近期，Forrester Research發佈了關於人工智能2019年的發展預測——大多數公司會發現它們的人工智能投入屬於“沒有付出，就沒有收穫”：公司使用人工智能的方式將發生重大變化。新時代下“數字化工作者”將大量崛起，而具有人工智能技能的數據專業人員的競爭日趨激烈。
以下是Forrester Research的五大預測
一、數據問題將持續淹沒大多數開展人工智能的公司
人工智能採用者面臨的首要挑戰是高質量數據，無論是AI的初學者還是經驗豐富的AI領域專家，數據都是任何AI項目無法躲避的一道坎。 雖然企業對人工智能的期望很高，但在2019年，我們預測企業會對良好信息架構（IA）持續投資。 大多數或多或少運用了人工智能技術的公司，他們很快就會意識到他們對人工智能技術一時火熱的採用，需要構建一個相應的數據庫來繼續“餵養”。
二、企業競相使用人工智能來選拔人才
三分之二的人工智能公司決策者在尋找和獲取AI人才方面很是頭疼，83％的人為人才的留存而煩惱。人才短缺並不只存在於技術和數據科學領域。 企業需要各行業包括社會，法律，客戶體驗和運營專業知識來培訓，管理並信任AI系統。 諸如安永和普華永道等諮詢機構，相對於人才的學位，編碼和統計技能，更看重他們的創造性解決問題能力、堅持不懈的品質和類似的工作經驗。 這表明傳統的招聘指標逐漸落後，公司正在尋求新的方法和工具。 在2019年，我們將看到公司通過將人工智能應用於招聘，解決人工智能人才的短缺問題。
三、RPA和AI將聯手為超過40％的企業創建數字化工作者
“在人工智能引起企業興趣之前，機器人過程自動化（RPA）勢頭就已經開始了。到目前為止，公司一直在區別對待這些技術——即RPA用於自動化，AI用於智能。 但是為了創造突破性的機會，我們相信RPA和AI技術聯合起來，為創新工作帶來動力。 企業已經將機器學習和文本分析等人工智能技術與RPA功能相結合，在四個應用中為數字化工作者帶來更大價值：解決棘手的平臺問題的分析; 結合RPA技術的聊天機器人; 物聯網（IoT）的興起; 提升RPA價值的文本分析。
四、人工智能技術類型非平等對待，易於理解的模型更受歡迎
當涉及可解釋性和可審計性時，並非所有人工智能都是平等的。一些機器學習算法的模型易於理解; 但涉及尤其是神經網絡模型很難被普通大眾所理解。 如今，企業用戶將越來越多地要求他們的數據科學同行能建立更容易讓客戶理解和信任的模型。“
五、利用人工智能的公司中有10％會將人類的專業知識帶到機器學習中
Forrester分析師寫道：“雖然機器學習在分析數據、創建預測、識別模式、自動化決策方面非常出色，但缺乏人工推理能力。企業人工智能專家可以重新構建知識和數字決策平臺，更新提取和編碼推理規則，並根據專業員工和客戶構建新的知識圖表。 機器學習的優勢在於數據。 更新優化決策方案取決於人類的智慧。 企業可以將兩者結合使用，大大加快AI應用程序的開發。
客知音作為一家新銳的人工智能公司，擁有來自美國硅谷的語音識別技術，致力於打造為銷售、客服及管理人員服務的外呼機器人和智能銷售教練，幫助企業降低銷售成本，提高銷售轉化率，開啟智能營銷新時代。
閱讀更多 客知音 的文章
