AI大局已定，2019将会是人工智能全面普及的元年

2018年，PricewaterhouseCoopers给出了人工智能的预测，将在2018年彻底普及。而今年，(PwC)加大了对2019年人工智能公司“必须实现”的预测。

ROI和动量组织

有关人工智能算法的一个事实可能会让商业用户感到惊讶。同样的几个算法可以解决大多数与人工智能相关的业务问题，根据调查报告，(PwC)表示：“如果你成功地将它们应用于企业的某一领域，你就可以在其他领域使用它。”

例如，通过自动从发票中提取信息，即使是那些没有完全标准化的发票，人工智能系统也可以实现流程自动化，以减少成本和处理时间。一旦完成，编程就可以相对容易地修改，以加快其他领域的数据提取，包括客户服务、营销、税收和供应链管理。

此外，确保建立正确的人工智能基础。也就是说，人工智能倡议既不应从人工智能专家开始，也不应从商界领袖开始。相反，公司的AI探索和实现应该由一个多样化的团队来监督，其中包括具有业务、IT和专门人工智能技能的人员，他们代表组织的所有部分。

这个团队应该确定如何识别AI用例，开发问责制和治理，以及建立企业范围的数据策略。pwc表示，它还应该决定技术标准，包括体系结构、工具、技术、供应商和知识产权管理，以及人工智能系统需要具备多大的智能化。

教员工

正如报告所指出的那样，即使是对用户友好的人工智能也是复杂的：“即使经过基本培训，业务人员也可能无法完全理解不同人工智能算法的参数和性能水平。他们可能会意外地应用错误的算法，并产生意想不到的结果。“

报告称，答案是创造出三个层次的人工智能-精明的员工-“公民用户”、“公民开发者”和“数据科学家”，并为这三个人提供了成功合作的途径。

随着人工智能的普及，大多数员工将需要培训才能成为公民用户。他们将学习如何使用人工智能应用程序，支持数据治理，并在需要时获得专家帮助。

大约5%到10%的劳动力应该接受进一步的培训，成为公民开发人员：能够识别用例和数据集并与人工智能专家合作开发新应用程序的强大用户。

最后，一小群数据工程师和数据科学家将“做重活”来创建、部署和管理应用程序。

在pwc的调查中，31%的高管表示，他们担心未来五年无法满足对人工智能技能的需求。PwC的顾问说：“高级技术可以创造公民用户和开发人员，但是你可能需要雇佣训练有素的程序员和数据科学家。

使AI负责任

接受调查的高管称确保人工智能系统信得过作为他们2019年最大的人工智能挑战。“他们将如何克服这一挑战取决于他们是否在解决负责任的人工智能的所有方面，”报告说。

这些方面包括：

公平：我们是否将数据和人工智能模型中的偏差降到最低？

可解释性：我们能解释AI模型如何做出决策并确保这些决策是准确的吗？

稳健性和安全性：我们能依靠人工智能系统的性能吗？我们的系统易受攻击吗？

治理：谁对人工智能系统负责？我们有适当的控制措施吗？

系统伦理：我们的人工智能系统是否符合规定？他们将如何影响我们的员工和客户？

根据pwc的说法，要建立对AI的数据、算法、流程和报告框架的控制，就需要由技术、业务和内部审计专家组成的混合团队。

“当他们不断地测试和监控控制时，这些团队将不得不考虑适当的权衡，”报告说。例如，在可解释性方面，您希望在性能、成本、用例的关键性和所涉及的人类专业知识的范围之间取得正确的平衡。

定位和标记数据

调查对象确定，整合人工智能和分析系统是2019年人工智能相关数据的首要优先事项。但只有不到三分之一的参与者认为数据将作为来年的业务重点。这样是人工智能成功所需要的基础。

有了足够的历史数据，比如说，客户行为，机器学习系统最终将能够预测消费者未来的行为。然而，要创建训练机器所需的数据集，必须标记数据。同时，“一些业务问题有人工智能解决方案，需要培训数据，而公司可能没有这些数据，”报告指出。

另一方面，新的机器学习技术可以使人工智能在数量惊人的样本基础上产生自己的数据。报告称，这些技术还支持将模型从一个具有大量数据的任务转移到另一个缺乏数据的任务。

通过个性化和质量使人工智能货币化

pwc认为：“用人工智能提升公司的业绩和利润并非遥不可及的梦想。”目前，人工智能带来的最大收益是提高生产率，因为公司利用它来改善运营，帮助员工做出更好的决策。然而，报告预测，在2019年，更多的公司将规划或开发基于人工智能的新业务模式，并调查新的收入机会。“人工智能的大部分经济影响将来自消费方面，通过更高质量、更个性化和更多数据驱动的产品和服务，”报告说。

这种影响的例子包括卫生保健行业基于监测病人生活方式数据的新的商业模式，或者零售商提供更多专门为个人量身定制的产品和服务。

(PwC)表示：“人工智能甚至被用来通过游戏化策略来帮助指导这些决策。”例如，一家领先的汽车制造商一直在使用人工智能测试200，000多个自主共乘车队的上市方案。

将人工智能与分析、物联网等结合起来

当与其他技术，分析技术、ERP技术、物联网技术、区块链技术、甚至(最终)量子计算技术集成在一起时，人工智能的力量将更加强大。

超过三分之一(36%)的受访高管表示，将人工智能与其他技术相融合是2019年人工智能面临的最大挑战。这使得它与再培训雇员相当，也低于确保对人工智能的信任。

需要考虑的一个关键点是：“由于人工智能与先进的系统集成在一起，这些系统24小时工作，它的算法将需要持续不断的新数据流来学习。否则，AI模型将使用过时的数据，这将降低AI的性能。模型还需要定期测试、更新和更换。“

显然，今天的商业成功并不仅仅是插入人工智能并让它来完成所有工作的问题。