【51CTO.com原創稿件】作為新一輪科技革命和產業變革的核心驅動力，人工智能正在創造新的強大引擎，深度地融入到政務、教育、醫療、交通、金融等各行各業，重構生產、分配、交換、消費等經濟活動各環節，催生了各種新技術、新產品、新業態、新模式，改變著人們的生產和生活方式。對于企業來說，人工智能正在幫助他們轉型升級、提質增效。同時，人工智能也是業務增長、改善客戶體驗和增進員工體驗的關鍵推動力。

基于此，眾多公司已經開始利用人工智能來推進企業數字化轉型，并且取得了成效。早些時候，IBM 委托 Forrester Consulting來探索眾企業如何將 AI 變為現實，并產出了報告《克服 AI 規模化征途中的障礙》。該探索通過對518 位掌管公司數據、AI 和分析戰略的全球 IT、數據和業務線決策者的在線調查，發現人工智能對他們的生存至關重要：有62％ 的公司表示人工智能改善了其客戶體驗，有60％ 的公司實現了收入增長，58％的公司提高了盈利能力。在獲得數據方面，有64％ 的公司提高了數據管理效率，59％ 的公司提高了分析效率。此外，很多其他業務的收益也在涌現，例如提高員工生產力和增加客戶獲取率與保留率等。

總體來說，有半數的公司認為擴展人工智能（ AI ）有助于保持企業競爭力，39％ 的公司則認為它能成就企業的行業領導地位。有位受訪者表示：“全球各行各業都在投資于 AI。如果你不同樣投資于 AI，那么永遠會被甩在后面。”由此可見，對 AI 退避三舍實乃下下策 。而擁抱AI，才能讓企業充滿活力和競爭力。

AI落地的痛點，數據首當其沖

雖然大多數的公司都已經認識到了要獲得并維持行業領導地位，AI能力不可或缺，也在積極為AI做準備，但是在實施過程中，往往會遇到一些困難。《克服 AI 規模化征途中的障礙》的報告稱，約有90％的受訪者承認難以在整個公司擴展 AI 用例的數量。

在業界，關于AI落地的痛點也多有闡述，大家普遍認為數據稀缺是AI落地的一大痛點。雖然當今的大數據呈爆發式增長，但是經過處理的、真正有價值的數據不多，影響了AI的學習。第二，獲取數據和研發產品的成本高，同時，與算力相關的基礎架構的建設、集成、維護以及各種處理器的功耗也是AI重要的成本支出。第三，AI技術人員不足，無法支撐后期產品和技術的迭代。

Forrester的《克服 AI 規模化征途中的障礙》報告也證實了這些觀點：有90％ 的公司難以在整個企業中擴展AI，其中一大重要原因便是數據。參與這項研究的多半受訪者承認，他們對自身的 AI 數據需求知之甚少。再者，無法連接多個數據源的數據質量和數據整合問題也是公司面臨的一大數據問題。沒有精心管理、維護的數據，AI計劃注定會以失敗告終，從而導致成本增加、錯過截止期限和產生監管風險。

的確，數據是樣本訓練的前提條件，只有經過采集、存儲、分析、處理等方式，從各種類型的海量數據中獲得的有價值的信息，才能為人工智能提供堅實的素材基礎。AI系統的優劣在一定程度上取決于訓練時使用的數據。報告指出，企業的數據問題通常分為三大類，如下圖所示：

1、數據質量。質量問題是企業面臨的頭號數據挑戰 (58％)。缺乏精心管理的 AI 系統訓練數據 (45％) 和數據治理問題 (40％)，可能會導致情形愈發復雜化。因此，不足一半的公司對確保數據質量的能力缺乏信心也就不足為奇。

2、 整合。缺乏整合也是一個關鍵問題。就數據科學/機器學習平臺和分析/商業智能平臺而言，超過 50％ 的公司苦于解決數據整合問題。這就是為何三分之一以上的受訪者對連接多個數據源的能力缺乏信心的原因。

