2020年是充满动荡的一年，组织面临诸多挑战。进入2021年，人??工智能产业将快速发展。为了解2021年的重要新趋势，行业媒体采访了各行各业的高管，听取他们的想法和见解，以及对可能发生的事情的预测。2021年人工智能的行业预测Teradata执行副总裁兼首席产品官HillaryAshton表示，随着组织追求重新开放和确保足够收入流的目标，他们将需要利用人工智能技术实时收集关键见解，使他们能够这样做。做。采用人工智能(AI)技术可以帮助指导组织了解他们保护客户和员工安全的策略是否有效，同时继续促进增长。随着组织认识到人工智能在帮助其组织政策管理和合规、确保安全和改善客户体验方面的独特能力，我们将看到人工智能在各行业的采用率不断提高。Jitterbit首席技术官ManojChoudhary表示，2021年，我们将看到人工智能、机器学习和物联网定义和塑造人们的生活和行为，而且这种现象将持续很多年。这些进步将影响人们工作、生活、购买、消费和其他一切的方式。然而，许多组织将采用云计算和边缘计算等技术，这些技术将继续占据主导地位，因为它们能够处理和管理所有必要的数据，为人工智能、机器学习和物联网技术提供支持。并支持iPaaS、APIM、RPA等技术。这些技术将继续引领业务的数字化转型，因为它们从以人为本的业务发展为最终可以利用人工智能和物联网力量的数字化业务。Kalypso董事总经理GeorgeYoung表示，即使有了有效的冠状病毒疫苗，人们的工作和互动方式也将从根本上改变。在新的一年里，远程工作将继续进行，社交距离要求将继续存在，供应链将继续面临中断。这种新的生活方式要求组织以新的方式在从产品到工厂再到最终用户的整个价值链中高效地继续运营。人工智能的使用将成为应对这些挑战的标准。但是，如果不考虑人类将如何与这些新的自主系统交互并利用它们，人工智能的应用将会失败。到2021年，组织将采取以人为本的AI计划，了解用户需求和价值观，然后相应地调整AI设计和模型，从而提高采用率。人工智能要取得成功，组织必须像关注技术本身一样关注人才和文化。组织变革管理(OCM)团队对于推动数字化转型和AI向前发展至关重要，因为它将人们聚集在变革之旅中，并建立组织以获得可衡量的结果。适当的变更管理是任何数字化转型计划中最重要但最被忽视的方面。Gramener分析主管SundeepReddyMallu表示，到2021年，组织将依靠人工智能系统专注于持久且有意义的商业价值。这种变化将推动组织内更深入的数据素养计划。这将要求人们学习新技能并以新方式行事。Pega营销人工智能和决策制定产品战略高级总监VinceJeffs表示，大多数消费者将继续对人工智能持怀疑态度。大多数人仍然不信任人工智能，那是因为他们不了解它，甚至没有意识到他们每天都在使用它。消费者免费获得如此多的基于人工智能的服务（Facebook、谷歌、TikTok等），以至于他们不明白他们付出了什么作为回报（也就是提供个人数据）。只要人们这样想，他们就无法预料到人工智能可能带来的危险或如何保护自己，除非市场在教育客户或执行法规来保护他们方面做得更好。尽管如此，仍有证据表明行业参与者正在扭转AI的可信度。在Pega进行的一项调查中，81%的商业领袖表示，随着越来越多的人意识到人工智能将如何影响生活，并且在某些情况下喜欢它，他们将继续面临更严峻的挑战。问题，进一步破坏对AI的信任，迫使组织响应他们的需求。BluePrism人工智能和研究主管EricTyree表示，人工智能驱动的数字工作者将帮助组织长期保持战略性。许多人认为人工智能和自动化对组织未来的生存至关重要。然而，研究表明，大多数组织尚未充分意识到其AI和自动化投资的好处。通过数字劳动力将强大的AI功能与业务流程联系起来，将越来越多的组织大规模实施AI驱动的自动化。使用人工智能的自动化将越来越多地与核心战略计划相关联，例如提高客户关注度、收入增长、资本配置、供应链管理、风险管理、成本和运营效率等。人工智能驱动的数字工作者将被用作执行组织战略和管理企业规模风险的主要工具。