人工智能将挑战我们重新思考营销对企业的影响

我们在eWEEK的这一点上不断喋喋不休，今天我们将再次这样做：我们正处于这里的重要技术融合，这是21世纪的第一个象限。它现在全部可用：高连接带宽，超高质量代码和代码库，前所未有的功能强大的处理器，功耗低于以前的型号，无限的存储容量，巧妙设计的移动和固定连接设备，多种类型的云服务 - 我们可以继续 下一步是什么?

我们已经看到了它：通过人工智能引入更多功能，这是由机器学习支持的。我们在应用程序中看到的AI比以往任何时候都多：零售，汽车，办公生产力，军事，医疗保健，家庭娱乐 - 这个列表很长。

随着新的一年面对我们，我们向各行业高管提出了一些想法，他们认为人工智能和机器学习将对IT业务和我们的整个生活产生什么新的和持续的影响。

(编者注：我们在此类别中有很多材料，因此您很快就会看到有关此主题的后续内容。)

以下是2019年人工智能和机器学习的一系列有说服力的预测：

Indico首席执行官兼创始人Tom Wilde ：

人工智能不再是“什么” - “如何”。“公司正在寻找商业解决方案 - 旨在改善客户体验，加快周期时间，提高业务效率，扩大产能和生产力。预计会出现更少的仅限AI的解决方案进入市场，并且更少的纯AI创业公司获得资助。“

人工智能/数据科学符合业务线。“人工智能最大的障碍之一就是数据科学团队与主题专家(SME)之间的脱节。中小企业发挥着关键作用，但底层技术的复杂性通常需要大量的数据科学专业知识。企业将对他们的团队施加越来越大的压力，缩小这一差距，以便他们从人工智能计划中获得更多价值。“

可解释AI的兴起。“随着人工智能越来越多地嵌入到越来越多的流程中，人们越来越需要透明的工作方式并代表我们做出决策。用户将需要真实的，简单的英语示例和解释，以实现完全透明。这也将使数据科学和中小企业更容易合作，以改善人工智能对业务的贡献。“

更专注于中/后台应用程序/用例。“到目前为止，人工智能的很多注意力都集中在前台应用程序上 - 那些涉及通过机器人进行客户服务交互的应用程序。随着公司寻求提高利润增长的方法，他们正在寻找更多机会在后台运营中使用人工智能和机器学习 - 特别是那些推动其核心业务流程的基于文档的手动工作流程。

爱因斯坦，Salesforce数据科学副总裁Vitaly Gordon ：

AI正在进入商品时代。“你不需要知道微波技术是如何工作的，以便使用它; 它只是一个工具。随着无代码，点击式工具的大量涌入，我们正在与AI进入同一阶段，无论技术背景如何，它都将成为每个人广泛使用的实用工具。因此，未来几年的大多数AI应用程序将由很少或没有AI培训的人员构建。“

Sumo Logic首席技术官Christian Beedgen ：

道德情报>>人工智能。“我们对使用计算能力来增强人类决策的迷恋甚至可能超过了算法方法所取得的巨大进步。实际上，人工智能和相关技术的成功使用仍局限于图像识别和自然语言理解的领域，其中输入/输出场景可以合理构建，并且在2019年不会发生剧烈变化。任何企业都可以'无论收集了多少数据，打开AI'成功或更成功都是荒谬的。但是，支持人类和算法的数据收集仍在继续，并提出了重要的道德问题，这是我们在未来几年需要密切关注的问题。“

Aptos零售创新副总裁Nikki Baird ：

零售业突破了人工智能黑匣子：“第一代人工智能解决方案是简单的数据，请回答。解决方案旨在保护普通最终用户免受混淆和分心。虽然黑盒解决方案符合他们的目的，但它们也限制了组织可以通过隐藏AI逻辑来推断的价值，理论上可以用来教导人类学到的东西，从而产生各种建议。

“在2019年，我们将看到更多的组织转向玻璃盒AI，这暴露了技术在各种数据点之间建立的联系。例如，玻璃盒AI不仅告诉您有新的零售机会，还揭示了如何在数据中识别出这种机会。它还为零售商提供了检查他们的数据的机会 - 以及他们提供的任何公共或汇总数据 - 以确保人工智能不会在“垃圾进入，垃​​圾输出”这句格言中做出错误的假设。

