【51CTO.com原创稿件】作为新一轮科技革命和产业变革的核心驱动力，人工智能正在创造新的强大引擎，深度地融入到政务、教育、医疗、交通、金融等各行各业，重构生产、分配、交换、消费等经济活动各环节，催生了各种新技术、新产品、新业态、新模式，改变着人们的生产和生活方式。对于企业来说，人工智能正在帮助他们转型升级、提质增效。同时，人工智能也是业务增长、改善客户体验和增进员工体验的关键推动力。
基于此，众多公司已经开始利用人工智能来推进企业数字化转型，并且取得了成效。早些时候，IBM 委托 Forrester Consulting来探索众企业如何将 AI 变为现实，并产出了报告《克服 AI 规模化征途中的障碍》。该探索通过对518 位掌管公司数据、AI 和分析战略的全球 IT、数据和业务线决策者的在线调查，发现人工智能对他们的生存至关重要：有62％ 的公司表示人工智能改善了其客户体验，有60％ 的公司实现了收入增长，58％的公司提高了盈利能力。在获得数据方面，有64％ 的公司提高了数据管理效率，59％ 的公司提高了分析效率。此外，很多其他业务的收益也在涌现，例如提高员工生产力和增加客户获取率与保留率等。
总体来说，有半数的公司认为扩展人工智能（ AI ）有助于保持企业竞争力，39％ 的公司则认为它能成就企业的行业领导地位。有位受访者表示：“全球各行各业都在投资于 AI。如果你不同样投资于 AI，那么永远会被甩在后面。”由此可见，对 AI 退避三舍实乃下下策 。而拥抱AI，才能让企业充满活力和竞争力。
AI落地的痛点，数据首当其冲
虽然大多数的公司都已经认识到了要获得并维持行业领导地位，AI能力不可或缺，也在积极为AI做准备，但是在实施过程中，往往会遇到一些困难。《克服 AI 规模化征途中的障碍》的报告称，约有90％的受访者承认难以在整个公司扩展 AI 用例的数量。
在业界，关于AI落地的痛点也多有阐述，大家普遍认为数据稀缺是AI落地的一大痛点。虽然当今的大数据呈爆发式增长，但是经过处理的、真正有价值的数据不多，影响了AI的学习。第二，获取数据和研发产品的成本高，同时，与算力相关的基础架构的建设、集成、维护以及各种处理器的功耗也是AI重要的成本支出。第三，AI技术人员不足，无法支撑后期产品和技术的迭代。
Forrester的《克服 AI 规模化征途中的障碍》报告也证实了这些观点：有90％ 的公司难以在整个企业中扩展AI，其中一大重要原因便是数据。参与这项研究的多半受访者承认，他们对自身的 AI 数据需求知之甚少。再者，无法连接多个数据源的数据质量和数据整合问题也是公司面临的一大数据问题。没有精心管理、维护的数据，AI计划注定会以失败告终，从而导致成本增加、错过截止期限和产生监管风险。
的确，数据是样本训练的前提条件，只有经过采集、存储、分析、处理等方式，从各种类型的海量数据中获得的有价值的信息，才能为人工智能提供坚实的素材基础。AI系统的优劣在一定程度上取决于训练时使用的数据。报告指出，企业的数据问题通常分为三大类，如下图所示：
1、数据质量。质量问题是企业面临的头号数据挑战 (58％)。缺乏精心管理的 AI 系统训练数据 (45％) 和数据治理问题 (40％)，可能会导致情形愈发复杂化。因此，不足一半的公司对确保数据质量的能力缺乏信心也就不足为奇。
2、 整合。缺乏整合也是一个关键问题。就数据科学/机器学习平台和分析/商业智能平台而言，超过 50％ 的公司苦于解决数据整合问题。这就是为何三分之一以上的受访者对连接多个数据源的能力缺乏信心的原因。
