IT基础设施中的人工智能能够改变工做的方式

　　现在，减小人工智能的宣传和炒做已成为IT领导者的主要工做。提供有关人工智能在何处以及如何将其添加到IT基础设施的深刻指南将会提供帮助。

　　不少技术提供商正在投入巨资，将人工智能技术应用到他们的产品和服务中。不少媒体一直在宣传企业将人工智能应用在IT基础设施将会得到收益，其中包括增强网络安全、简化法规听从性、自动化捕获数据，以及优化存储容量。而且指出，人工智能将使企业的每一个角落变得更智能，而那些不了解人工智能转型能力的企业将会落后于人。

　　与大多数新兴技术同样，实际上人工智能并不那么像宣传得那样强大。

　　塔塔咨询服务公司副总裁兼全球认知业务主管Ashok Pai警告说：“尽管人工智能有潜力改变产品和业务流程，但管理人员不该该被大肆宣传的好处所迷惑。”

　　在IT主管和业务负责人为人工智能项目提供资金以前，他们须要仔细考虑人工智能可能在其组织中产生最大影响的场合。他们必须令人工智能投资与战略业务优先事项保持一致，例如增长销售、提升生产力，以及更快地将产品推向市场。Pai表示，这种选择因企业和行业而异。例如，制造商可能会决定，在供应链和生产系统中嵌入人工智能是他们的首要任务，而服务行业可能会寻求人工智能来改善客户体验。

　　Pai表示，对于大多数公司来讲，人工智能项目不会像汽车行业开发无人驾驶汽车耗费大量时间和费用。高层管理人员应该优先考虑和资助6到12个月的短时间项目，这些项目由具备明确目标和潜在投资回报的商业案例支持。他们应该明白，当将人工智能嵌入IT基础设施时，可能会面临失败。

　　Pai说，“重点是快速识别故障，减小损失，从失败中吸收教训，并作出改变，以提升将来人工智能项目成功的机会。”

　　IT咨询机构Information Builders公司的市场情报主管Lyndsay Wise表示，并不是全部企业都被人工智能的功能所迷惑。事实上，许多企业在采用人工智能自动化工具时都很明智， Wise说：“他们并无被宣传的好处所迷惑，而是在寻求得到最强投资回报率的关键问题，致使人工智能的采用得以延迟。”

　　Gartner公司在2019年对首席信息官支出的调查发现，只有约37%的企业采用某种形式的人工智能，而2015年约为10%。

　　Wise表示，许多组织都意识到，强大的数据管理是预测分析和人工智能技术的核心基础，他们首先关注的是如何有序地获取数据。她说，其余人已经意识到，他们没有充分利用预测技术所需的数据池，而且正在投资建设正确的数据流。

　　制定将自动化和人工智能整合到IT基础设施中战略的企业须要在人工智能技术如何帮助他们实现业务目标方面有扎实的基础。如下是对IT系统和流程的深刻研究，其中自动化和人工智能已经在改变企业的工做方式。

　　数据捕获的自动化和人工智能

　　人工智能技术在捕获对当今企业相当重要的不一样类型的数据，以及识别将来可用于改进企业的数据方面发挥着愈来愈大的做用。例如，大多数语音数据一般会丢失或简要总结。新一代的人工智能转录工具不只能够更容易地记录这些过程，还能够捕获更多的分析来理解呼叫中心交互、业务会议和演示。

　　尽管新的应用程序接口不断增加，文档在事务处理业务中仍然扮演着重要的角色。例如，美国劳工局报告说，企业每一年花费超过1300亿美圆用于从文档中输入数据。从文档中提取数据的新工具能够帮助下降这些成本。

　　愈来愈复杂的光学字符识别(OCR)技术以及更好的文本挖掘和使用天然语言处理的语音提取功能，使系统可以快速数字化大量的文档和文本。这些工具自动化文档的排序、分类、提取和最终处置。

　　Infosys Consulting公司合伙人Senthil Kumar表示，数据捕获领域的更大突破正在酝酿之中。

　　他说，“数据捕获系统的将来在于可以模仿人类的思惟——不只是工业化的数据捕获，并且可以处理不明确的数据，并快速解释场景。”

　　虽然光学字符识别(OCR)技术变得更加复杂和快速，但它仍然主要受到基于模板的规则的限制，没法对数据进行分类、提取和验证。Kumar说，“这些工具缺少人类思惟的魔力，这基本上是对复杂数据块的直观同化、协调和解释。”