Michael Wu博士，首席人工智能战略家，PROS：

AI将使物联网变得更加智能。“物联网今天不是很聪明 - 我们仍然需要用大量的'IF-THEN'语句对大部分内容进行编程(例如：如果我说'晚安'，那么锁定所有门，手臂安全，将恒温器设置为65 ○F，AND明天早上7点设置闹钟。换句话说，我们对物联网设备的命令需要通过人类行为隐式学习，而不是明确编程。AI将通过集中学习跨多个设备记录的所有数据，帮助实现智能自动化的变革价值。物联网中经济实惠的传感器正在创建大量数据，人工智能可以使用这些数据来了解个人通常如何对这些设备进行编程，并最终学会将其个性化为一个人的特定生活方式。这将使影响我们日常生活的物联网设备，如我们的恒温器，锁或冰箱，甚至更智能。“

Couchbase首席技术官Ravi Mayuram ：

已经为AI / ML技术奠定了基础，现在真正的问题将浮出水面。在过去的一年里，公司一直在研究在何处以及如何实施AI / ML技术，许多公司仍然在改进“如何”。虽然这是真的，但已经奠定了基础并且心态已经转移，2019年将是AI / ML问题的重要年份，从组织如何确定用于训练AI / ML算法的问题的角度来看。围绕道德和偏见引发了更广泛的对话，2019年将继续谈话，学术界和企业界共同努力，为未来开发可信赖的方法来开发AI / ML。

数据得到改造以支持AI / ML算法。“今天，数据仍然是人工智能的一个难点，是有效培训方法和真正可信赖的结果的障碍。组织内的数据质量和可用性可能会有很大差异，确定哪些数据是干净的，最新的和值得信赖的可能需要一些时间。随着数据价值的增长，2019年数据系统将在企业内受到更严格的审查，我们将看到全面解决数据质量的努力，以更好地利用AI / ML技术。

MathWorks副总裁Richard Rovner：

工业应用正在成为人工智能的主要消费者，但也带来了对专业化的新需求。“智能城市，预测性维护，工业4.0以及其他物联网和人工智能领导的应用程序需要满足一系列标准，因为这些标准从有远见的概念转变为现实。示例包括需要提高可靠性和可验证性的安全关键应用，需要外形尺寸的低功耗，批量生产和移动系统，以及集成机械，电气和其他组件的先进机电一体化设计方法。另一个挑战是这些专业应用程序通常由分散的开发和服务团队(非IT部门)开发和管理。示例应用范围从使用AI进行智能喷洒和杂草检测的农业设备到飞机发动机的过热检测。

Unbounce首席技术官兼联合创始人Carl Schmidt ：

分析，归因和人工智能技术：“在2019年，我预计我们会看到基于人工智能的归因技术开始大踏步前进。在当今的数字环境中，归因仍然是一个挑战 - 企业仍在拼凑不同平台的数据点，许多人仍在努力理解购买的完整途径 - 哪些营销渠道正在增加收入?什么样的内容有助于留住客户以及客户旅程的哪个阶段?客户从漏斗中脱颖而出?人工智能可以将客户旅程排在一起并确定客户何时来到公司的网站，离开时没有转换。这是企业在2019年采用人工智能的归属技术，将在竞争中占据优势。“

关于会话AI。“今年，会话式人工智能将挑战我们重新思考营销对企业的影响。通过会话式人工智能，我们现在拥有前所未有的能力来了解我们的客户和潜在客户， 尝试有针对性的消息传递比以往任何时候都快。更具传统意识的营销人员将使用它来自动化知识库查找，并为预设的响应提供简化的界面。尖端的数字营销人员将充分发挥学习潜力，并利用它来更深入地了解受众的需求。除了与销售明显的合作伙伴关系外，真正精明的营销人员还将与客户的成功，产品管理和用户体验合作，以最大限度地提高会话人工智能对业务的影响。“