根据研究公司IDC最近发布的报告，预计全球人工智能预算将在未来四年翻一番，到2024年达到1100亿美元美元。IDC人工智能项目副总裁RituJyoti指出：“越来越多的组织将采用人工智能，而且必须这样做。人工智能是一种可以帮助组织转型、创新和扩展业务敏捷性的技术。”数字商业咨询机构AHEAD的现场首席技术官JoshPerkins表示：“去年的爆发证明了人工智能技术的强大，人们的问题从‘人工智能技术可以在我们公司做什么？智能化？’”Perkins说AI将在使用智能工具和功能解决行业特定问题时提供巨大的价值。医疗保健、银行、保险、零售和制造领域的组织正在涌现创造性的应用程序。“这在很大程度上是因为组织希望更好地将其数据资产货币化，利用新的数据流来发现见解，”Perkins说。AI工具可以帮助应对数字化转型挑战的5个领域了解最大价值在哪里将有助于投资者在现实世界中实施AI支持的数字计划。某些主题继续跨行业团体出现。下面是一些最强大的用例nAI：从机器学习(ML)和自然语言处理(NLP)到边缘AI和AIOps。(1)会话式AI：改善客户服务体验当您将丰富的客户行为数据、自然语言处理(NLP)和聊天机器人结合在一起时，您会得到什么？改变客户联系和支持的潜力，通常无需人工干预。“自然语言处理(NLP)的实质性改进正在使日常客户体验更加丰富和动态，”Perkins说。“这项技术正在促进机器人和客户之间对话的深度和自然流动。”通过快速访问后端系统，客户自助服务得到增强，组织希望能够更快地为客户解决问题。Perkins预测，在未来几年内，客户将更难分辨他们是在与机器人还是人工座席交谈。事实上，根据2020年全球组织的支出，部署自动化客户服务是最重要的人工智能用例。“零售和电子商务垂直领域有许多用例，主要集中在客户服务上，”帕金斯说。例如，在医疗保健领域，对话式AI被用于协助患者支持和预约安排。》（2）边缘人工智能：解决带宽、时延、隐私问题AI曾经只用在数据中心领域，但随着AI应用到网络边缘，开始解决大量分布式数据并分析问题。边缘AI正在数据源点嵌入智能，无论是物联网设备、智能手机还是自动驾驶汽车。G.并在最接近交互点的地方进行计算。边缘AI正在边缘处理器制造商Hailo的首席执行官OrrDanon表示：“直到最近，边缘人工智能在很大程度上还停留在理论层面。到2021年，我们可能会看到边缘AI产品由于技术的进步更容易获得且成本更低。边缘AI对于管理不断增长的数据量和缓解业务网络日益增长的压力至关重要。在边缘处理数据而不将其传输到云使设备莫尔e功能强大、用途广泛、响应迅速、安全并有助于合规。“一些零售商还将在边缘部署AI以在本地处理本地视频以实现最大速度和最小延迟，这在某些情况下为非接触式和无收银员购物奠定了基础。商店可以使用摄像头和边缘人工智能来检测远处的物体和快速处理相关信息。这些数据有助于优化客户等待时间、库存货架和店内体验。（3）机器和深度学习：打击网络安全中的不良行为者人工智能已被用于发起网络钓鱼攻击和其他恶意网络攻击，智能自动化已被用于提高网络攻击的速度、数量和种类。研究公司Forrester预测，网络犯罪分子将使用Deepfake技术使组织在2021年损失超过2.5亿美元，他们使用人工智能来创建令人信服的音频和视频，并在电子邮件泄露攻击中欺骗用户。传统的网络缓解技术无法比拟这种复杂的方法。因此，人工智能在网络安全和攻击中的运用是Gartner预测的2020年九大安全趋势之一，并指出必须加强人工智能来增强网络安全防御。在网络安全和威胁情报方面有大量的人工智能网络安全应用。最常见的用例包括面部和语音识别、垃圾邮件或网络钓鱼识别以及恶意软件检测。机器学习方法可用于检测电子邮件中的异常，模式识别技术可识别需要保护的受监管个人数据，无监督机器学习可对网站进行分类并识别高风险网站，无监督机器学习可用于网络钓鱼和垃圾邮件A在邮件尝试中发现了几乎重复的站点。TrendMicro最近的一篇文章指出端到端深度学习是恶意软件检测的解决方案。(4)目标：为了缓解IT警报疲劳等问题，IT组织需要考虑Ops的话题。IDC指出，IT自动化是2020年AI增长最快的用例之一（以及药物发现和人力资源自动化）。正如DevOpsInstitute的首席研究主任EvelineOehrlich在最近的一篇文章中指出的那样，AIOps可以证明IT组织具有变革性，因为运营环境会产生如此多的数据，以至于领导者的决策会受到影响。在混合云时代，这是一个不断增长的IT功能队列。机器学习可以通过解决大量通常是冗余的警报来节省IT团队的时间，帮助以更实时或主动的方式管理系统性能，并提供更好的端到端可见性。将AI行动列入2021年10大AI趋势列表是有充分理由的。而且孤立的监控系统无法跟上当今多样化的环境。Gartner看到了AIOps的五个主要用例：性能分析、异常检测、事件关联、分析和IT服务管理。PerforcePerfecto的首席技术官兼产品经理EranKinsbruner在最近的一篇文章中写道：“这些工具共同构建了一个用于生产和运营的综合分析层。借助AI驱动的运营能力，团队可以专注于确定他们的服务健康状况应用程序并获得对其生产数据的控制和可见性。”随着供应商开始提供AIOps平台解决方案，Forrester公司建议IT领导者寻找能够提供跨团队协作能力、端到端数字体验以及无缝集成到整个IT运营管理工具链中的解决方案。(5)Machine学习：能够预测突然变化（供应或需求、医疗结果、销售或客户行为）的预测性资源优化的价值正在变得越来越清晰。在基础层面上，有监督的机器学习（特别是回归）使组织能够建立数学模型基于一组预测变量或输入来预测未来结果的方法。“这种方法在各个行业都有广泛的商业应用，它们的共同点是能够事半功倍，”珀金斯说。无论是人力资源、库存资源还是审慎流程，机器学习都使人们能够观察和定义模式，以获得以前无法获得的洞察力。“这项技术的用例包括库存优化和再订货点，允许员工在特定轮班或需要时适当安排工作，甚至提高销售预测的准确性。