快速有效地采用自动化将越来越多地被视为保持市场竞争力的重要组成部分。Dataiku首席执行官兼联合创始人FloriDouetteauge表示，人工智能实验将变得更具战略意义。在整个模型开发过程中进行实验。通常，每一个重要的决定或假设都至少伴随着一些实验或先前的研究来证明这些决定的合理性。实验可以采用多种形式，从构建成熟的预测机器学习模型到进行统计测试或绘制数据图表。尝试超参数和特征处理等所有可能的组合很快变得无法追踪。因此，您将开始看到组织定义实验的时间或计算预算，以及模型实用性的可接受性阈值。普华永道全球AI负责人AnandRao表示，2021年人工智能将成为主流。由于冠状病毒大流行，许多组织被迫进行数字化转型以在新常态中生存。根据研究，数字加速在新的一年没有停止的迹象，86%的组织现在看到通过人工智能在更好的客户体验方面取得的进展可能会继续。大流行也改变了人工智能投资的业务重点。例如，组织已经从自动化等简单任务转向专注于劳动力规划和模拟建模。到2021年，随着组织继续从其对复杂流程的数字投资中获益，人工智能的采用将变得更加广泛。MachEye首席产品官兼客户成功主管DhirenPatel表示，人工智能和商业智能的融合将增强数据洞察力。在过去的五年里，人工智能一直是行业团体讨论的一部分。然而，挑战仍然是为大部分劳动力民主化高级AI洞察力的过程。随着基于AI的新商业智能产品的出现，孤岛将被打破，每个用户都将能够利用数据分析并轻松找到见解。简单的界面、个性化的见解和引人入胜的数据体验将成为2021年及以后数据分析的标志。Onfido研究副总裁莫汉·马哈德万(MohanMahadevan)表示，许多基于人工智能的面部识别算法中的种族偏见一直是过去一年的主要讨论话题，并且由于2020年的社会动荡而达到顶峰。该研究发现了广泛的证据，表明有色人种面临种族偏见的可能性明显高于白人。到2021年，纠正AI偏见将成为任何使用AI或面部识别技术的组织的主要话题。使用政府颁发的文件，人们可以通过分析文件上的个人资料图片并将其与试图访问系统的个人资料图片进行比较，从而快速轻松地证明ID所有权。2021年将是AI偏见被揭露的一年，组织将开始实施根本性变革以消除软件中的种族偏见，部分方式是有意关注公平和培训公司的机器学习系统以减少识别错误。根据Capacity创始人兼首席执行官大卫·卡兰迪什(DavidKarandish)的说法，2021年将是从随意采用人工智能到维护忠诚关系的一年。AI不再仅仅用于研发项目，现在是时候调整这些解决方案了，现在必须实现自动化。Capacity首席数据官DaveCostenaro表示，随着计算能力、互联网规模数据和现代机器学习算法的融合，过去几年人们在人工智能领域开辟了新天地。在接下来的几年里，我们将进入一个扩展的时代，更多的业务用例将被原型化、打包和生产，以增强现有的产品和服务或创建全新的产品和服务。根据6sense的首席技术官ViralBajaria的说法，人工智能的成功已经从通用转向利基。在组织继续增加对AI的投资的同时，他们也在重新评估其针对特定AI的技术堆栈。解决特定问题的成熟用例将优先考虑预算而不是自动化，后者将完成所有工作。LLamasoft全球影响总监安迪·福克斯(AndyFox)表示，就在不久之前，人工智能才成为人们现在所了解的东西，例如自动驾驶汽车或图像识别。然而，今天出现了一种新的狭义人工智能，它试图复制人类的决策过程。从供应链的角度来看，这种新的AI可以从“我如何为我的汽车加油？”的角度帮助更好地指导整个供应链的决策。或“我如何按时获得产品？”，打算在2021年添加这些狭窄的解决方案，以取代战术和较小规模的决策。Atos北美AI实验室的架构负责人JonasBull说，在边缘，当政府试图跟踪人员和组织试图操纵人员或深入了解行为时，期望有办法阻止跟踪。在反面部识别工具上所做的工作是不同的，我们将开始看到阻碍人工智能监测和理解人的方法的高科技和低端技术。