　　他表示说，复杂的业务场景须要可以像人类同样理解文档的系统。他认为，机器学习和深度学习是改善数据捕获最有但愿的地方。

　　机器学习模型在不一样的语言和文档类型之间具备极大的可扩展性。他们须要一些初步的努力来创建高质量的训练模型和实体识别技术，可是一旦创建了基础，这些技术比模板化方法更快、更好、更具场景性。Kumar说，“成功的组织不是创建在模板驱动的世界里。”

　　Kumar表示，一个有趣的数据捕获应用是使用机器学习模型来跟踪企业的信息流。例如，可使用机器学习来识别公司关于困难主题的顶级专家，使其余工做人员能够随时访问该知识库。对信息流的分析还能够帮助管理层肯定其内部消息的优先级，或者改进信息的传递。

　　人工智能提升数据捕获的5种方法

　　企业正在使用人工智能执行如下数据捕获：

　　(1)处理和分析跨多个供应商、地点和地理位置的数百万张发票，以改进提交回扣管理和对帐的验证。

　　(2)从复杂文件中分解和提取背景，例如法律简报、多语言研究论文、建筑蓝图和土地调查。

　　(3)评估搜索引擎优化的相关性并经过搜索获利。

　　(4)评估社交内容的相关性和偏好，并监控仇恨言论和错误信息。

　　(5)为实体识别(注释)标记图像和视频，帮助用户使用天然语言进行查询。

　　人力资源中的人工智能和自动化

　　在人力资源领域，将人工智能嵌入到IT基础设施中能够简化企业用于审查简历、分析新员工绩效、自动提供新员工所需的IT资源以及改进培训服务提供的分析。

　　IBM公司安全副总裁Aarti Borkar说，“招聘人员浏览一份简历平均只看6秒，这在人才招聘过程当中可能错失大量的机会。”他曾是IBM Watson人才和协做小组成员。

　　人工智能能够对应聘者的简历进行总结，并对技能和熟练程度进行全面的描述，从而使招聘人员可以在6秒内作出更准确的评估。人工智能还能够经过实施更好、更个性化的职业发展计划来促进人才的保留。

　　可是，人工智能比提升人力资源效率更为重要，它有能力减轻招聘过程当中的天然人类偏见，并创造出更加多样化的劳动力。Borkar说，“有大量的证据代表，企业的更大的多样性推进了更大的业务成果，由于在实践中，反对的观点能够消除盲点。”

　　人工智能顾问和培训师、《商业人工智能》一书的做者DougRose预计，企业将使用人工智能来改善员工的福祉和敬业度。这些工具寻找模式，而后试图肯定员工的幸福感。这可能令人力资源部更容易进行一些小实验来改善福利，例如让员工在家工做或为他们提供特定的培训。而后，该算法能够评估是否有改进。Rose指出，这些新的人工智能参与工具能够帮助企业实时调整他们的政策，以下降营业额，改善他们的组织文化。

　　他说：“一般状况下，企业雇主只需稍加改进就能提升生产率，并为每位员工提供更好的体验。”

　　人力资源团队也可能处于工做场所使用人工智能的另外一个后果：解决员工对自动化和人工智能的担心。人力资源研究和咨询公司Global Workplace总裁Kate Lister表示，她认为企业须要关注自动化和加强智能如何让许多人更轻松地工做。

　　Lister说，“员工应该将人工智能技术视为数字助理，他们能够作好全部的重复性工做，而人力资源工做人员能够完成他们真正喜欢的工做。此外，因为人工智能自动化，重复性工做将会作处更好。”

　　Lister指出，可是人力资源部门须要注意这些数字助理如何可以正常运转。例如，若是传感器检测到Sally不多在办公室办公。这可能会得出结论Sally不须要办公桌或者工做懈怠，事实上她在利用会议室更好的Wi-Fi信号在那里办公。

　　Lister说，“虽然计算机所作的大部分工做都与匿名的大数据有关，但特别是关于Sally的‘小数据’会致使安全、隐私、全部权问题。”

　　NTT如何实现安全自动化

　　NTT数据服务公司首席信息安全官Steve Williams表示，他一直致力于使用人工智能来自动化系统集成商传统的一级安全操做，以解决技术娴熟的安全专业人员短缺的问题，以更高的质量实现标准化，并与开始使用人工智能来改进攻击的攻击者保持技术同步。

　　这一策略经过让Steve Williams的团队专一于更具吸引力的项目，帮助提升了员工的保留率。启用人工智能的方法也有助于减小人为错误，由于它减小了与标准操做程序的误差。与寻找合适的人相比，自动化和人工智能还能够减小解决问题所需的时间，然后者必须记住他在上次是如何解决问题的。

