你好,游客 登录 注册 搜索
背景:
阅读新闻

IT基础设施中的人工智能可以改变工作的方式

[日期:2019-07-12] 来源: 企业网D1Net  作者: [字体: ]

如今,减少人工智能的宣传和炒作已成为IT领导者的主要工作。提供有关人工智能在何处以及如何将其添加到IT基础设施的深入指南将会提供帮助。

 
很多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。很多媒体一直在宣传企业将人工智能应用在IT基础设施将会获得收益,其中包括加强网络安全、简化法规遵从性、自动化捕获数据,以及优化存储容量。并且指出,人工智能将使企业的每个角落变得更智能,而那些不了解人工智能转型能力的企业将会落后于人。
 
与大多数新兴技术一样,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,但管理人员不应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之前,他们需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。他们必须使人工智能投资与战略业务优先事项保持一致,例如增加销售、提高生产力,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,对于大多数公司来说,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个月的短期项目,这些项目由具有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,减少损失,从失败中吸取教训,并做出改变,以提高未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,并非所有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:“他们并没有被宣传的好处所迷惑,而是在寻求获得最强投资回报率的关键问题,导致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,其他人已经意识到,他们没有充分利用预测技术所需的数据池,并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需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。以下是对IT系统和流程的深入研究,其中自动化和人工智能已经在改变企业的工作方式。
 
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至关重要的不同类型的数据,以及识别未来可用于改进企业的数据方面发挥着越来越大的作用。例如,大多数语音数据通常会丢失或简要总结。新一代的人工智能转录工具不仅可以更容易地记录这些过程,还可以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长,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,企业每年花费超过1300亿美元用于从文档中输入数据。从文档中提取数据的新工具可以帮助降低这些成本。
 
越来越复杂的光学字符识别(OCR)技术以及更好的文本挖掘和使用自然语言处理的语音提取功能,使系统能够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,“数据捕获系统的未来在于能够模仿人类的思维——不仅是工业化的数据捕获,而且能够处理不明确的数据,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,无法对数据进行分类、提取和验证。Kumar说,“这些工具缺乏人类思维的魔力,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,复杂的业务场景需要能够像人类一样理解文档的系统。他认为,机器学习和深度学习是改善数据捕获最有希望的地方。
 
机器学习模型在不同的语言和文档类型之间具有极大的可扩展性。他们需要一些初步的努力来建立高质量的训练模型和实体识别技术,但是一旦建立了基础,这些技术比模板化方法更快、更好、更具场景性。Kumar说,“成功的组织不是建立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,可以使用机器学习来识别公司关于困难主题的顶级专家,使其他工作人员可以随时访问该知识库。对信息流的分析还可以帮助管理层确定其内部消息的优先级,或者改进信息的传递。
 
人工智能提高数据捕获的5种方法
 
企业正在使用人工智能执行以下数据捕获:
 
(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账的验证。
 
(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通过搜索获利。
 
(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,帮助用户使用自然语言进行查询。
 
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基础设施中可以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,这在人才招聘过程中可能错失大量的机会。”他曾是IBM Watson人才和协作小组成员。
 
人工智能可以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,从而使招聘人员能够在6秒内做出更准确的评估。人工智能还可以通过实施更好、更个性化的职业发展计划来促进人才的保留。
 
但是,人工智能比提高人力资源效率更为重要,它有能力减轻招聘过程中的自然人类偏见,并创造出更加多样化的劳动力。Borkar说,“有大量的证据表明,企业的更大的多样性推动了更大的业务成果,因为在实践中,反对的观点可以消除盲点。”
 
人工智能顾问和培训师、《商业人工智能》一书的作者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,然后试图确定员工的幸福感。这可能使人力资源部更容易进行一些小实验来改善福利,例如让员工在家工作或为他们提供特定的培训。然后,该算法可以评估是否有改进。Rose指出,这些新的人工智能参与工具可以帮助企业实时调整他们的政策,以降低营业额,改善他们的组织文化。
 
