据Gartner称，到2022年，人工智能将在全球范围内创造2.9万亿美元的商业价值和62亿小时的员工生产力。许多公司都在瞄准人工智能优先战略，而机器学习是除了优化业务流程之外，现在还用于重新思考业务战略。AI优先战略将AI置于公司的核心，以优化预测、客户支持、营销、产品、制造、故障检测以及了解客户偏好和创新方法以创造竞争优势。理想情况下，人工智能将在决策制定的每个阶段提供帮助，完全嵌入系统中，并对员工和客户完全透明。但要实现这一目标，公司需要进行根本性变革，包括自上而下的思维方式转变和MLOps工具的实施，以帮助IT团队克服阻碍AI充分发挥其潜力的技术障碍。以下是公司可以采取的五个步骤，以转向AI优先战略。1.让AI成为业务的核心AI的成功采用取决于强有力的行政领导的支持。除了技术贡献者之外，还可以与主题专家（例如放射科医生或保险专家）建立跨职能团队。所有参与AI项目的专业人员，包括业务用户、软件工程师、数据科学家、数据分析师、测试人员、架构师和产品经理都需要参与进来，这样组织才能利用AI，机器学习更快，模型更顺利地投入生产。2.让人工智能长期工作。模型通常由数据科学家在理想条件下设计。从研究到生产很难实施。在许多情况下，这是第一个障碍。如果这一步成功，那么我们将面临维护挑战，许多AI项目由于缺乏干净可靠的数据、直接访问不同类型的数据存储以及计算资源短缺而碰壁。在数据科学家构建模型时，他们应该与DevOps团队合作，为AI系统的数据管理、部署和监控制定长期计划，以确保成功实施并顺利进行持续维护和运营。3.最大限度地减少繁琐的数据准备工作要使人工智能系统准备好投入生产，需要进行大量的数据准备、集成和模型训练，这会消耗训练有素的数据科学家的大量时间。其中许多任务可以自动化，以简化数据管道，更轻松地将工作负载从研究转移到生产，检测性能下降，或检测结果漂移，表明需要使用更完整或更新鲜的数据重新训练模型。4.利用现成的AI以前，由于技术困难和人才稀缺，只有像Google和Facebook这样的大公司才有雄厚的财力来实施AI/ML模型。如今，许多公司都在为研究探索和大规模生产部署提供前沿的开源框架、工具、库和模型。能够快速利用和定制计算机视觉、语言处理、语音识别和其他常见功能的开源解决方案的公司处于领先地位。5.实施最佳性价比策略如今的基础设施环境是一个拥有无数计算选项组合的丛林，数据科学家可以利用这些选项来处理不同的AI工作负载，包括CPU、GPU、AI加速器、云、内部部署、混合云、co-位置等。因此，为了以合理的价格实现高性能，在实施时会遇到许多复杂性和不可预见的挑战。了解AI预算并选择最具成本效益的基础设施，可以降低AI的总成本，加速创新，控制风险，加快上市时间。随着新网络经济的发展，到2022年，企业将通过真正的数据驱动，利用人工智能带来的洞察力，竞相提高竞争力。尽管过去的一年很艰难，但事实证明，数据分析是做出更好的业务决策的关键，而且最近的发展加快了公司创新以实现业务数字化转型的步伐。通过让AI成为整个IT组织的核心，企业可以更进一步，将AI作为一种战略资源，在短期和未来几年内获得全部收益。
