行业视角：解释和分析了人工智能如何彻底改变业务流程。由于过去五年在许多不同环境和边缘计算设施中出现的显着融合，除了通常在数据中心或家庭中发现的设备外，人工智能和机器学习也越来越多地应用于云平台。例如，高速带宽、5G连接、超高质量的代码和代码库、前所未有的强大处理器（比以前的型号功耗更低）、无限存储容量、智能设计的移动和固定连接设备、种类繁多的云服务等等，下一步是什么？加利福尼亚州Mounworks的首席技术官兼联合创始人VaibhavNivargi撰写了一篇问答式的帖子。该公司将人工智能技术应用于广泛的IT用例。人工智能技术正在影响许多行业，但在IT支持方面似乎服务不足，这是真的吗？Nivargi：在大多数情况下，IT支持仍然由组织的IT团队管理，这意味着这个过程往往非常缓慢。在各行各业中，我们发现每项IT支持服务平均需要3个工作日才能解决，而当谈到完全依靠技术来完成所有工作时，有些工作会停滞不前。而且，由于IT团队不愿意解决重复和频繁的技术问题，例如重置密码和编辑电子邮件组，他们没有时间专注于关键的数字化转型项目。除了对生产力和数字化转型的影响外，从IT获得人力支持的方法对底线也有直接影响。例如，考虑每个普通员工每月提交一张IT票证。使用服务台代理、工作流工具、服务中心等传统方法处理每张票的平均成本约为25美元。对于拥有10,000名员工的公司而言，仅支持费用一项就是每年300万美元。Moveworks所做的工作使IT团队能够以很少的成本使用人工智能技术自动解决这些工单。人工智能和机器学习已经帮助加速和扩展了各个业务领域的大量流程。将这种逻辑扩展到支持工作中的员工，现在可以产生同样强大的结果。一段时间以来，IT技术一直在推动现代化。是什么阻碍了它？Nivargi：根据我们的经验，许多大公司的CIO都关心添加任何新的AI解决方案，而他们本应提倡IT现代化。他们通常有两个反对意见：一方面，他们担心添加更多工具会增加最终用户的复杂性；另一方面，他们担心维护AI需要团队成员做太多工作，最终结果是否定的。当然，这些都是合理的考虑。大多数企业已经使用了更多的工具和应用程序，许多AI解决方案实际上是IT团队必须自行构建和管理的“AI工具包”。而抵制IT现代化是一件很有趣的事情，因为这样做的主要目的是为了降低最终用户的复杂性和IT团队的负担。所以我们采取的方法是在聊天机器人的语言处理模型和后端集成上下功夫，让员工和代理人看不到幕后技术。归根结底，实现IT现代化意味着简化IT：与机器人交谈使员工能够自动获得所需的支持，而无需IT团队参与。对于IT团队来说，这是有趣的一年，因为他们必须保持远程员工的工作效率。您和您的客户感觉如何？Nivargi：我们从来没想过我们的平台会广泛应用于各地的工作场景。几乎在一夜之间，部署IT服务台已成为各行业组织内每个部门的关键任务。现在比以往任何时候都更需要获得技术支持，员工无论身在何处或何时请求，都需要即时帮助。这是为人工智能量身定做的问题。在帮助台方面，最初从家里过渡到远程工作面临着大量请求以及新的挑战，例如让远程工作人员了解最新信息和回答有关公司政策的问题。例如，我们的客户UnityTechnologies，其员工第一个月在家远程工作非常忙碌，Zoom许可证请求增加了6倍，政策问题增加了5倍，IT问题总数几乎翻了一番。Unity员工求助于Moveworks的聊天机器人NinjaUnicorn。在向远程工作过渡期间，与NinjaUnicorn的互动频率提高了三倍，这让Unity的IT团队成功地满足了不断增长的支持需求。虽然工作的未来不确定，但毫无疑问人工智能将发挥核心作用。很多组织对人工智能技术感到好奇，因为IT部门往往处理较小的数据集，人工智能不需要庞大的数据集才能产生结果吗？Nivargi：这是个好问题。事实上，有效训练机器学习(ML)模型需要“大数据”，即最终让模型做出可靠预测的数百万个数据点。问题是大多数公司根本没有太多的例子可以使用。例如，一家较小的公司可能只有30条相关数据需要自动处理，而谷歌可能有30万亿条相关数据需要自动处理。但是，如果能够克服机器学习的明显缺点，企业中的“小数据”实际上可以非常有用。例如，小数据比大数据具有更大的个人相关性潜力，因为小数据可以从极其具体的上下文中捕获模式和趋势。由于更大的数据集、更大的预算和机器学习团队，大型科技公司仍然具有优势。但幸运的是，几乎任何组织都可以用最少的努力让人工智能发挥作用，而无需聘请专门的专家团队来维护它。借助集体学习等技术，第三方AI供应商可以为中型组织赋能，并帮助他们从机器学习的力量中获益。对于来自多家公司的数据中出现统一模式的用例（例如IT支持）尤其如此。简而言之，机器学习的努力不必受到“小数据”问题的阻碍。当IT高管和CIO考虑在2021年加速IT支持时，有什么建议吗？Nivargi：服务台需要停止IT支持的恶性循环，在这种恶性循环中，机构忙于解决个别IT问题，因为他们没有时间解决导致最终用户出现更多问题的根本问题和效率低下。当然，这说起来容易做起来难。以下是IT团队可以采取的一些步骤：从所有IT工单中收集和综合数据以发现用户行为趋势。始终如一地跟踪所有工单，无论是手动处理还是使用自动化系统，都可以对优先级最高的AI用例进行优先排序。确定更常见且耗时的支持请求，这些请求可能是自动化的候选者。例如，解锁用户帐户、配置软件、编辑电子邮件组和订购设备。实施AI支持的聊天机器人，无需服务台干预即可解决这些常见请求。一些聊天机器人，包括来自Moveworks的聊天机器人，还提供对用户行为趋势的可见性以加快处理速度。我们的一些客户担心，在首次使用AI和ML时，他们的环境不够成熟。因为在采用解决方案之前通常不知道您将面临什么问题，尤其是在机器学习中，而且该解决方案通常是一种宝贵的资产，其影响会随着时间的推移而增加。