他说:“通常情况下,企业雇主只需稍加改进就能提高生产率,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作场所使用人工智能的另一个后果:解决员工对自动化和人工智能的担忧。人力资源研究和咨询公司Global Workplace总裁Kate Lister表示,她认为企业需要关注自动化和增强智能如何让许多人更轻松地工作。
 
Lister说,“员工应该将人工智能技术视为数字助理,他们可以做好所有的重复性工作,而人力资源工作人员可以完成他们真正喜欢的工作。此外,由于人工智能自动化,重复性工作将会做处更好。”
 
Lister指出,但是人力资源部门需要注意这些数字助理如何能够正常运转。例如,如果传感器检测到Sally很少在办公室办公。这可能会得出结论Sally不需要办公桌或者工作懈怠,事实上她在利用会议室更好的Wi-Fi信号在那里办公。
 
Lister说,“虽然计算机所做的大部分工作都与匿名的大数据有关,但特别是关于Sally的‘小数据’会导致安全、隐私、所有权问题。”
 
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作,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。
 
这一策略通过让Steve Williams的团队专注于更具吸引力的项目,帮助提高了员工的保留率。启用人工智能的方法也有助于减少人为错误,因为它减少了与标准操作程序的偏差。与寻找合适的人相比,自动化和人工智能还可以减少解决问题所需的时间,而后者必须记住他在上次是如何解决问题的。
 
Williams还认为,人工智能可以更容易地跟上因完全自动攻击工作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创建人工智能分析层。人工智能层将更容易从这些平台上显示数据,并将数据整合到其他应用程序中,通过更好的响应时间和大规模个性化创建更好的客户体验。
 
将人工智能融入ERP也可以帮助企业领导者更快地做出更好的采购决策。调研机构Forrester Research公司预测,这种增加的功能最终可能导致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,以在其广泛的营销、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,并通过使用人工智能和机器学习使数据可操作。SAP、Salesforce、Microsoft、Oracle等公司推出了类似的计划,使人工智能更容易注入到运行在其平台上的不同应用程序中。
 
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入了解使他们能够快速实现客户价值,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注于实现垂直人工智能层,以帮助自动化非常具体的业务流程,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,而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,这是由于多渠道销售、客户在输入客户详细信息时更改地址或只是因为输入错误。但是,人工智能还可以通过识别这些重复记录来清除数据,从而提高客户服务和法规遵从性。
 
安全中的人工智能自动化
 
将人工智能纳入IT基础设施可以提高安全合规性和管理,更好地理解来自各种来源的数据,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增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,每个数据库约有30个规定,因此需要收集大约7500个数据点。
 
人工收集所有这些数据是不切实际的,因为必须定期收集这些数据才能有价值。然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取补救措施。Brown说,“如果没有实现自动化,这很难做到。”
 
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无法收集和处理数据。
 
Brown说,“安全自动化不仅在自动解决问题方面很重要,而且在定期捕获和处理数据方面也同样重要。”
 
人工智能还显示了在挖掘事件数据中可能代表安全威胁的异常模式的一些前景。但是,培训这些系统需要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同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。他担心黑客会匿名地用恶意制作的关键系统文件(如Windows内核)来攻击他们,这可能会导致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非常适合识别威胁和模式,但是仍然应该让人类做最后的决定,直到人们对这些决定有100%的信心。”如果人类不在其中,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,工具应该只能增强良好的安全流程,不应该用来完全解决任何问题。
 
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。
 
“但现在和将来,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,因此人员的因素对安全仍然至关重要。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。但这仍然需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,随着数据越来越丰富,越来越复杂,人类不可能监控和管理所有这些海量数据集。
 
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不再使用的数据的有效方法,然后我们可以确定是将数据加载到更慢的存储、压缩还是考虑删除。”人工智能技术还可以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情况,以预测不正确的数据或可疑的数据生成模式。
 
