劳动力短缺一直是困扰很多企业的问题。由于有大量入门级职位空缺，大多数零售店都在招聘，当然平均工资也在上涨。日本等国家长期以来一直如此，这些国家在使用人工智能实现更高水平的自动化方面处于领先地位，目标是用更少的人做更多的事情。以下是AI自动化的一些主要趋势：1.AI训练和数据质量GreatExpectations开放数据质量平台的高级开发倡导者RubenOrduz表示，AI训练中的数据工程师正在认真对待数据质量过程。一个问题是现实世界的数据不干净或不可预测。它可能会遇到质量问题，例如数据丢失、截断或无效、意外重复和异常。“当算法用混乱的数据进行训练时，结果可能是灾难性的，”他说。“依赖于从输入数据进行推断和调整的机器学习和人工智能算法特别容易受到不良数据条件的影响。”例如，如果企业发送和交付货物，它会收到来自供应商的一组订单，其中包括名称、地址和要交付的货物。人工智能系统获取这些数据，并用它来学习和规划送货路线。如果平时派送的数量是1-30个，但是数据突然在“包裹数量”中显示了数千个包裹，那么就需要雇佣更多的送货司机，这说明模型也是有偏差的。这就是数据工程师努力了解其数据质量并使用数据质量平台来识别异常值和受影响数据的原因。现在比以往任何时候都更容易做到这一点。工程师可以发现、运行流水线测试作为数据流，并在进入AI训练过程之前捕获异常值。2.AI自动化和网络Cisco、JuniperNetworks、Gluware和Splunk等许多公司都在投资AI功能的自动化，以将其应用于网络故障排除和性能诊断。传统上，网络运营需要高度参与的人力资源。人工智能和数据可以使许多工作自动化。毕竟，网络是一个包含大量技术、架构和叠加层的复杂系统，会导致许多操作点出现故障和性能问题。网络的人工操作方面同样具有挑战性。尽管在将操作集中到网络控制器方面做出了一些努力，但网络管理在很大程度上仍然是手动的，并且需要管理员的大量专业知识。此外，这项工作主要是探索性的，管理人员试图在没有先验洞察力或数据的情况下手动找出问题的根源。因此，以传统方式运行网络的成本很高，无论是在服务停机或降级方面，还是在实施解决方案的人力方面。Gluware人工智能副总裁StanislavMiskovic表示：“使用人工智能进行自动化分析是一个巨大的机会，我们正在构建一个平台，该平台将在整个网络堆栈中利用和统一真实世界的数据。人工智能自动化可以通过多种方式帮助企业降低与网络相关的运营成本：执行根本原因分析并对有问题的站点、设备和协议进行本地化；自主地对整个基础设施及其所有组件进行基线处理；确定已识别问题的依赖关系的优先级；例如识别支持证据并为网络工程师规定补救措施。但在网络世界中，这些能力中的大多数仍处于起步阶段。”3.AIinCyber??Security由于网络往往需要更多的AI实现自动化网络安全也是如此，随着威胁越来越复杂，企业网络的边界越来越模糊，尤其是向云平台过渡，大量的需要分析的数据远远超过人工检查的能力。Miskovic说：“AI和分析是增强安全性的关键推动力。今天，安全需要覆盖更广泛的领域，这离不开AI自动化的帮助。如果攻击面太大，数据量太大，那么没有AI的帮助是检查不出来的。”这导致了用户和实体行为分析的发展，这是一个纯AI驱动的安全领域。另一种AI驱动的安全方法是零日攻击或未知事件的检测，如果没有AI，这是无法实现的-自动化基线分析和异常检测。最后，人工智能自动化通过确定安全警报的优先级、减少警报疲劳和推荐纠正措施来帮助安全响应团队。4.流程自动化它们生成的警报数量以及工程师需要采取的解决这些警报的步骤数量变得难以承受。因此，人工智能驱动的流程自动化正在成为网络运营、安全运营和票证管理不可或缺的一部分。“许多人工智能驱动的Miskovic说：“已经开发出解决方案来自动化警报和解决问题任务的各个方面。”这些AI自动化解决方案提供了客户可以在没有人为干预的情况下执行许多任务的可调整的剧本。后勤或补救任务。该系统可以通过识别工程师为解决类似问题所做的工作中的模式，自主学习解决问题所需的许多剧本步骤。这些剧本也可以由工程师定制。”5.人工智能即服务人工智能即平台。DataProphet联合创始人兼首席执行官FransCronje表示：“随着企业及其数据科学团队通过人工智能平台发挥优势，他们开始通过建立专业团队来实现人工智能的附加值。人工智能系统提供人工智能形式的深厚知识将加速发展。”
