2019年推动人工智能发展的力量是什么?调研机构Forrester Research公司对未来一年企业CIO针对人工智能的5项预测进行了细分。
很多企业希望在2018年获得能够应对外部压力和不断变化的IT环境。但是，却在费用、资源不足、文化抵制，以及认识到数字化转型较难等方面遇到了严峻的现实。
根据调研机构Forrester Research公司的一系列报告，这些报告指出了2018年IT团队在实施人工智能技术时的雄心壮志与执行力之间的差距，并预测了2019年将会发生什么。
IT团队的利害关系度仍然很高，但Forrester公司认为，随着企业CIO采取更加务实的数字化转型方法，并着眼于建立一个更加持久有效的创新和扩展运营基础，2019年的这种情况正在好转。
务实的人工智能
这对企业人工智能旅程意味着什么?Forrester公司预测，具有加强、自动化和个性化三个特性的务实人工智能将在2019年开始实施，因为很多企业CIO放弃了他们宏大的、长期的人工智能发展目标，并意识到他们必须与人工智能目前可以做的事情相结合，而不是在未来可以做到什么。
这将帮助企业摆脱“人工智能清洗”这一广泛问题，即声称企业的品牌和产品涉及人工智能时，而这种联系可能是脆弱的或不存在的。
“使用人工智能算法交换原有的算法只能提供有限的短期提升。”该报告的分析师兼合着者Michele Goetz说。
Forrester公司在客户在2018年向他们提出的有关人工智能的数千个问题以及该公司的深入研究基础，所发布的2019年人工智能预测报告将重点放在以下五个***预测中：
(1)数据质量仍将是一项挑战
Forrester表示，人工智能采用者面临的首要挑战是获得高质量的数据。该公司预测，“数据低迷”将继续影响在2019年开始采用人工智能的大多数公司。因此，Forrester公司表示，对于已经涉足人工智能的大多数公司来说，这将使人工智能(AI)转向信息架构(IA)。因为他们意识到利用人工智能，需要一个人工智能值得的数据环境。
人力资源咨询机构O.C.Tanner公司副总裁兼***技术官Niel Nickolaisen说：“在可预见的将来，数据低迷将会继续存在。数据是凌乱的，清理数据需要花费时间和精力。我预计数据质量仍然是一项挑战。”
Goetz将数据质量称为与企业CIO最相关的人工智能方面的内容，而且是Forrester公司在人工智能预测中最重要的。
“数据是业务的数字孪生，而非数字化排放。”她说，并解释说企业CIO必须以新的方式解决人工智能中的数据问题。简单地将数据迁移到云平台以供数据科学家使用，忽略了语义设计原则，使人工智能能够深入了解业务和客户。
“数据需要在其所来自的数据库、文件或表格之外进行解释，并代表环境、影响、意图、行为、决策、行动和结果。”Goetz说。
(2)企业将把人类带回到圈子中
Forrester公司预测，利用人工智能的企业中有10%将在2019年将人类带到圈子中。报告指出，机器学习非常适合分析数据以创建预测、识别模式和自动化决策的模型，但它缺乏人工推理能力。
“就像我们对员工的管理和治理监督一样，人工智能也应该置于这个保护伞下。”Goetz说，“圈子中的人员既是可以支持人工智能的预生产培训的专家，也是人工智能机器人的同事和管理者。”
“拥有商业智能、GRC和人机协作功能，可以将机器人作为虚拟团队成员进行查看和管理，从而降低人工智能行动的风险，同时确保人工智能可以不断向团队成员和管理者学习，避免道德问题以及糟糕的决定。”她说。
然而，Nickolaisen认为将人类带到圈子有可能影响人工智能的一些动力和驱动力。
他说：“我一直认为，人工智能的强大之处在于能够快速处理大量数据和变量，并提供人类可以做的事情，但速度要快得多。有时会出现数据漏洞，因此人工智能可能会做出***决策，并通过直观了解丢失的数据可能暗示的内容让人类更加了解决定，但这会产生风险。”
(3)企业将在人工智能的人才争夺战中使用人工智能
众所周知，企业中的人工智能的人才短缺不仅仅是数据科学家和机器学习架构师，还有培训和管理人工智能系统所需的法律、客户体验和运营专业知识。根据Forrester公司的研究，三分之二的人工智能决策者在寻找和获得人工智能人才方面比较困难，83%的公司很难留住人才。
该公司预测，在2019年，由于传统的招聘方法存在不足，人们将看到企业开始将人工智能应用于招聘来解决人工智能的人才短缺问题。
Nickolaisen表示，人工智能驱动的招聘听起来很具吸引力，但他不确定算法会在哪里收集数据来提出招聘选项。
“我认为，更有可能解决人才需求的方式是能够创造更多可用的人工智能工具的公司。这也意味着这些工具将更加专注于更加垂直方向。”他说。
(4)机器人流程自动化(RPA)和人工智能技术
Forrester公司预测，机器人流程自动化(RPA)和人工智能将共同为超过40%的企业创建数字化工作者。企业一直在明确地处理这些技术，例如机器人流程自动化(RPA)用于自动化，人工智能用于智能控制，但要真正进行创新，并创造突破性机会，这两者的结合是必需的。
该报告提供了一些用户案例：解决服务平台问题的分析，RPA机器人的聊天机器人，触发数字工作者的物联网事件，以及将非结构化数据组织成机器人流程自动化(RPA)任务的文本分析。后者在实际部署方面领先于四个机器人流程自动化(RPA)类别。
(5)提高“可解释性人工智能”的兴趣
根据Forrester公司的说法，一些机器学习算法是透明的，易于理解，但其他算法(如神经网络)是不透明的。
在2019年，这种情况不会一直持续下去。在人工智能预测报告中，该研究公司期望像GDPR这样的法规，该法规声明自动决策主体有权获得对所达成决定的解释，将会引起企业和供应商对“可解释性”的兴趣，创造了一个新兴的供应方市场。
Forrester公司列举的例子表明，人们对人工智能的需求不断增长：DARPA公司对它的投资以及从Equifax、IBM和Pegasystems等供应商推出务实的人工智能服务和功能。
Nickolaisen对采用务实的人工智能也有一些犹豫。他说，“我同意这些算法需要有一些透明度，但是这会削弱机器学习测试不同模型并创建***链接因果关系的整体能力吗?”
