如今，減少人工智能的宣傳和炒作已成為IT領導者的主要工作。提供有關人工智能在何處以及如何將其添加到IT基礎設施的深入指南將會提供幫助。

很多技術提供商正在投入巨資，將人工智能技術應用到他們的產品和服務中。很多媒體一直在宣傳企業(yè)將人工智能應用在IT基礎設施將會獲得收益，其中包括加強網絡安全、簡化法規(guī)遵從性、自動化捕獲數據，以及優(yōu)化存儲容量。并且指出，人工智能將使企業(yè)的每個角落變得更智能，而那些不了解人工智能轉型能力的企業(yè)將會落后于人。

與大多數新興技術一樣，實際上人工智能并不那么像宣傳得那樣強大。

塔塔咨詢服務公司副總裁兼全球認知業(yè)務主管Ashok Pai警告說：“盡管人工智能有潛力改變產品和業(yè)務流程，但管理人員不應該被大肆宣傳的好處所迷惑�！�

在IT主管和業(yè)務負責人為人工智能項目提供資金之前，他們需要仔細考慮人工智能可能在其組織中產生最大影響的場合。他們必須使人工智能投資與戰(zhàn)略業(yè)務優(yōu)先事項保持一致，例如增加銷售、提高生產力，以及更快地將產品推向市場。Pai表示，這種選擇因企業(yè)和行業(yè)而異。例如，制造商可能會決定，在供應鏈和生產系統(tǒng)中嵌入人工智能是他們的首要任務，而服務行業(yè)可能會尋求人工智能來改善客戶體驗。

Pai表示，對于大多數公司來說，人工智能項目不會像汽車行業(yè)開發(fā)無人駕駛汽車耗費大量時間和費用。高層管理人員應該優(yōu)先考慮和資助6到12個月的短期項目，這些項目由具有明確目標和潛在投資回報的商業(yè)案例支持。他們應該明白，當將人工智能嵌入IT基礎設施時，可能會面臨失敗。

Pai說，“重點是快速識別故障，減少損失，從失敗中吸取教訓，并做出改變，以提高未來人工智能項目成功的機會�！�

IT咨詢機構Information Builders公司的市場情報主管Lyndsay Wise表示，并非所有企業(yè)都被人工智能的功能所迷惑。事實上，許多企業(yè)在采用人工智能自動化工具時都很明智， Wise說：“他們并沒有被宣傳的好處所迷惑，而是在尋求獲得最強投資回報率的關鍵問題，導致人工智能的采用得以延遲�！�

Gartner公司在2019年對首席信息官支出的調查發(fā)現，只有約37％的企業(yè)采用某種形式的人工智能，而2015年約為10％。

Wise表示，許多組織都意識到，強大的數據管理是預測分析和人工智能技術的核心基礎，他們首先關注的是如何有序地獲取數據。她說，其他人已經意識到，他們沒有充分利用預測技術所需的數據池，并且正在投資建設正確的數據流。

制定將自動化和人工智能整合到IT基礎設施中戰(zhàn)略的企業(yè)需要在人工智能技術如何幫助他們實現業(yè)務目標方面有扎實的基礎。以下是對IT系統(tǒng)和流程的深入研究，其中自動化和人工智能已經在改變企業(yè)的工作方式。

數據捕獲的自動化和人工智能

人工智能技術在捕獲對當今企業(yè)至關重要的不同類型的數據，以及識別未來可用于改進企業(yè)的數據方面發(fā)揮著越來越大的作用。例如，大多數語音數據通常會丟失或簡要總結。新一代的人工智能轉錄工具不僅可以更容易地記錄這些過程，還可以捕獲更多的分析來理解呼叫中心交互、業(yè)務會議和演示。

盡管新的應用程序接口不斷增長，文檔在事務處理業(yè)務中仍然扮演著重要的角色。例如，美國勞工局報告說，企業(yè)每年花費超過1300億美元用于從文檔中輸入數據。從文檔中提取數據的新工具可以幫助降低這些成本。

越來越復雜的光學字符識別（OCR）技術以及更好的文本挖掘和使用自然語言處理的語音提取功能，使系統(tǒng)能夠快速數字化大量的文檔和文本。這些工具自動化文檔的排序、分類、提取和最終處置。

