分析
随着全渠道商务的发展，广告分析领域将发生翻天覆地的变化。线上和线下消费者互动之间的传统孤岛正在瓦解，为真正的全渠道消费者铺平了道路。虽然实体/数字围墙在消费者的旅程中逐渐倒塌，但围墙花园和消费者隐私问题仍将凸显，使分析变得复杂。全渠道消费者的增长，将需要重新调整营销衡量模型。传统的数字最终点击归因将让位于更细致的方法，认识到客户旅程中多个接触点的影响。这种转变将更准确地体现每个渠道为创造和转化消费者需求所贡献的增量价值。隐私问题将日益凸显，需要在数据驱动的个性化和尊重用户隐私之间取得微妙的平衡。实现这种平衡，对于维持消费者信任、同时充分利用全渠道分析的潜力至关重要。在全渠道电子商务时代，广告分析的未来，将以数据的融合、归因的重新定义以及与隐私的微妙共存为特征。这不仅仅是一个转变;这是一场革命，改变了我们如何了解、解释和利用消费者数据来实现广告的艺术和科学。–Skye Frontier，Incremental高级副总裁
人工智能
人工智能不会取代低代码，而是会增强其以改善结果：多年来，低代码使开发人员能够在无编码经验的情况下创建应用程序。现在，ChatGPT有望显著提高代码编写效率。然而，仅仅使用ChatGPT来编写开发人员本就可以编写的代码，并不能在适当的规模上解决生产力问题。再利用和维护的问题仍未解决。开发人员花费数月的时间来吸收上游团队的升级、执行技术堆栈升级、实施重新设计以将应用升级到现代UI/UX模式等。因此，人工智能不会取代低代码，而是与低代码一起使用以提高生产力。明年，我们将看到企业软件供应商结合使用计算机视觉或经过训练的模型来了解模式，然后在其低代码平台内触发生成代码。–Vikram Srivats、WaveMaker
所有权将成为企业人工智能计划能否在2024年真正起飞的关键决定因素：企业渴望在2023年开始采用生成式人工智能，特别是当看到其对内部生产力的直接影响时。但在新的一年里，我们将开始看到，虽然企业很容易利用人工智能，但真正推动业务影响远不止于此。在没有明确问题或专门团队的情况下委托人工智能探索的企业往往会步履蹒跚，导致无效的结果。所有权将成为企业的人工智能计划能否在2024年及以后真正起飞的关键决定因素。当企业主在数字创新中获得既得利益，确定具体挑战，并组建团队进行实验和行动时，成功的可能性就会激增。所有权将是决定谁能成功利用人工智能变革潜力的关键驱动因素。–Raj De Datta，Bloomreach首席执行官
从企业人工智能到零信任人工智能：2024年，我们将看到企业采用人工智能的方式发生重大转变，从关注绩效转向强调问责制。随着人工智能越来越融入关键决策过程，组织将优先考虑确保人工智能输出的准确性和可靠性。这种转变将导致“零信任人工智能”的发展，其中数据源的验证和人工智能引起的修改的透明度变得至关重要。目标是创建人工智能系统，其操作和决策不仅有效，而且所有利益相关者都可以了解和审查，从而培育围绕人工智能使用的信任和责任文化。–David Boskovic，Flatfile创始人兼首席执行官
人工智能将继续蓬勃发展，我们将在生活的几乎每个领域都能看到其应用。虽然它无疑会让我们的生活在很多方面变得更容易，但也会看到错误率上升，因为这项技术的智能程度取决于其所训练的语言。人工智能将不可避免地取代更多的人和工作，但好在它也将创造更多的就业机会。几年后，我们将看到许多物联网设备生成大量高基数数据。人工智能的可能性几乎是无限的，我们现在才开始探索。–Jason Haworth，Apica首席运营官
人工智能在2023年度过了不平凡的一年，占据了头条新闻，主要分析企业预测其在未来几年将产生重大影响。但要想在2024年及以后取得成功，人工智能必须依赖人和数据。零售数据非常复杂且动态，孤立的信息不断变化，无论是消费者购买行为、延迟发货、产品短缺还是劳动力需求。2024年，配备零售订单和库存数据管理系统的团队将发挥重要作用，帮助企业产生和维护干净、准确和可访问的数据，以充分利用人工智能。–Nicola Kinsella，Fluent Commerce全球营销高级副总裁