　　Williams还认为，人工智能能够更容易地跟上因彻底自动攻击工做流而产生的双因素身份验证保护措施的步伐。

　　应用中的人工智能自动化

　　主要的CRM、ERP和市场营销参与者开始在其核心平台之上建立人工智能分析层。人工智能层将更容易从这些平台上显示数据，并将数据整合到其余应用程序中，经过更好的响应时间和大规模个性化建立更好的客户体验。

　　将人工智能融入ERP也能够帮助企业领导者更快地作出更好的采购决策。调研机构Forrester Research公司预测，这种增长的功能最终可能致使新一代业务云更加适应传统企业的需求，而不是现有云计算领导者的需求。

　　例如，Adobe公司最近推出了Adobe Experience平台，以在其普遍的营销、广告和创意服务中集中数据。该工具承诺突破数据孤岛，使企业更容易了解客户，并经过使用人工智能和机器学习使数据可操做。SAP、Salesforce、Microsoft、Oracle等公司推出了相似的计划，令人工智能更容易注入到运行在其平台上的不一样应用程序中。

　　流程自动化工具供应商Fortressiq公司创始人兼首席执行官Pankaj Chowdhry说，“业务应用程序供应商对数据的深刻了解使他们可以快速实现客户价值，这将是企业采用人工智能最快速和最成功的方法之一。”这些业务云的早期工具专一于实现垂直人工智能层，以帮助自动化很是具体的业务流程，如CRM中的销售线索评分或ERP中的供应链优化。

　　Chowdhry说，企业面临的最大挑战是，这些功能中的大部分只能在最新版本的平台上使用，并且不能很好地进行定制。此外，在这些平台上构建的人工智能在很大程度上依赖于企业数据的质量。例如，自动机器学习工具提供商DataRobot的高级主管Colin Priest说，许多CRM数据库包含重复的客户记录，这是因为多渠道销售、客户在输入客户详细信息时更改地址或只是由于输入错误。可是，人工智能还能够经过识别这些重复记录来清除数据，从而提升客户服务和法规听从性。

　　安全中的人工智能自动化

　　将人工智能归入IT基础设施能够提升安全合规性和管理，更好地理解来自各类来源的数据，从而快速检测传入的攻击并改进应用程序开发实践。

　　英特尔公司管理数据库咨询商DSP公司的Oracle云服务负责人Philip Brown表示，在安全方面使用人工智能加强自动化的低效成果在于合规管理。

　　“企业IT仍然有很长的路要走，只是为了涵盖安全合规和管理的基础知识。”Brown说。一个典型的企业可能有一个包含250个数据库的数据库区和一个符合性政策，每一个数据库约有30个规定，所以须要收集大约7500个数据点。

　　人工收集全部这些数据是不切实际的，由于必须按期收集这些数据才能有价值。而后必须对其进行处理和评分，并在发现安全或合规问题时采起补救措施。Brown说，“若是没有实现自动化，这很难作到。”

　　Brown指出，有两种方法可能让审计员感到恼火。第一种方法是告诉他们不符合的实例。这会让审计人员很恼火，但他们会很高兴知道差距在哪里。第二种方法是告诉他们没法收集和处理数据。

　　Brown说，“安全自动化不只在自动解决问题方面很重要，并且在按期捕获和处理数据方面也一样重要。”

　　人工智能还显示了在挖掘事件数据中可能表明安全威胁的异常模式的一些前景。可是，培训这些系统须要IT经理维护干净的数据集，以控制这些系统学到的东西。

　　安全工具供应商有不一样的策略来启动这些系统中使用的人工智能模型。但云计算咨询公司CandidPartners的云安全架构师Jonathan Glass表示，在审查这些工具时要谨慎。他担忧黑客会匿名地用恶意制做的关键系统文件(如Windows内核)来攻击他们，这可能会致使人工智能解决方案阻止这些文件。

　　Glass说：“人工智能和机器学习很是适合识别威胁和模式，可是仍然应该让人类作最后的决定，直到人们对这些决定有100%的信心。”若是人类不在其中，那么使用人工智能自动执行的安全服务可能会阻止合法用户。他强调，工具应该只能加强良好的安全流程，不该该用来彻底解决任何问题。

　　在开发周期的早期解决安全问题的成本要低得多。来自Contrast Security、Secure Code Warrio、Semmle、Synopsis和Veracode等提供商的软件集成开发环境(IDE)插件将安全“拼写检查器”直接嵌入IDE中。

