随着人工智能在人们日常生活中变得越来越重要，越来越多的人想知道这些模型究竟是如何工作的。这是由内部利益相关者、消费者和监管机构推动的。
CloudSphere公司首席技术官Keith Neilson表示，AIOps更加强调网络资产管理，以标记和分类资产——随着企业采用自动化来帮助警报管理和自动解决问题，以最大限度地提高运营可靠性和正常运行时间，AIOps正在崛起。与此同时，人们看到资产的高级标记和元数据管理的兴起，以确保AIOps算法能够在自动化流程中有效地管理这些资产。
TruEra公司联合创始人、总裁兼首席科学家Anupam Datta表示，美国监管机构一直在研究人工智能的挑战和影响，但尚未采取重大行动，这与欧盟委员会不同。我预计这种情况将在2023年发生变化，美国最终将在联邦层面起草自己的规则，类似于欧盟和亚洲已经生效的规则。安全护栏对这个市场上的每个人都有好处，最终将有助于建立对人工智能的信任。美国即将出台相关法规，企业应该做好准备。
Icertis公司联合创始人兼首席技术官MonishDarda表示，虽然人工智能传统上被视为一项复杂且具有挑战性的创新，但在2023年，人工智能将被传播到更广泛的用户群中，包括那些没有人工智能专业知识的人。这一变化将把权力交到客户手中，而不仅仅是开发人员。公司将寻求自助服务工具来创建自己的定制机器学习模型，以检查业务特定属性。
企业将以负责任的人工智能应对即将到来的人工智能法规。欧盟和美国政府计划实施新的法规来保护消费者(即欧盟对产品和人工智能的责任规则以及白宫的人工智能权利法案)。然而令人惊讶的是，许多组织将人工智能监管视为成功的福音，而不是障碍：将近三分之二(57%)的公司将人工智能视为其战略优先事项的关键推动者。2023年，许多企业将从被动的人工智能合规战略转向积极发展负责任的人工智能能力，以便为适应新的法规和指导奠定坚实的基础。
TruEra公司联合创始人、总裁兼首席科学家AnupamDatta表示，人工智能是朋友还是敌人?在2021年和2022年，由于糟糕的训练数据等因素，人们担心人工智能会导致偏见。2023年，越来越多的人认识到，人工智能可以绕过偏见产生的历史点，帮助消除偏见。人类往往比机器更有偏见。人们开始看到人工智能可以减少偏见，而不是引入偏见。
地缘政治的变化将减缓人工智能的采用，因为恐惧和保护主义为数据移动和处理地点设置了障碍。宏观经济的不稳定，包括能源成本的上升和即将到来的经济衰退，将阻碍人工智能计划的发展，因为企业很难维持电力供应。
Icertis公司联合创始人兼首席技术官Monish Darda表示，2023年，企业将专注于消除自动化决策系统的偏见。近年来，Icertis公司一直优先发展符合伦理和可解释的人工智能模型。现在，随着《人工智能权利法案》蓝图的发布，整个科技行业将致力于消除人工智能领域的不公平。机器永远不可能拥有所有的数据，这就是为什么让人类参与其中是如此重要。
Nexla公司创始人兼首席执行官Saket Saurabh表示，增强数据管理:随着人工智能与数据质量、元数据管理和主数据管理的集成程度越来越高，增强数据管理的重要性将会上升。这意味着由于机器学习和人工智能的发展，人工数据管理任务将会减少，这使得专家能够处理更多高价值的任务。
人工智能速度和质量之间的斗争将达到顶峰。只要企业利用人工智能，高管就一直专注于两件事中的一件：部署人工智能的速度或人工智能数据的质量。技术与人类监督相结合，帮助发现过程中需要改进的领域，将有助于实现速度和质量，并帮助企业在未来一年实现他们的人工智能目标。
EZOPS公司创始人兼首席执行官Bikram Singh表示，企业将有能力在其组织内使用人工智能来更好地满足他们个人的特定业务需求。人们将在2023年看到的人工智能领域最大的趋势之一，将是从数据科学家的人工劳动，转向更多的工业化、嵌入式类型的结构，在这种结构中，实际业务用户能够开始使用和使用算法。它将不再是严格意义上的数据科学家的领域，它将远离标准的、实验室类型的黑盒结构。人们真的会开始在这些项目中看到更多的工业化。我们要看到的是，通过消除这些数据孤岛，并将人工智能直接应用到组织中，可以使组织内的信息更加民主化。这也将受益于低代码无代码类型的环境，在这种环境中，用户可以开始配置他们想要处理的数据集，以及他们自己如何计算和利用这些数据来创建预测、对其进行微调，并使其为他们工作。
Kyndi公司创始人兼首席执行官RyanWelsh表示，人工智能行业将提供更多可以由商业用户直接操作的工具。企业一直在招聘越来越多的数据科学家和mle，但人工智能在生产中的净采用率并没有以同样的速度增长。虽然大量的研究和试验正在进行，但随着商业环境的发展，企业并没有从可以轻松扩展和管理的人工智能生产解决方案中受益。在未来的一年里，人工智能将开始变得更加民主化，这样技术水平较低的人就可以直接利用那些抽象出所有机器学习复杂性的工具。没有接受过高级统计和/或数学方面正式培训的知识工作者和公民“数据科学家”将使用这些自助服务工具从数据中提取高价值的见解，使他们能够执行高级分析并以业务的速度解决特定的业务问题。
随着基于人工智能的决策的商业应用的增加，合乎道德的人工智能变得至关重要。各行各业的公司都在加速使用人工智能进行基于数据的决策。无论是社交媒体平台压制帖子，将医疗专业人员与患者联系起来，还是大型财富管理银行向最终消费者提供信贷;然而，当人工智能决定最终结果时，目前还没有办法抑制算法中固有的偏见。
在2023年，企业需要能够遵守这些拟议的法规，包括确保隐私和数据治理、算法透明度、公平和非歧视、问责制和可审计性。考虑到这一点，企业必须实施自己的框架来支持道德人工智能，道德人工智能在未来一年必将变得比以往任何时候都更加重要。