Infosys Consulting公司合伙人Senthil Kumar表示，數據捕獲領域的更大突破正在醞釀之中。

他說，“數據捕獲系統(tǒng)的未來在于能夠模仿人類的思維——不僅是工業(yè)化的數據捕獲，而且能夠處理不明確的數據，并快速解釋場景�！�

雖然光學字符識別（OCR）技術變得更加復雜和快速，但它仍然主要受到基于模板的規(guī)則的限制，無法對數據進行分類、提取和驗證。Kumar說，“這些工具缺乏人類思維的魔力，這基本上是對復雜數據塊的直觀同化、協(xié)調和解釋�！�

他表示說，復雜的業(yè)務場景需要能夠像人類一樣理解文檔的系統(tǒng)。他認為，機器學習和深度學習是改善數據捕獲最有希望的地方。

機器學習模型在不同的語言和文檔類型之間具有極大的可擴展性。他們需要一些初步的努力來建立高質量的訓練模型和實體識別技術，但是一旦建立了基礎，這些技術比模板化方法更快、更好、更具場景性。Kumar說，“成功的組織不是建立在模板驅動的世界里�！�

Kumar表示，一個有趣的數據捕獲應用是使用機器學習模型來跟蹤企業(yè)的信息流。例如，可以使用機器學習來識別公司關于困難主題的頂級專家，使其他工作人員可以隨時訪問該知識庫。對信息流的分析還可以幫助管理層確定其內部消息的優(yōu)先級，或者改進信息的傳遞。

人工智能提高數據捕獲的5種方法

企業(yè)正在使用人工智能執(zhí)行以下數據捕獲：

（1）處理和分析跨多個供應商、地點和地理位置的數百萬張發(fā)票，以改進提交回扣管理和對賬的驗證。

（2）從復雜文件中分解和提取背景，例如法律簡報、多語言研究論文、建筑藍圖和土地調查。

（3）評估搜索引擎優(yōu)化的相關性并通過搜索獲利。

（4）評估社交內容的相關性和偏好，并監(jiān)控仇恨言論和錯誤信息。

（5）為實體識別（注釋）標記圖像和視頻，幫助用戶使用自然語言進行查詢。

人力資源中的人工智能和自動化

在人力資源領域，將人工智能嵌入到IT基礎設施中可以簡化企業(yè)用于審查簡歷、分析新員工績效、自動提供新員工所需的IT資源以及改進培訓服務提供的分析。

IBM公司安全副總裁Aarti Borkar說，“招聘人員瀏覽一份簡歷平均只看6秒，這在人才招聘過程中可能錯失大量的機會�！彼�曾是IBM Watson人才和協(xié)作小組成員。

人工智能可以對應聘者的簡歷進行總結，并對技能和熟練程度進行全面的描述，從而使招聘人員能夠在6秒內做出更準確的評估。人工智能還可以通過實施更好、更個性化的職業(yè)發(fā)展計劃來促進人才的保留。

但是，人工智能比提高人力資源效率更為重要，它有能力減輕招聘過程中的自然人類偏見，并創(chuàng)造出更加多樣化的勞動力。Borkar說，“有大量的證據表明，企業(yè)的更大的多樣性推動了更大的業(yè)務成果，因為在實踐中，反對的觀點可以消除盲點�！�

人工智能顧問和培訓師、《商業(yè)人工智能》一書的作者DougRose預計，企業(yè)將使用人工智能來改善員工的福祉和敬業(yè)度。這些工具尋找模式，然后試圖確定員工的幸福感。這可能使人力資源部更容易進行一些小實驗來改善福利，例如讓員工在家工作或為他們提供特定的培訓。然后，該算法可以評估是否有改進。Rose指出，這些新的人工智能參與工具可以幫助企業(yè)實時調整他們的政策，以降低營業(yè)額，改善他們的組織文化。

