企业人工智能：公民数据科学家

近年来，全球人工智能发展迅速，中国人工智能发展也迎来了黄金时期。2017年7月国务院印发的《新一代人工智能发展规划》明确了中国新一代人工智能发展战略目标，到2020年，人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径。据报告显示，从2016年起中国的人工智能产业一直保持高速增长，到2020年有望超过700亿元，可见发展空间巨大。

而企业人工智能是技术领域的新热点，尤其是随着消费者市场的销售和普及而日益兴起。然而，我们无法假设将消费者市场的运营策略直接应用于企业。消费者将企业人工智能的预期推向了新的高度——如果准备不充分，那么这些解决方案将不可避免地遭遇滑铁卢。事实上，这一点已有预兆，因为软件供应商——从初创企业到大型软件企业集团——均发现用户在采用、理解人工智能方面存在相当难度，而且最终获得投资回报也异常艰难。

消费者领域的客户通常愿意接受新技术，承担更多风险，甚至也能理解当前的局限因素。然而，在商业背景下，很多要素都是赌注，风险很大。例如，对于一个潜在价值高达数百万美元的生产、销售或分销业务，人工智能解决方案并不能让用户充分信赖，用户无法放心将这类业务完全交予人工智能，甚至连辅助执行也不无担忧。由于太多的要素具有不确定性，用户无法承担相同的风险。因此，除了持续的反馈循环之外，必须清楚地确定技能和目标，并规定具体的参数。

值得一提的是，Infor的AI技术已经能够帮助用户更轻松的处理问题，Infor Coleman AI平台代表着AI在规模上的一次巨大飞跃，它通过汇集大量网络数据帮助满足人类工作人员的需求，让连网设备更加智能。该平台专为非技术类、商业用户而设计，以特定行业数据为基础打造而成。使用者可以轻松掌握Infor Coleman AI建模环境，不需要像使用其他AI工具一样具备复杂的技能。

如何帮助企业更好的面对诸如复杂的集成、数据聚合、升级等等问题呢？如果人工智能软件供应商重点关注以下方面的工作，则势必一举成功：

自持性数据存储库

将各种解决方案组合在一起并保持其相互协调并不容易，尤其是对于云解决方案而言，其IT访问权限有限，有赖于外部支持。由于我们当前仍然处于一个不断修正变更的时代，虽然修正需求与日俱减，但新技术的升级过程仍然是一场噩梦，特别是对于人工智能来说。

如果从一开始数据和工具本身的访问能集成到解决方案中，那么一切都将容易得多。众所周知，人工智能的价值完全取决于数据的广度和质量。在单独的存储库之上层层叠加服务并不够。最佳的解决方案应能实现数据的吸收和数据湖的提取。这将有助于复杂集成点的控制，从而实现数据点的制备、清理、甚至更新。用户应无需操心此类维护工作。

嵌入式安全模型

企业人工智能时代的安全问题可以说是沉睡的巨人。并非所有商业模式都能承担额外的安全风险。当今，通过语音驱动式解决方案，企业人工智能开启了一种全新形式的安全威胁。某些解决方案可能已经控制到位，但是如何将其与核心业务安全关联起来呢？

答案可能是利用语音、PIN、甚至面部分析对用户进行身份验证——但是，如何行之有效地确认其角色、关系、群组或与其业务环境相关的任何其他安全协议呢？除非将其嵌入核心解决方案中，否则同样的组合协调性问题仍将不可避免，只是现在问题与安全性有关。所以，我们应将赌注押在那些从一开始就可解决这一困境的供应商身上。

持续反馈机制

反馈循环是任何人工智能解决方案的必选项。如果不进行适当的审计跟踪或验证，企业用户将永远无法完全信赖该技术，也无法实现其真正的潜力。人工智能平台必须考虑到数据和执行的可视证明，能够提供相关信息以供用户验证信息来源，甚至应提供系统决策背后的数据。

有时，人类很难描述自身的决策参数，而利用深度学习将其提升至更高层次则显然更具复杂性。在每个建模环境中，应尽可能采用更具创造性的反馈机制。

公民开发者工具包

最后，人工智能仍然是一种后天学习的知识。我们在确定经验时仍然需要依靠专家代码和数据科学家。就像公民开发者术语成为软件开发的关键字一样，数据科学也将遵循同样的趋势。虽然短期内对数学和发展技能集的需求仍将非常强劲，但是我们还是需要获取新的经验，以利用人工智能的机遇。用户不应因开发知识有限而惮于尝试。

随着技术的不断推陈出新，消费者可以利用现有的技术成果进行方案探索。他们并不需要了解其中机制或原理，而只需见证成果。这就是技术革命的最终推动力——基于已学习到的知识，利用之前的创新成就，采取新的批判性思维，驱动技术的革故鼎新。斯皮尔伯格可能并不了解电影摄影机的内部工作原理，但他仍然能够导出优秀卓绝的电影。同样的概念也应适用于人工智能：专注于新的目标体验，以及用户的创新方向，而非技术本身。