人工智能已经在企业界引起了如此多的关注，许多IT领导者可以原谅它认为它将为日益复杂的数据生态系统提供所有答案。虽然它确实有可能对现有技术进行许多有意义的改进，但公平地说，围绕其功效的一些期望被夸大了。
事实上，对于AI究竟是什么，它是如何运作以及它实际可以做什么的理解相对较少。这导致了对企业在企业中的作用及其与现有基础设施和运营企业的人的关系的广泛误解。
人工智能在炒作周期中
根据Gartner最近的Hype Cycle，深度学习，机器学习和认知计算等关键AI子集位于Peak Inflated Expectations曲线的顶部，这意味着他们正处于长期滑入幻灭之谷的尖端。虽然这对于过去30年来几乎所有颠覆性技术的课程而言都是相同的，但它指出了人工智能在企业中的预计影响，这主要来自受控实验室测试，即将在现实中崭露头角生产环境。
尽管如此，Gartner研究员迈克沃克希望人工智能在未来十年内无处不在，通过提升计算能力，导致神经网络等结构的发展，以及企业数据负载变得如此巨大这一事实。如此复杂，人类操作员无法再自己应对。
企业需要了解人工智能的第一件事就是用“智能”这个术语快速而松散地进行。正如瑞士神经科学家Pascal Kaufmann最近向ZDnet解释的那样，计算机算法和人脑的方式存在很大差异。处理信息以得出结论。给定足够的处理能力，计算机算法可以比较数百万，数十亿甚至数万亿的数据集以进行简单的确定，例如猫的图像是否确实是猫的图像。但即使是一个小孩子，只需很少的数据，就可以本能地确定它是一只猫，并且在知道猫是什么以及它看起来像什么后会永远存在。
通过这个标准，甚至人工智能在工作中的领先示例 - 谷歌DeepMind的AlphaGo对策略游戏Go 的掌握 - 并不是真正的人工智能，而是大数据，分析和自动化的横截面，能够合理化基于规则的方法获胜 有趣的是，考夫曼补充说，人工智能的一个真实例子就是如果AlphaGo已经想出如何作弊以获胜。然而，为了做到这一点，科学将首先必须破解“脑代码”，这使我们能够处理信息，检索知识和存储记忆。
到目前为止，还不是那么好
事实上，尽管人们担心人工智能即将包含每个人的工作，但迄今为止的结果几乎是滑稽的。乔治·R·R·R·马丁的“权力的游戏”的粉丝对该系列的下一部分非常不耐烦，许多人蜂拥到一个几乎纯粹的gobbledygook的章节，由一种称为反复神经网络的AI形式编写。与此同时，IBM正在从肿瘤学研究人员那里获得抨击谁被告知沃森会在诊断和治疗方面开启一个新时代，但相反仍然只是为了区分基本形式的癌症而苦苦挣扎。鉴于此跟踪记录，很有可能当AI首次引入典型企业时，人工操作员可能需要更多努力来跟踪和监控它将犯下的所有错误。
但这就是问题：人工智能将随着时间的推移而变得更好，而不必重新编程。正如Cornell Tech研究员Daniel Huttenlocker最近告诉Tech Crunch的那样，人工智能更有可能取代传统软件 - 以及它所需的所有麻烦的补丁，更新和修复 - 而不是人类操作员。这并不意味着AI不需要编程，但这种方法大大简化了。使用今天的软件，程序员不仅需要定义要解决的任务，还需要确定解决它的确切步骤。使用AI，所需的只是目标，软件应该能够处理其余的，只要它有合适的数据可供使用。
这一切都取决于数据
最后一点是至关重要的，因为在一天结束时，AI只是一种算法，而算法只能与它们输入的数据一样好。这意味着除了构建适当的AI操作框架之外，企业还必须建立一个相当活跃的数据调节环境，以便分析结果将基于准确的信息。正如ActiveCampaign首席执行官Jason VandeBoom最近告诉福布斯，“垃圾等于垃圾”的规则仍然适用，因此组织可能需要一段时间才能看到人工智能投资的真正好处。
鉴于所有这些，企业不应期望人工智能为大数据和物联网的新挑战提供快速解决方案。人类和机器的学习曲线可能很长，结果最多也是不确定的。
但如果一切按计划进行，那么从长远来看，企业和知识型员工都应该看到实质性的好处。想想最繁琐，单调乏味且耗时的任务，这一任务正在减缓您的流程，并且想象永远不必再次执行它们。