他說：“通常情況下，企業(yè)雇主只需稍加改進就能提高生產率，并為每位員工提供更好的體驗�！�

人力資源團隊也可能處于工作場所使用人工智能的另一個后果：解決員工對自動化和人工智能的擔憂。人力資源研究和咨詢公司Global Workplace總裁Kate Lister表示，她認為企業(yè)需要關注自動化和增強智能如何讓許多人更輕松地工作。

Lister說，“員工應該將人工智能技術視為數字助理，他們可以做好所有的重復性工作，而人力資源工作人員可以完成他們真正喜歡的工作。此外，由于人工智能自動化，重復性工作將會做處更好。”

Lister指出，但是人力資源部門需要注意這些數字助理如何能夠正常運轉。例如，如果傳感器檢測到Sally很少在辦公室辦公。這可能會得出結論Sally不需要辦公桌或者工作懈怠，事實上她在利用會議室更好的Wi－Fi信號在那里辦公。

Lister說，“雖然計算機所做的大部分工作都與匿名的大數據有關，但特別是關于Sally的‘小數據’會導致安全、隱私、所有權問題�！�

NTT如何實現安全自動化

NTT數據服務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來自動化系統(tǒng)集成商傳統(tǒng)的一級安全操作，以解決技術嫻熟的安全專業(yè)人員短缺的問題，以更高的質量實現標準化，并與開始使用人工智能來改進攻擊的攻擊者保持技術同步。

這一策略通過讓Steve Williams的團隊專注于更具吸引力的項目，幫助提高了員工的保留率。啟用人工智能的方法也有助于減少人為錯誤，因為它減少了與標準操作程序的偏差。與尋找合適的人相比，自動化和人工智能還可以減少解決問題所需的時間，而后者必須記住他在上次是如何解決問題的。

Williams還認為，人工智能可以更容易地跟上因完全自動攻擊工作流而產生的雙因素身份驗證保護措施的步伐。

應用中的人工智能自動化

主要的CRM、ERP和市場營銷參與者開始在其核心平臺之上創(chuàng)建人工智能分析層。人工智能層將更容易從這些平臺上顯示數據，并將數據整合到其他應用程序中，通過更好的響應時間和大規(guī)模個性化創(chuàng)建更好的客戶體驗。

將人工智能融入ERP也可以幫助企業(yè)領導者更快地做出更好的采購決策。調研機構Forrester Research公司預測，這種增加的功能最終可能導致新一代業(yè)務云更加適應傳統(tǒng)企業(yè)的需求，而不是現有云計算領導者的需求。

例如，Adobe公司最近推出了Adobe Experience平臺，以在其廣泛的營銷、廣告和創(chuàng)意服務中集中數據。該工具承諾突破數據孤島，使企業(yè)更容易了解客戶，并通過使用人工智能和機器學習使數據可操作。SAP、Salesforce、Microsoft、Oracle等公司推出了類似的計劃，使人工智能更容易注入到運行在其平臺上的不同應用程序中。

流程自動化工具供應商Fortressiq公司創(chuàng)始人兼首席執(zhí)行官Pankaj Chowdhry說，“業(yè)務應用程序供應商對數據的深入了解使他們能夠快速實現客戶價值，這將是企業(yè)采用人工智能最快速和最成功的方法之一。”這些業(yè)務云的早期工具專注于實現垂直人工智能層，以幫助自動化非常具體的業(yè)務流程，如CRM中的銷售線索評分或ERP中的供應鏈優(yōu)化。

Chowdhry說，企業(yè)面臨的最大挑戰(zhàn)是，這些功能中的大部分只能在最新版本的平臺上使用，而且不能很好地進行定制。此外，在這些平臺上構建的人工智能在很大程度上依賴于企業(yè)數據的質量。例如，自動機器學習工具提供商DataRobot的高級主管Colin Priest說，許多CRM數據庫包含重復的客戶記錄，這是由于多渠道銷售、客戶在輸入客戶詳細信息時更改地址或只是因為輸入錯誤。但是，人工智能還可以通過識別這些重復記錄來清除數據，從而提高客戶服務和法規(guī)遵從性。

