IT领导者如今已经开始获得人工智能和机器学习所承诺的回报。最近的一项调查表明，随着人们遭遇经济逆境，一半的企业正在考虑加大投资。

到目前为止，很多人都知道，在当今时代，人工智能（AI）及其子集机器学习（ML）与人类智能几乎没有关系。人工智能和机器学习涉及识别数据模式和自动执行离散任务，从标记欺诈性金融交易的算法到回答客户问题的聊天机器人。IT领导者很看作其巨大的潜力。

根据CIO-Tech公司今年2月发布的一项IT领导者的调查，人工智能和机器学习被62％的受访者认为是最具颠覆性的技术，42%的受访者认为是影响最大的技术，在这两种情况下，人工智能和机器学习的比例是其最接近竞争的对手大数据分析的一倍。令人印象深刻的18％的受访者已经在生产中使用了人工智能和机器学习解决方案。

调研机构在今年7月进行了一项大范围的业务影响调查，提出了一个更具挑衅性的问题：“贵公司有多大可能会增加对人工智能和机器学习的考虑，以此降低人力资本成本？将近一半（48%）的受访者这样做的可能性很大。这意味着，随着经济正在衰退，对人工智能和机器学习解决方案的需求可能会加剧。

现在是企业制定自己的人工智能和机器学习策略的时候了。为此，行业媒体撰写了一些文章，剖析了这些问题并提供了有意义的建议。

 智能企业

尽管毫无疑问人工智能和机器学习会取代某些工作，但是Matthew Finnegan在发表的文章“人工智能在工作：你的同事可能蛤是一个算法”，着重讨论了人工智能系统与人们合作以提高生产力的情况。最有趣的例子之一是“cobot”，它与工厂的工作人员一起工作以增强人员的能力。

但是有效的人工智能和机器学习解决方案有多种形式，例如行业专家Clint Boulton讲述了一系列新的案例研究，这个名为“5个机器学习的成功案例：内部观察”的文章阐述了机器学习应用的最大亮点：预测分析以预测医疗保健结果，密集数据分析以个性化产品推荐，图像分析以提高作物产量。现在有一个明确的模式：企业在某个领域看到机器学习成功后，类似的机器学习技术就会经常应用于其他领域。

行业专家Neil Weinberg在其发表的一份名为“人工智能如何创建自驱动数据中心”的文章中着重介绍了人工智能和机器学习的高度实用的使用方法，并直接受益于IT技术。Weinberg表示，人工智能和机器学习可以处理电源、设备和工作负载管理，并在运行过程中不断进行优化。在硬件的情况下，可以预测故障，无需人工干预。数据中心的安全性还得益于人工智能和机器学习功能，既可以警告管理员异常，也可以识别漏洞及其补救措施。

各种形式的机器学习通常始于发现大量数据的模式。但是在许多情况下，数据可能是敏感的，正如行业专家Maria Korlov在“企业的人工智能和机器学习项目的安全性如何？”文章中所述。 Korlov指出，数据安全性通常是事后才想到的，这使得某些机器学习系统固有地容易受到数据泄露的影响。答案是从一开始就建立明确的安全策略，而在大型组织中，则要专门任命一名高管来管理与人工智能相关的风险。

那么企业应该在哪里构建人工智能和机器学习解决方案呢？行业媒体的特约编辑Martin Heller认为，公共云提供商提供了极具吸引力的选择，但企业需要仔细选择。Heller在其发表的名为“如何选择云机器学习平台文章”中概述了每个云机器学习平台应具备的12种功能以及需要它们的原因。由于有这么多的数据分析工作负载转移到云平台中，因此添加机器学习以获得更大的价值是很有意义的。但是至关重要的是，企业应该确保可以利用最好的机器学习框架并受益于预训练的模型。

人工智能达到人类的智能还有很长的路要走。同时，人工智能和机器学习将逐渐渗透到几乎所有类型的应用程序中，从而减少繁琐的工作并提供前所未有的功能。而很多IT领导者相信它将产生最大的影响。