人們對人工智能和他們實際上用人工智能做什麼之間其實有一個很大的脫節。麻省理工學院最近進行的一項調查發現，85％的高管認為人工智能將使他們的公司獲得或維持競爭優勢，但只有約20％的人以某種方式整合了人工智能，不到39％的人擁有人工智能戰略。基於以上企業到目前為止如何使用AI的情況，這個差距並不奇怪。
在過去的二十年裡，人工智能的能力已經越來越像是科幻小說中的東西，但是這些發展對於大多數企業來說並不是現實，他們並沒有得到有效的改進，因此可以理解他們持懷疑態度。有些決策者有興趣引進人工智能，為了讓人工智能按照承諾的方式工作，公司需要從一個堅實的基礎開始。但實際上很少有公司投入必要的時間和資源來建立這個基礎。
要使AI真正取得成功，首先需要解決四個關鍵領域：
1.數據質量必須是一流的
在這些領域中，迄今為止最大的障礙是數據質量。很多公司仍然在努力收集足夠數量的人工智能所需的高質量數據。一旦引入AI，數據質量需要一流，因為機器將根據現有數據做出決定。也就是說，今天大多數的數據質量項目都是手工完成的，這意味著總會帶入一定程度的錯誤，從而浪費寶貴的時間。
2.數據需要及時收集和統一
數據的及時性是成功的AI戰略的第二大障礙。如果你的公司像大多數公司一樣，每個月只能收到一次數據，那麼這個時間就已經太晚了，而這些數據甚至還沒有被清理。當數據進入時，通常會有不同的形狀和形式，需要首先進行協調。清理和協調所需的時間會造成更多的挫折，因此，數據很快就會變得越來越不相關。
3.數據必須安全存儲
數據安全性是一個較小的障礙，但在歐洲通用數據保護條例（GDPR）等新的威脅和規定方面保持領先地位至關重要。由於人工智能需要大量的數據進行分析和存儲，公司需要制定一個策略來應對不斷變化的法規和安全風險，並確保合規。隨著流程不斷變得更加互聯，保證存儲數據的每個步驟都安全將會成為企業的首要任務。
4.公司需要找到有效的基於雲的存儲解決方案
至於雲計算，引入AI會導致你需要的數據量呈指數級增長。使得數據中心的速度足以儲存一切是不可能的。因此，企業必須遷移到雲計算，以實現規模化、可靠性和正常運行時間，特別是在數據處理和管理方面。使用雲計算策略來解決這個海量的數據將有助於防止未來的意外存儲問題。
這些不是新問題。 20年來，我們已經看到了數據問題，而且在很大程度上都忽略了它們。 AI需要高質量的實時數據進行協調並用於形成基礎。忽略這些問題不再是一個選擇。這並不是說我們過去對AI的期望太高，而是我們沒有給它成功的基礎。
致力於建立良好的數據質量和運營流程的公司將很快從人工智能提供的所有服務中。據預計，我們將看到這兩類公司之間的業績差距會不斷擴大，一些主動性較小的公司可能永遠趕不上其更積極主動的同行。那些採取行動並將這些關鍵領域作為重中之重的人將會得到一些看起來像是科幻小說中的“奇幻”效果。原創/ AI中國
閱讀更多 人工智能那些事兒 的文章