安全中的人工智能自動化

將人工智能納入IT基礎設施可以提高安全合規(guī)性和管理，更好地理解來自各種來源的數據，從而快速檢測傳入的攻擊并改進應用程序開發(fā)實踐。

英特爾公司管理數據庫咨詢商DSP公司的Oracle云服務負責人Philip Brown表示，在安全方面使用人工智能增強自動化的低效成果在于合規(guī)管理。

“企業(yè)IT仍然有很長的路要走，只是為了涵蓋安全合規(guī)和管理的基礎知識。”Brown說。一個典型的企業(yè)可能有一個包含250個數據庫的數據庫區(qū)和一個符合性政策，每個數據庫約有30個規(guī)定，因此需要收集大約7500個數據點。

人工收集所有這些數據是不切實際的，因為必須定期收集這些數據才能有價值。然后必須對其進行處理和評分，并在發(fā)現安全或合規(guī)問題時采取補救措施。Brown說，“如果沒有實現自動化，這很難做到�！�

Brown指出，有兩種方法可能讓審計員感到惱火。第一種方法是告訴他們不符合的實例。這會讓審計人員很惱火，但他們會很高興知道差距在哪里。第二種方法是告訴他們無法收集和處理數據。

Brown說，“安全自動化不僅在自動解決問題方面很重要，而且在定期捕獲和處理數據方面也同樣重要�！�

人工智能還顯示了在挖掘事件數據中可能代表安全威脅的異常模式的一些前景。但是，培訓這些系統(tǒng)需要IT經理維護干凈的數據集，以控制這些系統(tǒng)學到的東西。

安全工具供應商有不同的策略來啟動這些系統(tǒng)中使用的人工智能模型。但云計算咨詢公司CandidPartners的云安全架構師Jonathan Glass表示，在審查這些工具時要謹慎。他擔心黑客會匿名地用惡意制作的關鍵系統(tǒng)文件（如Windows內核）來攻擊他們，這可能會導致人工智能解決方案阻止這些文件。

Glass說：“人工智能和機器學習非常適合識別威脅和模式，但是仍然應該讓人類做最后的決定，直到人們對這些決定有100％的信心。”如果人類不在其中，那么使用人工智能自動執(zhí)行的安全服務可能會阻止合法用戶。他強調，工具應該只能增強良好的安全流程，不應該用來完全解決任何問題。

在開發(fā)周期的早期解決安全問題的成本要低得多。來自Contrast Security、Secure Code Warrio、Semmle、Synopsis和Veracode等提供商的軟件集成開發(fā)環(huán)境（IDE）插件將安全“拼寫檢查器”直接嵌入IDE中。

“但現在和將來，擁有真正的安全專家和同行代碼審查仍然是關鍵�！泵艽a管理提供商Keeper Security公司首席技術官兼聯合創(chuàng)始人CraigLuley對此表示認同。他解釋說，人工智能既不了解軟件的用途，也不了解網絡攻擊者的思想，因此人員的因素對安全仍然至關重要。人工智能在安全性中的一種用途是使用人工智能自動化測試和分析來確保底層數據的加密和更好的保護。但這仍然需要人們充分了解使用模式和業(yè)務案例。

Zillow如何利用人工智能自動化來改進其數據管理

房地產服務商Zillow Group公司的數據工程高級主管Steve Hsiao表示，隨著數據越來越豐富，越來越復雜，人類不可能監(jiān)控和管理所有這些海量數據集。

Zillow公司正在IT基礎設施中使用人工智能來監(jiān)控和預測異常的數據場景、數據依賴性和數據使用模式，從而幫助企業(yè)更高效地運行。人工智能和自動化也被用于自動擴展、智能查詢規(guī)劃和集群調整，以及優(yōu)化用于運行Hadoop基礎設施的服務器集合性能的過程。

Hsiao說，“使用人工智能是識別不再使用的數據的有效方法，然后我們可以確定是將數據加載到更慢的存儲、壓縮還是考慮刪除�！比斯ぶ悄芗夹g還可以用于標記有關數據集的統(tǒng)計信息，以進行查詢優(yōu)化。例如，Zillow公司使用內部的人工智能系統(tǒng)檢測異常情況，以預測不正確的數據或可疑的數據生成模式。