　　“但如今和未来，拥有真正的安全专家和同行代码审查仍然是关键。”密码管理提供商Keeper Security公司首席技术官兼联合创始人CraigLuley对此表示认同。他解释说，人工智能既不了解软件的用途，也不了解网络攻击者的思想，所以人员的因素对安全仍然相当重要。人工智能在安全性中的一种用途是使用人工智能自动化测试和分析来确保底层数据的加密和更好的保护。但这仍然须要人们充分了解使用模式和业务案例。

　　Zillow如何利用人工智能自动化来改进其数据管理

　　房地产服务商Zillow Group公司的数据工程高级主管Steve Hsiao表示，随着数据愈来愈丰富，愈来愈复杂，人类不可能监控和管理全部这些海量数据集。

　　Zillow公司正在IT基础设施中使用人工智能来监控和预测异常的数据场景、数据依赖性和数据使用模式，从而帮助企业更高效地运行。人工智能和自动化也被用于自动扩展、智能查询规划和集群调整，以及优化用于运行Hadoop基础设施的服务器集合性能的过程。

　　Hsiao说，“使用人工智能是识别再也不使用的数据的有效方法，而后咱们能够肯定是将数据加载到更慢的存储、压缩仍是考虑删除。”人工智能技术还能够用于标记有关数据集的统计信息，以进行查询优化。例如，Zillow公司使用内部的人工智能系统检测异常状况，以预测不正确的数据或可疑的数据生成模式。

　　Hsiao说，目前尚未快速的解决办法。数据是很是复杂的，用于收集数据的每一个管道可能具备很是不一样的特性，这使得拥有一个完整的、一刀切的适合全部人工智能的解决方案变得很是困难。人工智能模型也能够像数据自己同样复杂地进行管理。Hsiao说，“最重要的是，现实状况是人工智能远非完美，经常须要人工干预，以尽可能减小错误或有偏见的结果。”

　　存储和数据管理中的人工智能自动化

　　存储和数据管理是两个领域，行业专家表示，人工智能将下降存储更多数据的成本，提升访问数据的速度，并下降法规听从性方面的管理负担，使数据在许多方面更加有用。

　　企业正在使用人工智能来寻找减小须要物理存储在固态驱动器等存储介质上的数据大小的方法。IT基础设施中的另外一我的工智能显示出了但愿的领域是分析数据硬件的特性，以便更好地预测故障并提升更换存储介质的速度。在数据管理中，人工智能正被嵌入以动态地调整、更新和管理各类类型的数据库。示例包括Oracle的自治数据库技术和Azure SQL数据库。这些类型的人工智能和自动化工具协同工做，将有助于减小与管理大型数据基础设施相关的人工负担，并减小为新用途(如数据科学项目)从新调整数据用途的开销。自动化还将致使文化转变，数据库管理工做减小，而数据工程工做等其余工做则有所增长。

　　IT咨询机构Apps Associates公司的高级副总裁Bill Saltys表示，在IT基础设施中嵌入人工智能将从根本上改变存储系统正常运行所需的许多任务。一个领域是调整物理数据基础设施，使用人工智能进行实时维护、自我修复、故障转移和业务连续性。例如，许多存储系统使用RAID使多个物理硬盘驱动器或固态驱动器显示为一个存储系统，以提升性能并减小单个故障的影响。更好的自动化能够帮助分发这些数据，以提升读写速度或提升综合性。

　　运营数据库提供商Marklogic Corporation公司高级产品经理Anthony Roach表示，改进存储系统须要超越对存储系统中哪些物理或软件组件遭到破坏的了解，从而找出如何预测这些损坏，以便采起纠正措施。其目的是建立机器学习模型，以不断提升其预测复杂存储系统中维护故障的能力，并采起主动措施防止故障发生。他说，基于大量输入数据的近实时异常检测和风险评估有望使数据管理操做更加高效和稳定。

　　Apps Associates公司云计算服务的实践经理和解决方案架构师Bharath Terala说，在数据管理方面，人工智能和自动化将显著减小跨各类数据库管理系统的管理、扩展、转换和调优工做。

　　Terala说，人工智能和自动化还将使对不一样类型数据库的数据管理应用程序进行调整变得更容易，包括用于事务的结构化SQL、用于分析的图形数据库以及用于捕获快速移动数据的其余非SQL数据库。人工智能辅助的自动化可能会影响一种文化转变，即从专一于优化企业现有数据库的DBA转向专一于优化和扩展不一样最佳数据管理应用程序基础设施的数据工程师。例如，SQL能够用于事务、分析的图形数据库和用于捕获物联网数据的关键值存储。