Cellebrite数字情报高级主管HeatherMahalik表示，随着越来越多的机构开始采用这些基于人工智能和机器学习的解决方案，执法部门有责任遵守道德政策并消除此类工具的偏见。因此，各部门将开始制定自己的政策，并与相关机构合作，以负责任和合乎道德的方式使用人工智能，包括对相关团队和业务职能部门进行适当培训，并为数据驱动和负责任的决策创造环境。执法机构将继续确保对人工智能系统的偏见进行审查，并根据需要进行纠正。他们将与公众沟通，以提高使用这些工具的透明度。Ahana的联合创始人兼首席产品官(CPO)DiptiBorkar表示，2021年将看到更多数据驱动的组织利用开源技术进行分析，并使用Presto和ApacheSpark等人工智能技术。与依赖整合数据存储的传统企业数据仓库对应物相比，智能平台等开源分析技术更加灵活且更具成本效益，后者是一项耗时且成本高昂的工作，通常需要供应商锁定。2021年，Presto等分析引擎的使用将增加。FinnAI的联合创始人兼首席执行官JakeTyler表示，整个行业将从IBMWatson和AmazonLex等传统人工智能平台转向特定领域的人工智能驱动产品和托管服务模型。通用平台不是解决方案，没有任何训练数据或数据模型结构，构建此模型然后在生产中对其进行优化是一项超出大多数组织能力的专家和资源密集型任务。到2021年，将采用经过特定行业培训和验证的基于领域的AI驱动产品，推动从早期创新者市场向大众市场的转变。Speechmatics副总裁伊恩·弗斯表示，2021年人工智能不会映射到人类的能力范围。例如，人工智能可以使用算法在国际象棋比赛中击败任何人，但它不会泡茶.计算机程序的运算速度可以比人类快数百万倍，但如果问哪支球队有可能赢得下一届世界杯，这个问题甚至无法理解。人工智能的能力并不普遍，但人们可以高估或低估算法的力量。希望工程师们通过尝试将算法映射到人类能力范围来避免人工智能和算法错误。使用语音识别等人工智能技术来增强人类能力，并在人工智能自动化和人类知识之间为客户体验和网络会议等现实世界用例找到适当的平衡，将开始塑造人工智能。智能在未来的有效应用。Gianom分析师YiannisAntoniou表示，人工智能/机器学习将成为云计算行业最热门的话题。鉴于社会越来越重视打击不公平和偏见，以及对机器学习模型更好的可解释性的整体兴趣，云计算提供商将投资并增强他们的机器学习产品，以提供全套负责任的人工智能/机器学习能力，旨在满足监管机构和建模者，与此同时，AI/ML功能将继续在整个行业内实现爆炸式增长和使用，易用性和用户体验将得到显着改善行业的下一个增长点。瞻博网络首席技术官BobFriday表示，用于网络的AIOps将成为主流，许多组织的AIOps将从理论转向实践。随着远程劳动力的增加以及家庭成为新的微型分支机构，AI可以为云计算用户提供出色的客户体验，同时控制远程员工的IT支持成本。IT团队将需要采用AIOps来扩展和自动化他们的操作，并将破坏客户支持模型。AI不会主动向IT机构提交工单，而是主动识别存在连接或体验问题的用户。CloudleafCEOMaheshVeerina表示，人工智能和机器学习将在供应链战略中发挥比往年更重要的作用。到2021年，对整个供应链的更多实时洞察的需求将继续增长，尤其是随着供应链组织重新评估其运营，因为大流行期间购买行为发生了突然变化。为了满足这一需求，供应链组织需要寻求人工智能(AI)和机器学习(ML)支持的技术，以从当前的描述性分析中升级。通常情况下，一些组织会因为被拥有不同系统的大公司收购而经历各种混乱和分裂。2021年，供应链利益相关者将寻求在所有模块中部署数字孪生，以提高可见性并确保组织现有系统与新技术之间的同步。Appen首席技术官WilsonPang表示，人工智能的偏见正在造成巨大的伤害——从影响招聘过程的性别刻板印象强化到信用评分和贷款中的种族歧视。组织知道雇用多样化的员工队伍可以为人工智能模型提供一定程度的真实感，并且他们知道需要不断监控训练数据的偏差，因为它会影响算法的质量和准确性。他们还知道，目前还没有基于道德的指标来真正减轻AI中的偏见。