Hsiao说,目前还没有快速的解决办法。数据是非常复杂的,用于收集数据的每个管道可能具有非常不同的特性,这使得拥有一个完整的、一刀切的适合所有人工智能的解决方案变得非常困难。人工智能模型也可以像数据本身一样复杂地进行管理。Hsiao说,“最重要的是,现实情况是人工智能远非完美,常常需要人工干预,以尽量减少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,人工智能将降低存储更多数据的成本,提高访问数据的速度,并降低法规遵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少需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基础设施中的另一个人工智能显示出了希望的领域是分析数据硬件的特性,以便更好地预测故障并提高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、更新和管理各种类型的数据库。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作,将有助于减少与管理大型数据基础设施相关的人工负担,并减少为新用途(如数据科学项目)重新调整数据用途的开销。自动化还将导致文化转变,数据库管理工作减少,而数据工程工作等其他工作则有所增加。
 
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,以提高性能并减少单个故障的影响。更好的自动化可以帮助分发这些数据,以提高读写速度或提高综合性。
 
运营数据库提供商Marklogic Corporation公司高级产品经理Anthony Roach表示,改进存储系统需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,以便采取纠正措施。其目的是创建机器学习模型,以不断提高其预测复杂存储系统中维护故障的能力,并采取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作更加高效和稳定。
 
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少跨各种数据库管理系统的管理、扩展、转换和调优工作。
 
Terala说,人工智能和自动化还将使对不同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他非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,即从专注于优化企业现有数据库的DBA转向专注于优化和扩展不同最佳数据管理应用程序基础设施的数据工程师。例如,SQL可以用于事务、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、权利和同意管理。人工智能自动化可以帮助改进验证不同用途数据集的过程,并管理与数据生命周期相关的所有活动中的数据来源。例如,人工智能可以帮助掌握非结构化数据中的数据、发现数据和识别结构。人工智能还可以帮助识别个人可识别的信息,确定数据的适用性,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,跨不同存储层重新平衡数据可能会降低成本。但这样做会面临挑战,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,“现代建筑需要提供执行人工智能建议的行动所必需的灵活性。”对于许多组织来说,这将需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,数据管理者未来可能会找到建立基础设施的方法,以便特定类型的数据更新可以通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;自动编辑个人识别信息;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创建新的人工智能模型和应用程序。现在各种各样的平台正在出现,并在这个过程中自动化消除瓶颈,或者作为一个平台来简化整个人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。建立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可以加快速度。例如,数据科学家通常花费大量时间将数据转换为不同的结构和格式,然后调整神经网络配置设置以创建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少工作人员的工作量。”
 
用于自动化机器学习的新兴工具可以帮助数据准备、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,其他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,现代参考体系结构可以在将人工智能和自动化引入新的业务流程中发挥关键作用。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,这是非常耗时的,因为来回通信、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所有合同,以帮助快速识别合同中的任何法律问题。
 
需要耐心
 
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。
 
个人化平台Dynamic Yield公司首席技术官兼联合创始人Omri Mendellevich说,“人工智能有很多机会,但缺乏关注和策略可能会阻碍企业推动成功的人工智能项目。”
 
人工智能战略应该从将人工智能纳入IT基础设施可以解决的问题的良好理解开始。这使组织能够分析它是想在内部解决问题,还是想购买一种可以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需要经历的过程。将关键绩效指标应用于人工智能项目的每个阶段将有助于确保成功实施。
 
这需要极大的耐心,因为企业需要知道人工智能的自动化还处于起步阶段,其交付结果非常复杂。建立模型、测试、调整、失败、成功和再次失败都需要相当长的时间。
 
“如果做得好就会成功,人工智能最终将改变人们的工作方式。”Mendellevich说。
收藏 推荐 打印 | 录入:admin | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款