而不會(huì )受到任何部門(mén)的制約。隨著(zhù)企業(yè)規模的擴張，AI可以幫助其為現有產(chǎn)品探索新的領(lǐng)域或開(kāi)發(fā)新產(chǎn)品。

　　結語(yǔ)

　　企業(yè)需要探索AI好處和可能性，并對其AI投資采取戰略方法。而采用AI，企業(yè)可以做的不僅僅是加速或自動(dòng)化現有流程，還可以充分利用新的機會(huì )，提高AI在員工、客戶(hù)和利益相關(guān)者中的影響力。