3、 缺乏了解。在調查中，最令人不安的發現或許是：52％ 的受訪者對自身的 AI 數據需求知之甚少。如果企業連自己的需求都不了解，那么他們難逃這兩種命運：或則操之過急地盲目實施注定敗北的 AI 計劃，或則更糟的是全然不去嘗試。

人員和技術的挑戰不容忽視

人工智能發展日新月異,伴隨而來的就是AI領域人才需求激增。《克服 AI 規模化征途中的障礙》報告顯示，數據工程、數據科學及相關開發技能，是大多數企業都缺乏的，而這些都與AI的落地實施有密切聯系。此外，未能全面采用最佳實踐，以及分析團隊和數據科學團隊之間的失調，更是加劇了企業團隊技能不足的挑戰。

配備技藝嫻熟的員工不僅對 AI 計劃取得成功至關重要，而且對幫助企業實現提高員工生產力的目標也很關鍵。

適當的工具使AI的落地事半功倍

除了專業技能，多數公司還缺乏適當的工具。在調查中，58％ 的受訪者表示缺乏用于開發高級分析和機器學習模型的工具及平臺，50％的受訪者表示需要開發解決方案，來運作這些模型，還有 50％ 的受訪者表示缺乏用于在生產中監控模型的解決方案。此外，在開源的大背景下，還引起了另一個問題：56％ 的受訪者表示他們不具備對開源 ML 編程模型和框架的充分支持，另外 50％ 的受訪者則在奮力實施和維護開源機器學習平臺。

Forrester的專業建議

AI 是企業競爭優勢的重要源泉，面對數據的質量、整合，人才和工具的匱乏等痛點， 企業應當制定并執行適當的戰略，以擴展 AI 用例，保持、提高企業競爭力。Forrester 經過深入調查后，給出了一些重要建議。

1、 建立由業務、技術和 AI 專業人員組成的 AI 先鋒團隊，以審視關鍵業務流程和客戶交互中的 AI 機會。根據技術的可行性和對所在企業行業領導地位的影響，來確定用例的優先級。

2、數據科學家對于將數據轉化為智能 AI 模型至關重要。然而在轉化過程中，除了數據科學家之外，業務分析師、開發人員、運營專業人員和項目經理，都是不可或缺的角色，企業需要建設一支由這些人員組成的AI工程團隊，將開發模型中的技術問題及時地解決掉。

3、與所有技術一樣，AI 將自動化執行某些流程，增強員工的能力，并為工作者創建全新的角色。Forrester 建議企業對于每個 AI 用例，都創建角色來代表可能受 AI 解決方案影響的現有員工和客戶。從每個角色的角度分析 AI 解決方案如何影響相應角色。這樣的操作有助于人們了解技術如何改善公司、客戶體驗及其角色。

4、引起企業高層的關注和重視。既要告知其初期AI用例的成功之處，也要羅列出大規模實施 AI 用例時更為全面的技術和組織要求，使他們了解大規模實施 AI 所需要做出的投資。

IBM 助力企業加速人工智能之旅

四個破局之術雖然對AI的落地有效，但是企業實施起來絕非易事，資金、人員力量的不足，使得企業很難進行下去。這種情況下，IBM Cloud Pak for Data可以說是一個福音。 IBM Cloud Pak for Data是一個全面集成的數據和 AI 平臺，能夠為企業提供現代化的方式，在收集數據階段，讓數據變得簡單且易于訪問。無論數據位于何處、結構如何、類型如何，都可以收集。在組織數據階段，可以通過清洗、記錄、治理數據，提高數據質量，之后用智慧的方法分析數據，以可信任的、透明的方式構建和擴展人工智能，充分利用人工智能模型來賦能企業獲得新的洞察，并作出更好、更智能的決策。最后，借助于預測、自動化和優化，把人工智能應用到整個企業實踐，引入到各個部門和各種流程中，進而幫助企業轉變業務運營模式，加速人工智能之旅。

更多IBM Cloud Pak for Data內容，請關注專區了解詳情。

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】