近期，Forrester Research发布了关于人工智能2019年的发展预测——大多数公司会发现它们的人工智能投入属于“没有付出，就没有收获”：公司使用人工智能的方式将发生重大变化。新时代下“数字化工作者”将大量崛起，而具有人工智能技能的数据专业人员的竞争日趋激烈。
以下是Forrester Research的五大预测
一、数据问题将持续淹没大多数开展人工智能的公司
人工智能采用者面临的首要挑战是高质量数据，无论是AI的初学者还是经验丰富的AI领域专家，数据都是任何AI项目无法躲避的一道坎。 虽然企业对人工智能的期望很高，但在2019年，我们预测企业会对良好信息架构（IA）持续投资。 大多数或多或少运用了人工智能技术的公司，他们很快就会意识到他们对人工智能技术一时火热的采用，需要构建一个相应的数据库来继续“喂养”。
二、企业竞相使用人工智能来选拔人才
三分之二的人工智能公司决策者在寻找和获取AI人才方面很是头疼，83％的人为人才的留存而烦恼。人才短缺并不只存在于技术和数据科学领域。 企业需要各行业包括社会，法律，客户体验和运营专业知识来培训，管理并信任AI系统。 诸如安永和普华永道等咨询机构，相对于人才的学位，编码和统计技能，更看重他们的创造性解决问题能力、坚持不懈的品质和类似的工作经验。 这表明传统的招聘指标逐渐落后，公司正在寻求新的方法和工具。 在2019年，我们将看到公司通过将人工智能应用于招聘，解决人工智能人才的短缺问题。
三、RPA和AI将联手为超过40％的企业创建数字化工作者
“在人工智能引起企业兴趣之前，机器人过程自动化（RPA）势头就已经开始了。到目前为止，公司一直在区别对待这些技术——即RPA用于自动化，AI用于智能。 但是为了创造突破性的机会，我们相信RPA和AI技术联合起来，为创新工作带来动力。 企业已经将机器学习和文本分析等人工智能技术与RPA功能相结合，在四个应用中为数字化工作者带来更大价值：解决棘手的平台问题的分析; 结合RPA技术的聊天机器人; 物联网（IoT）的兴起; 提升RPA价值的文本分析。
四、人工智能技术类型非平等对待，易于理解的模型更受欢迎
当涉及可解释性和可审计性时，并非所有人工智能都是平等的。一些机器学习算法的模型易于理解; 但涉及尤其是神经网络模型很难被普通大众所理解。 如今，企业用户将越来越多地要求他们的数据科学同行能建立更容易让客户理解和信任的模型。“
五、利用人工智能的公司中有10％会将人类的专业知识带到机器学习中
Forrester分析师写道：“虽然机器学习在分析数据、创建预测、识别模式、自动化决策方面非常出色，但缺乏人工推理能力。企业人工智能专家可以重新构建知识和数字决策平台，更新提取和编码推理规则，并根据专业员工和客户构建新的知识图表。 机器学习的优势在于数据。 更新优化决策方案取决于人类的智慧。 企业可以将两者结合使用，大大加快AI应用程序的开发。
客知音作为一家新锐的人工智能公司，拥有来自美国硅谷的语音识别技术，致力于打造为销售、客服及管理人员服务的外呼机器人和智能销售教练，帮助企业降低销售成本，提高销售转化率，开启智能营销新时代。
閱讀更多 客知音 的文章