Hsiao說，目前還沒有快速的解決辦法。數據是非常復雜的，用于收集數據的每個管道可能具有非常不同的特性，這使得擁有一個完整的、一刀切的適合所有人工智能的解決方案變得非常困難。人工智能模型也可以像數據本身一樣復雜地進行管理。Hsiao說，“最重要的是，現實情況是人工智能遠非完美，常常需要人工干預，以盡量減少錯誤或有偏見的結果�！�

存儲和數據管理中的人工智能自動化

存儲和數據管理是兩個領域，行業(yè)專家表示，人工智能將降低存儲更多數據的成本，提高訪問數據的速度，并降低法規(guī)遵從性方面的管理負擔，使數據在許多方面更加有用。

企業(yè)正在使用人工智能來尋找減少需要物理存儲在固態(tài)驅動器等存儲介質上的數據大小的方法。IT基礎設施中的另一個人工智能顯示出了希望的領域是分析數據硬件的特性，以便更好地預測故障并提高更換存儲介質的速度。在數據管理中，人工智能正被嵌入以動態(tài)地調整、更新和管理各種類型的數據庫。示例包括Oracle的自治數據庫技術和Azure SQL數據庫。這些類型的人工智能和自動化工具協(xié)同工作，將有助于減少與管理大型數據基礎設施相關的人工負擔，并減少為新用途（如數據科學項目）重新調整數據用途的開銷。自動化還將導致文化轉變，數據庫管理工作減少，而數據工程工作等其他工作則有所增加。

IT咨詢機構Apps Associates公司的高級副總裁Bill Saltys表示，在IT基礎設施中嵌入人工智能將從根本上改變存儲系統(tǒng)正常運行所需的許多任務。一個領域是調整物理數據基礎設施，使用人工智能進行實時維護、自我修復、故障轉移和業(yè)務連續(xù)性。例如，許多存儲系統(tǒng)使用RAID使多個物理硬盤驅動器或固態(tài)驅動器顯示為一個存儲系統(tǒng)，以提高性能并減少單個故障的影響。更好的自動化可以幫助分發(fā)這些數據，以提高讀寫速度或提高綜合性。

運營數據庫提供商Marklogic Corporation公司高級產品經理Anthony Roach表示，改進存儲系統(tǒng)需要超越對存儲系統(tǒng)中哪些物理或軟件組件遭到破壞的了解，從而找出如何預測這些損壞，以便采取糾正措施。其目的是創(chuàng)建機器學習模型，以不斷提高其預測復雜存儲系統(tǒng)中維護故障的能力，并采取主動措施防止故障發(fā)生。他說，基于大量輸入數據的近實時異常檢測和風險評估有望使數據管理操作更加高效和穩(wěn)定。

Apps Associates公司云計算服務的實踐經理和解決方案架構師Bharath Terala說，在數據管理方面，人工智能和自動化將顯著減少跨各種數據庫管理系統(tǒng)的管理、擴展、轉換和調優(yōu)工作。

Terala說，人工智能和自動化還將使對不同類型數據庫的數據管理應用程序進行調整變得更容易，包括用于事務的結構化SQL、用于分析的圖形數據庫以及用于捕獲快速移動數據的其他非SQL數據庫。人工智能輔助的自動化可能會影響一種文化轉變，即從專注于優(yōu)化企業(yè)現有數據庫的DBA轉向專注于優(yōu)化和擴展不同最佳數據管理應用程序基礎設施的數據工程師。例如，SQL可以用于事務、分析的圖形數據庫和用于捕獲物聯網數據的關鍵值存儲。

Marklogic公司的Roach說，然而，現代數據管理也涉及到管理安全、隱私、數據主權、生命周期管理、權利和同意管理。人工智能自動化可以幫助改進驗證不同用途數據集的過程，并管理與數據生命周期相關的所有活動中的數據來源。例如，人工智能可以幫助掌握非結構化數據中的數據、發(fā)現數據和識別結構。人工智能還可以幫助識別個人可識別的信息，確定數據的適用性，甚至識別結構或訪問中的欺詐和異常。這將使參與數據生命周期的每個人更容易看到數據來自何處以及如何進入其所處的狀態(tài)。