　　Marklogic公司的Roach说，然而，现代数据管理也涉及到管理安全、隐私、数据主权、生命周期管理、权利和赞成管理。人工智能自动化能够帮助改进验证不一样用途数据集的过程，并管理与数据生命周期相关的全部活动中的数据来源。例如，人工智能能够帮助掌握非结构化数据中的数据、发现数据和识别结构。人工智能还能够帮助识别我的可识别的信息，肯定数据的适用性，甚至识别结构或访问中的欺诈和异常。这将使参与数据生命周期的每一个人更容易看到数据来自何处以及如何进入其所处的状态。

　　Roach说，在存储和数据管理中使用人工智能工具的最大挑战之一是识别和纠正观察和行动之间的差距。例如，分析可能会告诉数据经理，跨不一样存储层从新平衡数据可能会下降成本。但这样作会面临挑战，同时也会使数据保持在线、事务性和业务性能。基础设施软件(如数据库)在传统上不是很灵活。

　　Roach说，“现代建筑须要提供执行人工智能建议的行动所必需的灵活性。”对于许多组织来讲，这将须要用更灵活的数据管理工具组合替换旧数据库。

　　云计算文件服务Panzura公司首席产品官Rich Weber说，数据管理者将来可能会找到创建基础设施的方法，以便特定类型的数据更新能够经过简单地将数据写入与编排脚本相关的位置来触发新的机器学习过程。其用途包括自动将数据摄取到机器学习引擎中进行预处理;改进预测分析模型;自动编辑我的识别信息;自动纠正图像文件的视觉异常。

　　自动化IT基础设施中的人工智能

　　第一代人工智能工具要求IT和数据专家花费大量时间和专业知识建立新的人工智能模型和应用程序。如今各类各样的平台正在出现，并在这个过程当中自动化消除瓶颈，或者做为一个平台来简化整我的工智能应用程序的开发生命周期。

　　大多数现代人工智能项目都是由机器学习模型驱动的。创建机器学习模型是一个耗时的过程，但借助于自动化机器学习能够加快速度。例如，数据科学家一般花费大量时间将数据转换为不一样的结构和格式，而后调整神经网络配置设置以建立更好的机器学习模型。

　　DataRobot公司的Priest说：“自动化机器学习使用的软件知道如何自动化构建人工智能模型的重复步骤，以便为更关键的业务、以人为中心的任务减小工做人员的工做量。”

　　用于自动化机器学习的新兴工具能够帮助数据准备、人工智能模型特征工程、模型选择和自动结果分析。除了DataRobot公司，其余开发自动化人工智能基础设施工具的供应商还包括DataBricks、Google、H20.ai、IBM、Oracle和Tibco。

　　Box如何自动化其合同生命周期

　　Box公司首席产品官Jeetu Patel说，现代参考体系结构能够在将人工智能和自动化引入新的业务流程中发挥关键做用。该公司最近决定将重点放在使用人工智能和自动化来改进其合同生命周期管理，这是很是耗时的，由于来回通讯、审查和标记。该战略要求使用已经与提供商的IT基础设施集成的服务，包括用于电子邮件附件智能的MXHERO;用于电子签名的DocuSign;用于合同编辑和谈判的Office365;用于报告、分析和义务管理的Crooze;以及用于元数据智能提取和标记的eBrevia。Patel说，该公司扩展了其内部产品“Box Skills”来分析和更好地理解全部合同，以帮助快速识别合同中的任何法律问题。

　　须要耐心

　　支持人工智能的自动化工具仍处于初级阶段，这可能会挑战IT主管识别承诺最有价值的用例。

　　我的化平台Dynamic Yield公司首席技术官兼联合创始人Omri Mendellevich说，“人工智能有不少机会，但缺少关注和策略可能会阻碍企业推进成功的人工智能项目。”

　　人工智能战略应该从将人工智能归入IT基础设施能够解决的问题的良好理解开始。这使组织可以分析它是想在内部解决问题，仍是想购买一种能够为他们解决问题的产品。Mendellevich表示，一个良好的人工智能采用策略将定义和澄清组织为了达到预期的结果须要经历的过程。将关键绩效指标应用于人工智能项目的每一个阶段将有助于确保成功实施。　　大连妇科医院 mobile.bhyy0411.com

　　这须要极大的耐心，由于企业须要知道人工智能的自动化还处于起步阶段，其交付结果很是复杂。创建模型、测试、调整、失败、成功和再次失败都须要至关长的时间。

　　“若是作得好就会成功，人工智能最终将改变人们的工做方式。”Mendellevich说。