到2021年，组织将不再只是承认和担心AI中的偏见，而是开始采取更重要的行动来解决它。组织将制定具体的团队计划来解决负责任的人工智能所涉及的所有问题，从数据固有偏见到公平对待数据培训师。建立一个负责任的人工智能项目不仅是一些组织的执行层面的任务，而且也是合作伙伴和客户的要求。BMCSoftware首席产品官AliSiddiqui表示，AIOps将继续升温，以增强客户体验并实现应用程序保证和优化。面对未来一年的不可预测性，我们将看到对AIOps的需求继续增长，因为它使用人工智能、机器学习和预测分析来解决和预测这些意外情况。跨混合本地和云基础架构的数字企业应用程序的复杂性不断增加，再加上容器化等现代应用程序架构的采用，将导致数据量和复杂性空前增长。虽然现代数字环境中的数据过载可能会延迟修复并使ITOps团队不堪重负，但更智能的策略和集中式AIOps系统可以帮助组织改善客户体验，提供现代应用程序保证和优化，并将其与智能自动化相结合，并发展成为自治的数字企业.事实上，传统的IT运营方法可能不再可行。组织不可避免地采用AIOps来扩展资源和有效管理现代环境。NewRelic产品营销总监MichaelOlson表示：随着AIOps的不断成熟，我们看到了供应商提高风险评估能力的机会，这样客户就可以在不破坏系统其他部分的情况下以近乎确定的方式解决问题.内容。在2021年，我们将看到供应商和用户之间的关注度增加，这将是实现更强大的依赖映射的一个方面，以便工程师可以在修复或构建更改周期中准确评估风险，进行软件更改，以便在一个部分进行更改环境不会破坏其他系统。据Qeexo首席执行官SangWonLee表示，到2021年，边缘机器学习将成为AI/ML行业的主要焦点之一。在汽车、智能工厂和智能家居行业，对智能边缘应用的需求是迅速增长。随着高效的边缘ML开发工具的广泛使用以及半导体公司推出具有ML功能的新MCU，边缘ML应用程序的采用将成为一个主要趋势。NVIDIA企业健康业务副总裁兼总经理金伯利·鲍威尔(KimberlyPowell)表示，临床社区将增加对联邦学习方法的使用，以跨不同机构、地区、患者人口统计数据和医疗扫描仪构建AI模型。即使有大量数据可供训练，这些模型的灵敏度和选择性也优于单个机构构建的AI模型。此外，研究人员可以在不共享机密患者信息的情况下协作创建AI模型。联邦学习还有助于为数据稀缺的领域构建AI模型，例如儿科和罕见病。NVIDIADGXSystems业务副总裁兼总经理CharlieBoyle表示，在过去十年中，各组织急于招聘数据科学家，但由于缺乏支持性基础设施，生产力一直低于预期。更多组织将通过在超级计算规模上构建集中式共享基础架构来加速AI投资回报率。这将促进数据科学人才的发展和壮大，分享最佳实践，加速解决复杂的人工智能问题。Planful首席技术官SanjayVyas表示，人工智能将缩小无缝用户体验的范围：纵观人工智能的历史，算法是最重要的，用户体验是其次的。但随着我们进入2021年，支持AI的应用程序将越来越注重可用性。人工智能的最佳表现形式是对用户来说是无缝的，并且在后台不引人注意地工作。AI/ML驱动的平台将找到新的方法来引导用户获得更好的结论和解决方案。这是通过查询大量数据、寻找异常、洞察和趋势，然后在适当的业务环境中呈现结果来实现的。真正无摩擦的AI/ML应该是任何业务平台的最终目标。期待看到更复杂的人工智能应用程序，这些应用程序可以识别每个用户试图完成的任务，并自动提供可用于快速行动的洞察力。这种易用性对于范围广泛的技术和非技术用户都具有不可思议的价值。Talend首席技术官CalishnaTammana表示，伦理人工智能将在2021年的产品开发中发挥关键作用。伦理人工智能正在成为一个重要问题，但很难解决。组织正在使用数据和人工智能来创建解决方案，但它们有可能绕过关于歧视、监视、透明度、隐私、安全、言论自由、工作权和获得公共服务的人权法规。为避免声誉、监管和法律风险，必须遵循符合道德规范的AI，并最终让位于AI政策。人工智能政策将确保高标准的透明度和对人们的保护。