根据普华永道发布的调查报告，到2030年，人工智能对全球经济的潜在贡献将达到15.7万亿美元。IBM最近的一项调查确定了推动人工智能采用的主要因素，包括降低成本和自动化关键流程的需求、不断上升的竞争压力和不断变化的客户期望。要想成功地从AI投资中获益，企业管理者需要了解AI领域的趋势和方向。2023年人工智能发展趋势预测随着全球人工智能投资的不断增加，人们需要了解2023年人工智能的发展趋势及其对企业的潜在影响：1、低代码人工智能在行业应用方面取得长足进步。AI模型开发过程复杂、费力、迭代，构建一套好的模型需要数天和数千次实验。低代码人工智能/数据科学平台改变了这一切，提供了有助于更快创建实验的拖放界面。直观的图形用户界面(GUI)、视觉再现性和协作性是低代码平台的最大优势，它使数据科学团队能够快速执行大量实验。低代码人工智能平台也非常适合将数据工程师和业务分析师提升为公民数据科学家，减少对各个行业领域稀缺的专家数据科学家的依赖。2.分布式模型训练是AI建模的核心。数据科学团队需要试验数千个模型。现在的人工智能模型非常复杂，有数百万个参数。并且在low-code的控制下，同时进行多项实验的能力提升了很多倍。但要实施这数千个实验，数据科学团队需要一个可随需扩展的经济高效的计算系统。使用传统方法训练这些复杂的、内存密集型的实验是一个巨大的挑战，而分布式计算主导的模型训练可以帮助解决这一挑战，并且是实现可扩展企业AI的核心。3.机器学习运算（MLOps）的应用增长迅速。麦肯锡在其2021年发布的调查报告中指出，MLOps的使用是企业从AI中获得成功回报的决定性因素。MLOps在AI领导者和数据科学家中越来越受欢迎，因为它将机器学习从实验阶段带入生产，并涵盖了企业数据科学过程的主要部分。当数据科学领导者必须使用版本控制、快速扩展等功能管理和修剪生产中的数百个模型时，这确保了更好的治理。4.AI信任和可解释性AI不再被视为黑匣子。越来越多的人投资于AI以做出关键的业务决策。因此，克服信任AI来自动化敏感流程的挑战变得至关重要。这整个场景导致可解释的人工智能的出现，这有助于理解做出决策的因素。可解释人工智能的透明度是建立对人工智能的信任并提高其采用率的关键。5.人工智能在网络安全中的应用随着网络威胁复杂性的增加，企业正在将人工智能融入到他们的安全解决方案中。人工智能现在正在处理敏感数据的日常存储和保护，作为自动化网络威胁预防和保护的下一步。它被用于进一步增强情报分析能力，以检测潜在威胁或模式并识别网络攻击者的潜在意图。成功采用AI的秘诀根据Accenture的一项研究，与追求单一概念验证的企业相比，战略性扩展AI的企业的成功率和回报率是后者的两倍。事实证明，在采用人工智能的早期阶段，企业的投资回报率可能并不高。AI必须在整个组织中扩展，以确保该技术能够为业务做出重大贡献。通过将AI集成到核心业务流程、工作流和客户旅程中，可以优化他们的日常运营和决策任务。麦肯锡在一份研究报告中预测，采用这种方法的公司很可能实现价值和规模的增长，其中一些甚至增加约20%的收入。成功扩展AI的关键驱动因素取决于特定因素，例如人员、AI软件和计算基础设施。为了提高AI的成熟度，组织需要了解数据洞察的来龙去脉，并将其纳入业务流程。其中一项重要要求是采用能够有效且高效地支持日常业务的AI系统，例如支付、交易量、销售，甚至生成季度报告。企业各部门采用AI的人员都可以不受任何部门的束缚，轻松获取数据洞察。随着企业规模的扩大，人工智能可以帮助他们探索现有产品的新领域或开发新产品。结论企业需要探索AI的好处和可能性，并对其AI投资采取战略性方法。借助AI，公司不仅可以加速或自动化现有流程，还可以利用新机遇并增加AI在员工、客户和利益相关者中的影响。
