Gartner预测人工智能技术的未来

Gartner2020年CIO议程调查显示，领先的企业希望在未来一年内将人工智能项目的数量翻一番，其中超过40%的企业计划在2020年底真正部署AI解决方案。但事实上，大多数企业都很难将人工智能试点项目扩展到整个企业的生产环境，这限制了企业实现人工智能的潜在业务价值。

Gartner高级总监分析师Chirag Dekate表示:“尽管成功的可能性很大，但通过人工智能计划来发挥业务影响力所花费的时间要比预期的长得多。负责人工智能的IT主管意识到了‘AI试点项目悖论’，即启动试点项目看起来很容易，但要投入生产却是出了名的难。”

负责人工智能的IT主管必须制定基础架构战略，让人工智能试点项目能够演变为可扩展的生产AI，更重要的是，实现价值。随着AI工具和技术的快速发展，企业应该考虑以下五项预测，成功驾驭生产AI。

人工智能将推动基础架构决策

到2023年，AI仍将是推动基础架构决策的主要工作负载之一。要想更快速地将人工智能试点项目投入生产，企业需要特定的基础架构资源，这些资源应该随着技术的发展而发展。企业IT团队需要定期对AI模型进行改进，以确保高成功率。这可能包括规范数据管道或将机器学习模型与流数据源集成，以提供实时预测。

通过协作，管理日益复杂的人工智能技术

在边缘和物联网环境中利用机器学习或深度神经网络（DNN）等人工智能技术的最大技术挑战之一是数据和分析的复杂性。要想成功在这样的环境中部署生产AI，业务部门和IT部门需要紧密合作。当新的业务需求出现时，积极地规划并提供现成的解决方案——Gartner将这个概念称为基础架构主导的颠覆。

简单的机器学习技术有时最有意义

到2022年，超过75%的企业将在能使用传统机器学习技术的用例中使用DNN。成功的AI早期采用者利用实用的机器学习解决方案，交付业务价值。这些早期项目采用了传统的统计机器学习，但随着企业的发展，他们追求更先进的深度学习技术，以扩大人工智能的影响。对AI炒作信息进行筛选，了解能妥善解决业务问题的选项范围。选择简单但又精密的选项，而不是热门的选项。

将云服务提供商纳入您的战略

通过用战略方式使用云技术，如认知API、容器和无服务器计算，企业可以简化部署AI的复杂流程。到2023年，基于云的人工智能将比2019年增长5倍，使人工智能成为顶级云服务之一。容器和无服务器计算将支持机器学习模型成为独立的功能，从而降低成本和开销。

无服务器编程模型在公有云环境中特别有吸引力，因为它具有快速的可扩展性，但是IT主管应该确定哪些现有的机器学习项目能够从这些新的计算功能中获益。

不只是在表面采用AI增强自动化

鉴于企业必须管理的数据量越来越大，误报和无效问题优先化的数量也会增加。当谈到人工智能时，IT部门和业务部门往往没有共同语言，这对企业没什么帮助。

通过采用AI增强自动化，IT团队可以更好地学习AI技能，同时与周边业务部门更有效地合作。事实上，到2023年，40%的基础架构和运营团队将在大型企业中使用AI增强自动化，从而提高IT生产力、敏捷性和可扩展性。

本文在2019年2月13日发布的原始文章上进行了更新，以反映新的事件、状况或研究结果。