在数据领域，组织的CEO和CTO需要通过仔细的分析、审查和编程找到消除算法偏见的方法。NuanceCommunications首席技术官JoePetro表示，你将看到企业专注于采用和开发能够真正带来投资回报(ROI)的AI解决方案。组织将关注可证明的进展和可衡量的结果，因此将投资于解决特定问题的解决方案。深入了解客户想要解决的复杂性和挑战，并愿意在解决方案上投入研发资金的公司将会成功。毕马威数据和分析主管TraciGusher表示，人工智能技能差距将持续存在，组织将考虑新的适应方式。而且很难聘请部署AI并获得所有好处所需的人才，这是半数业内人士提到的挑战。而且，许多组织在几个月或几年的时间里加速了数字化转型计划，但可用于支持这些计划的人才和培训机会存在差异。由于需求增加，组织有望为员工提供更多技能提升计划和激励措施，以在组织的各个层面学习新技能并培养数据和AI素养。大流行为组织提供了一个机会，可以优先考虑这些行动，并帮助员工在快速过渡到远程工作时发展新技能。Jumio首席执行官RobertPrigge表示，解决人工智能算法中的偏见将是一个优先事项，这将导致引入针对特定种族的机器学习支持的面部识别指南。组织越来越关注AI算法中的人口统计偏见（种族、年龄、性别）及其对其品牌的影响和潜在的法律问题。在2021年选择身份证明解决方案时，评估供应商如何解决人口偏见将是重中之重。想要了解供应商的人工智能“黑匣子”的结构、数据的来源以及培训数据对所服务的广大人群的代表性的组织将越来越需要明确的答案。随着组织继续采用基于生物特征的面部识别进行身份验证，该行业必须解决系统中固有的偏见。人工智能、数据和种族的话题并不是什么新鲜事，但它将在2021年达到顶峰。麻省理工学院的研究人员分析了用于开发面部识别技术的图像数据集，结果显示，77%的人图像是男性，83%是白人，这表明面部识别技术存在系统性偏见的主要原因。原因之一。2021年，将采用指导方针来抵消这种系统性偏见。在那之前，使用面部识别技术的组织应该询问他们的技术供应商他们的算法是如何训练的，并确保他们的供应商没有在购买的数据集上训练他们的算法。罗格斯大学基础设施研究员托比亚斯·科米施克博士表示，人工智能将逐渐引入人们生活的更多领域。2021年，由于疫情产生的数据与训练模型的数据存在显着差异，许多机器学习模型都经受了巨大的压力测试。2021年，我们将看到人工智能以更渐进、更持续的方式进入更多工作和生活领域，展现有形价值。WorkdayCTOJimStratton表示，可解释的AI/ML正在兴起，希望开发人员和业务用户能够更多地理解和推理AI和ML算法以及如何应用它们。在人们对底层技术建立信任之后，这些解决方案将得到广泛采用，而这只有在向最终用户解释给定预测的驱动因素时才会发生。例如，在招聘中使用机器学习的背景下，为什么推荐给定候选人担任特定职位既可以让招聘经理做出明智的决定，也可以暴露招聘实践中无意（或恶意）偏见的风险。Laserfiche首席信息官ThomasPhelps表示，人工智能将融入组织日常运营的每一步。到2021年，人们将最终看到人工智能(AI)嵌入到组织运作方式的各个方面。以有竞争力的方式提供新产品和服务，改造后台办公室并改善客户体验。这将包括使用人工智能来帮助降低风险和优化成本，例如预测供应链中的问题和建议替代供应商。安全技术将越来越多地使用人工智能，人工智能将更常用于防止威胁行为者的活动和攻击，包括对抗勒索软件或泄露敏感数据。监控系统中的人工智能面部识别技术，结合钥匙卡系统、传感设备和建筑地图，将被用于快速识别建筑物中的入侵者。DrFirst产品创新和互操作性高级副总裁KunalAgarwal表示，2020年的冠状病毒爆发以前所未有的速度加速了医疗保健的数字化转型。虽然远程医疗将在2021年继续占据主导地位，但需要改进人工智能(AI)和分析以及实用的互操作性才能释放其全部潜力。例如，具有深度学习的人工智能甚至可以在远程医疗期间从患者通过手机发送的图像中准确分析和检测潜在问题。
