根據(jù)普華永道發(fā)布的一份調(diào)查報(bào)告，到2030年，AI對(duì)全球經(jīng)濟(jì)的潛在貢獻(xiàn)將達(dá)到15.7萬億美元。IBM最近的一項(xiàng)調(diào)查確定了推動(dòng)AI采用的主要因素，包括降低成本和自動(dòng)化關(guān)鍵流程的需求、不斷上升的競(jìng)爭(zhēng)壓力和不斷變化的客戶期望。

　　為了成功地從AI投資中獲益，企業(yè)管理者需要了解AI領(lǐng)域的發(fā)展趨勢(shì)和方向。

　　2023年AI發(fā)展趨勢(shì)預(yù)測(cè)

　　隨著全球AI投資的持續(xù)增加，人們需要了解AI在2023年的發(fā)展趨勢(shì)及其對(duì)企業(yè)的潛在影響：

　　1、低代碼AI在行業(yè)應(yīng)用中取得長(zhǎng)足進(jìn)步

　　AI模型的開發(fā)過程是復(fù)雜、費(fèi)力和迭代的，建立一套良好的模型需要數(shù)天的時(shí)間和數(shù)千次的實(shí)驗(yàn)。低代碼AI/數(shù)據(jù)科學(xué)平臺(tái)改變了這一切，其提供的拖放界面有助于更快地創(chuàng)建實(shí)驗(yàn)。直觀的圖形用戶界面（GUI）、視覺可重復(fù)性和協(xié)作是低代碼平臺(tái)的最大優(yōu)勢(shì)，這使得數(shù)據(jù)科學(xué)團(tuán)隊(duì)能夠快速地執(zhí)行大量實(shí)驗(yàn)。低代碼AI平臺(tái)也非常適合將數(shù)據(jù)工程師和業(yè)務(wù)分析師提升為公民數(shù)據(jù)科學(xué)家，減少對(duì)各行業(yè)領(lǐng)域中稀缺的專家數(shù)據(jù)科學(xué)家的依賴。

　　2、分布式模型訓(xùn)練是AI建模的核心

　　數(shù)據(jù)科學(xué)團(tuán)隊(duì)需要對(duì)數(shù)千個(gè)模型進(jìn)行實(shí)驗(yàn)。AI模型如今變得相當(dāng)復(fù)雜，有數(shù)百萬個(gè)參數(shù)。而在低代碼的控制下，同時(shí)進(jìn)行多個(gè)實(shí)驗(yàn)的能力增加了很多倍。但要實(shí)現(xiàn)這數(shù)千個(gè)實(shí)驗(yàn)，數(shù)據(jù)科學(xué)團(tuán)隊(duì)需要一個(gè)符合成本效益的計(jì)算系統(tǒng)，根據(jù)需求進(jìn)行擴(kuò)展。采用傳統(tǒng)方法訓(xùn)練這些復(fù)雜的、記憶密集的實(shí)驗(yàn)是一個(gè)巨大的挑戰(zhàn)，以分布式計(jì)算為主導(dǎo)的模型訓(xùn)練可以幫助解決這一挑戰(zhàn)，并且是實(shí)現(xiàn)可擴(kuò)展的企業(yè)AI的核心。

　　3、機(jī)器學(xué)習(xí)運(yùn)營(yíng)（MLOps）的應(yīng)用快速增長(zhǎng)

　　麥肯錫在其2021年發(fā)布的調(diào)查報(bào)告中指出，MLOps的使用是企業(yè)從AI獲得成功回報(bào)的決定性因素。MLOps在AI領(lǐng)導(dǎo)者和數(shù)據(jù)科學(xué)家中越來越受歡迎，因?yàn)樗鼘�機(jī)器學(xué)習(xí)從實(shí)驗(yàn)階段帶入生產(chǎn)階段，并涵蓋了企業(yè)數(shù)據(jù)科學(xué)過程的主要部分。當(dāng)數(shù)據(jù)科學(xué)主管必須在生產(chǎn)環(huán)境中使用版本控制、快速擴(kuò)展等功能管理和刪減生產(chǎn)環(huán)境中的數(shù)百個(gè)模型時(shí)，這確保了更好的治理。

　　4、AI的信任和可解釋性

　　AI不再被視為一個(gè)黑盒。越來越多的人開始投資AI，以做出關(guān)鍵的業(yè)務(wù)決策。因此，克服信任AI自動(dòng)化敏感流程的挑戰(zhàn)變得至關(guān)重要。整個(gè)場(chǎng)景導(dǎo)致了可解釋的AI的出現(xiàn)，它有助于理解做出決策的因素�？山忉尩腁I的透明度是建立對(duì)AI的信任并提高其采用率的關(guān)鍵。

　　5、AI在網(wǎng)絡(luò)安全中的應(yīng)用

　　隨著網(wǎng)絡(luò)威脅的復(fù)雜性增加，企業(yè)正在將AI融入到他們的安全解決方案中。AI現(xiàn)在正在處理日常存儲(chǔ)和保護(hù)敏感數(shù)據(jù)，以作為自動(dòng)化網(wǎng)絡(luò)威脅預(yù)防和保護(hù)的下一步。它正被用來進(jìn)一步增強(qiáng)情報(bào)分析能力，以檢測(cè)潛在威脅或模式，識(shí)別網(wǎng)絡(luò)攻擊者的潛在意圖。

　　成功采用AI的秘訣

　　埃森哲的一項(xiàng)研究表明，與追求單一概念證明的企業(yè)相比，戰(zhàn)略性地?cái)U(kuò)大AI規(guī)模的企業(yè)的成功率和回報(bào)分別是前者的兩倍和三倍。

　　事實(shí)表明，處于AI采用初期階段的企業(yè)的投資回報(bào)率可能并不高。AI必須在整個(gè)組織中進(jìn)行擴(kuò)展，以確保該技術(shù)能夠?yàn)槠髽I(yè)做出巨大貢獻(xiàn)。

　　通過將AI集成到核心業(yè)務(wù)流程、工作流和客戶旅程中，可以優(yōu)化其日常運(yùn)營(yíng)和決策任務(wù)。麥肯錫在研究報(bào)告中預(yù)測(cè)，采用這種方法的企業(yè)很可能實(shí)現(xiàn)價(jià)值和規(guī)模的增長(zhǎng)，其中一些企業(yè)甚至增加了約20%的收入。

　　成功擴(kuò)展AI

　　成功擴(kuò)展AI的關(guān)鍵驅(qū)動(dòng)取決于特定的因素，例如人員、AI軟件和計(jì)算基礎(chǔ)設(shè)施。為了提升AI成熟度，企業(yè)需要了解數(shù)據(jù)洞察的來龍去脈，并將其納入業(yè)務(wù)流程。

　　其中一個(gè)重要的需求是采用能夠有效且高效地支持日常業(yè)務(wù)的AI系統(tǒng)，例如支付、交易量、銷售額，甚至生成季度報(bào)告。企業(yè)各部門的人員采用AI可以輕松地訪問數(shù)據(jù)洞察，而不會(huì)受到任何部門的制約。隨著企業(yè)規(guī)模的擴(kuò)張，AI可以幫助其為現(xiàn)有產(chǎn)品探索新的領(lǐng)域或開發(fā)新產(chǎn)品。

　　結(jié)語

　　企業(yè)需要探索AI好處和可能性，并對(duì)其AI投資采取戰(zhàn)略方法。而采用AI，企業(yè)可以做的不僅僅是加速或自動(dòng)化現(xiàn)有流程，還可以充分利用新的機(jī)會(huì)，提高AI在員工、客戶和利益相關(guān)者中的影響力。