3、 缺乏了解。在调查中，最令人不安的发现或许是：52％ 的受访者对自身的 AI 数据需求知之甚少。如果企业连自己的需求都不了解，那么他们难逃这两种命运：或则操之过急地盲目实施注定败北的 AI 计划，或则更糟的是全然不去尝试。
人员和技术的挑战不容忽视
人工智能发展日新月异,伴随而来的就是AI领域人才需求激增。《克服 AI 规模化征途中的障碍》报告显示，数据工程、数据科学及相关开发技能，是大多数企业都缺乏的，而这些都与AI的落地实施有密切联系。此外，未能全面采用最佳实践，以及分析团队和数据科学团队之间的失调，更是加剧了企业团队技能不足的挑战。
配备技艺娴熟的员工不仅对 AI 计划取得成功至关重要，而且对帮助企业实现提高员工生产力的目标也很关键。
适当的工具使AI的落地事半功倍
除了专业技能，多数公司还缺乏适当的工具。在调查中，58％ 的受访者表示缺乏用于开发高级分析和机器学习模型的工具及平台，50％的受访者表示需要开发解决方案，来运作这些模型，还有 50％ 的受访者表示缺乏用于在生产中监控模型的解决方案。此外，在开源的大背景下，还引起了另一个问题：56％ 的受访者表示他们不具备对开源 ML 编程模型和框架的充分支持，另外 50％ 的受访者则在奋力实施和维护开源机器学习平台。
Forrester的专业建议
AI 是企业竞争优势的重要源泉，面对数据的质量、整合，人才和工具的匮乏等痛点， 企业应当制定并执行适当的战略，以扩展 AI 用例，保持、提高企业竞争力。Forrester 经过深入调查后，给出了一些重要建议。
1、 建立由业务、技术和 AI 专业人员组成的 AI 先锋团队，以审视关键业务流程和客户交互中的 AI 机会。根据技术的可行性和对所在企业行业领导地位的影响，来确定用例的优先级。
2、数据科学家对于将数据转化为智能 AI 模型至关重要。然而在转化过程中，除了数据科学家之外，业务分析师、开发人员、运营专业人员和项目经理，都是不可或缺的角色，企业需要建设一支由这些人员组成的AI工程团队，将开发模型中的技术问题及时地解决掉。
3、与所有技术一样，AI 将自动化执行某些流程，增强员工的能力，并为工作者创建全新的角色。Forrester 建议企业对于每个 AI 用例，都创建角色来代表可能受 AI 解决方案影响的现有员工和客户。从每个角色的角度分析 AI 解决方案如何影响相应角色。这样的操作有助于人们了解技术如何改善公司、客户体验及其角色。
4、引起企业高层的关注和重视。既要告知其初期AI用例的成功之处，也要罗列出大规模实施 AI 用例时更为全面的技术和组织要求，使他们了解大规模实施 AI 所需要做出的投资。
IBM 助力企业加速人工智能之旅
四个破局之术虽然对AI的落地有效，但是企业实施起来绝非易事，资金、人员力量的不足，使得企业很难进行下去。这种情况下，IBM Cloud Pak for Data可以说是一个福音。 IBM Cloud Pak for Data是一个全面集成的数据和 AI 平台，能够为企业提供现代化的方式，在收集数据阶段，让数据变得简单且易于访问。无论数据位于何处、结构如何、类型如何，都可以收集。在组织数据阶段，可以通过清洗、记录、治理数据，提高数据质量，之后用智慧的方法分析数据，以可信任的、透明的方式构建和扩展人工智能，充分利用人工智能模型来赋能企业获得新的洞察，并作出更好、更智能的决策。最后，借助于预测、自动化和优化，把人工智能应用到整个企业实践，引入到各个部门和各种流程中，进而帮助企业转变业务运营模式，加速人工智能之旅。
更多IBM Cloud Pak for Data内容，请关注专区了解详情。
【51CTO原创稿件，合作站点转载请注明原文作者和出处为51CTO.com】