Roach說，在存儲和數據管理中使用人工智能工具的最大挑戰(zhàn)之一是識別和糾正觀察和行動之間的差距。例如，分析可能會告訴數據經理，跨不同存儲層重新平衡數據可能會降低成本。但這樣做會面臨挑戰(zhàn)，同時也會使數據保持在線、事務性和業(yè)務性能�；�礎設施軟件（如數據庫）在傳統(tǒng)上不是很靈活。

Roach說，“現代建筑需要提供執(zhí)行人工智能建議的行動所必需的靈活性�！睂τ谠S多組織來說，這將需要用更靈活的數據管理工具組合替換舊數據庫。

云計算文件服務Panzura公司首席產品官Rich Weber說，數據管理者未來可能會找到建立基礎設施的方法，以便特定類型的數據更新可以通過簡單地將數據寫入與編排腳本相關的位置來觸發(fā)新的機器學習過程。其用途包括自動將數據攝取到機器學習引擎中進行預處理；改進預測分析模型；自動編輯個人識別信息；自動糾正圖像文件的視覺異常。

自動化IT基礎設施中的人工智能

第一代人工智能工具要求IT和數據專家花費大量時間和專業(yè)知識創(chuàng)建新的人工智能模型和應用程序�，F在各種各樣的平臺正在出現，并在這個過程中自動化消除瓶頸，或者作為一個平臺來簡化整個人工智能應用程序的開發(fā)生命周期。

大多數現代人工智能項目都是由機器學習模型驅動的。建立機器學習模型是一個耗時的過程，但借助于自動化機器學習可以加快速度。例如，數據科學家通�；ㄙM大量時間將數據轉換為不同的結構和格式，然后調整神經網絡配置設置以創(chuàng)建更好的機器學習模型。

DataRobot公司的Priest說：“自動化機器學習使用的軟件知道如何自動化構建人工智能模型的重復步驟，以便為更關鍵的業(yè)務、以人為中心的任務減少工作人員的工作量�！�

用于自動化機器學習的新興工具可以幫助數據準備、人工智能模型特征工程、模型選擇和自動結果分析。除了DataRobot公司，其他開發(fā)自動化人工智能基礎設施工具的供應商還包括DataBricks、Google、H20．ai、IBM、Oracle和Tibco。

Box如何自動化其合同生命周期

Box公司首席產品官Jeetu Patel說，現代參考體系結構可以在將人工智能和自動化引入新的業(yè)務流程中發(fā)揮關鍵作用。該公司最近決定將重點放在使用人工智能和自動化來改進其合同生命周期管理，這是非常耗時的，因為來回通信、審查和標記。該戰(zhàn)略要求使用已經與提供商的IT基礎設施集成的服務，包括用于電子郵件附件智能的MXHERO；用于電子簽名的DocuSign；用于合同編輯和談判的Office365；用于報告、分析和義務管理的Crooze；以及用于元數據智能提取和標記的eBrevia。Patel說，該公司擴展了其內部產品“Box Skills”來分析和更好地理解所有合同，以幫助快速識別合同中的任何法律問題。

需要耐心

支持人工智能的自動化工具仍處于初級階段，這可能會挑戰(zhàn)IT主管識別承諾最有價值的用例。

個人化平臺Dynamic Yield公司首席技術官兼聯合創(chuàng)始人Omri Mendellevich說，“人工智能有很多機會，但缺乏關注和策略可能會阻礙企業(yè)推動成功的人工智能項目。”

人工智能戰(zhàn)略應該從將人工智能納入IT基礎設施可以解決的問題的良好理解開始。這使組織能夠分析它是想在內部解決問題，還是想購買一種可以為他們解決問題的產品。Mendellevich表示，一個良好的人工智能采用策略將定義和澄清組織為了達到預期的結果需要經歷的過程。將關鍵績效指標應用于人工智能項目的每個階段將有助于確保成功實施。

這需要極大的耐心，因為企業(yè)需要知道人工智能的自動化還處于起步階段，其交付結果非常復雜。建立模型、測試、調整、失敗、成功和再次失敗都需要相當長的時間。

“如果做得好就會成功，人工智能最終將改變人們的工作方式�！盡endellevich說。