人工智能的正确打开方式

尽管技术仍有提升的空间，但是这并不妨碍人工智能进入大规模商业应用的时代。这是我在IBM Think 2019的切身体会。如何实现，IBM Services的高级副总裁Mark Foster在演讲中介绍了“Seven keys to success”，内容非常务实和全面。这里我谈谈自己的感受，主要在3个方面。第1：与行业的深度融合，第2：新的软件工程方法论以及工具，第3：现有技术的综合利用。

1. 与行业的深度融合

如同互联网技术一样，人工智能是新的颠覆性技术。在颠覆性技术刚刚出现的阶段，技术将重新定义企业的产品和业务流程。在技术逐步发展成熟的阶段，产品需求和业务流程又是技术发展的主要推手。人工智能正处于这两个阶段的交汇处。

图1 以平台为核心的商业模式（来源：IBM IBV）

从上图IBM IBV发表的架构图可以看到，未来是以业务平台为核心的商业模式，实现了人才，业务流程，数据全方位与行业的深度融合。

1. 自外向内：从改变客户服务和客户交互体验的APP应用开始，向企业内部推进数字化转型；

2. 自内向外：从流程和数据着手驱动数字化转型，通过现代化核心应用，实现灵活的基础架构；

3. 业务流程平台：连接自外向内和自内向外的转变，包括数据驱动和嵌入到所有流程的AI，让人们能够感受到技术的真正赋能。

2. 新的软件工程方法论以及工具

人工智能是一项全新的技术，如同我们从传统的瀑布式开发迁移到互联网时代的敏捷开发一样，人工智能也需要新的软件工程方法论以及工具来规范和加速应用开发的过程。

为此，IBM提供了IBM车库方法论，通过与客户一起设计思维、敏捷工程、原型开发和DevOps等共同完成向数字时代的迁移。不仅仅如此，IBM还提供了可以让这些原型马上可以从实验和测试环境进行入到规模化的生产环境的能力。此外，如同传统的软件全生命周期开发管理平台，新的AI平台也可以帮助追踪完整的AI生命周期。

图2 IBM车库方法论以及混合云（来源：IBM IBV）

3. 现有技术的综合利用

“罗马不是一天建成的”。很多企业已经在传统信息化系统，人工智能和数字化领域做了很多工作，企业需要继承已有的投资。另一方面，人工智能的商业化应用也需要结合其他一些技术才能满足客户需求。比如说作为信息采集端口的智能终端技术，数据传输技术，传统信息系统的微服务化技术，还有区块链技术等等，都可以帮助完成可以落地的人工智能商业化应用。