组织将任命一名首席人工智能官来监督人工智能的安全和负责任的使用：到2024年，组织将越来越多地任命高级管理人员加入其领导团队，以确保为人工智能的安全、合规性和治理影响做好准备。随着员工越来越习惯在个人生活中使用人工智能，通过接触ChatGPT等工具，其将越来越多地寻求使用人工智能来提高工作效率。组织已经意识到，如果不授权员工正式使用人工智能工具，员工也会在未经同意的情况下这样做。因此，组织将任命一名首席人工智能官(CAIO)来监督其对这些技术的使用，就像许多组织在其领导团队中任命安全主管(CISO)一样。CAIO将集中于制定政策、教育和授权员工安全地使用人工智能，以保护组织免受意外违规、知识产权泄露或安全威胁。这些实践将为跨组织广泛采用人工智能铺平道路。随着这一趋势的发展，人工智能将像手机一样，成为一种商品。–Bernd Greifeneder，Dynatrace首席技术官兼创始人
2024年将是人工智能和数据高管的一年：如果2023年是企业人工智能突然出现的一年，那么2024年将是整合的一年，因为企业希望了解如何使用人工智能获得竞争优势，并遵守未来不可避免的法规。为了实现面向未来的人工智能部署，组织将越来越多地寻求在高管层建立一个角色，以监督人工智能创新和合规性，但这不一定是首席人工智能官的形式。相反，人工智能可能会创造新一代首席数据官，让现有的数据领导者开发新的技能。正如我们看到首席数据和分析官的崛起一样，可能即将看到新一代首席数据和人工智能官的开始，其重点是确保人工智能模型的数据基础符合新法规，并具有足够高的质量，从而为企业赢得竞争优势。可以肯定的是，人工智能治理委员会的崛起，在确保安全高效的企业人工智能方面发挥跨职能作用，并与法律、道德、安全和隐私领域合作，就像过去几年数据官所做的那样。–Satyen Sangani，Alation首席执行官兼联合创始人
人工智能丑陋的一面进一步暴露：2024年总统选举就是一个例子，说明来年将如何揭露更多人工智能的邪恶能力。预计深度造假和其他人工智能生成的旨在影响选举的虚假信息，将以惊人的速度出现。如果被精明的威胁行为者使用，这些图像可能会成为引人注目的宣传，为选民创造一个名副其实的“魔镜”，选民们将很难从精心制作的虚假信息中辨别现实。随着候选人的竞选活动进入高潮，这将成为一个日益关注的领域。也许没有比人工智能生成的虚假图像更好的例子来说明该技术丑陋的一面了，近几个月来，这种图像一直在增加。到2024年，我们将看到更多的注意力集中在防止这种情况上，并发布一系列新的解决方案来解决这个问题。当然，我们还可以预期黑客将越来越多地利用人工智能来开展其基本活动——攻击组织和员工，以窃取敏感数据。想想威胁行为者利用这项技术来改进其恶意软件代码，或依靠生成式人工智能来制作更合法的网络钓鱼电子邮件。当这种情况发生时，组织将需要调整培训，例如，糟糕的语法，曾经是网络钓鱼活动的标志，现将不再是一个危险信号，这要归功于生成人工智能。–Mike Wilson，Enzoic创始人兼首席技术官
人工智能的巅峰炒作将会消退。然而，最具创新性和竞争力的企业将面临人工智能数字颠覆的真正挑战——员工。公司寻求的最重要技能将是“良好的判断力”，将其从一项软技能提升为一项至关重要的人在循环中的必要技能。企业将意识到，采用人工智能的挑战不是获得技术，而在于能否找到有技能的人来支撑这些项目。–Tim Sanders，Upwork客户战略副总裁
人工智能法规：我们将在2024年开始看到人工智能法规：例如，围绕监控消耗大量GPU计算的前沿模型开发进行了讨论。鉴于2024年总统大选，还需要针对互联网上的DeepFakes采取防护措施。我们认为这些努力将使人工智能更加安全，类似于FDA监管制药行业的方式。–Tim Shi，Cresta联合创始人兼首席技术官
到2024年，我们将看到人工智能将超越炒作周期，并大幅提高IT效率：与任何其他新技术一样，人工智能仍在经历炒作周期。人们开始更好地了解人工智能是什么样子，到2024年，我们将超越炒作，看到更有效的用例。这样做的结果之一是，首席信息官需要证明其不是为了人工智能而使用人工智能。正如我们看到IT专业人员采用人工智能来自动化工作流程并提高效率，首席信息官需专注于为团队配备AI工具，以改善业务并优化整个团队的IT工作流程。–Prasad Ramakrishnan，Freshworks首席信息官
人工智能应用的未来和障碍：人工智能的应用将会加速，并且会蔓延。我们将继续看到模型能力的巨大进步，并且对其如何工作的了解将会增加，这本身就会带来新的进步。我们将看到更多针对特定用例的模型，从代码到DNA、CAD、化学结构和图像分析。我们还将在应用和工作流程中看到更好的集成和用户体验设计，而不仅仅是输入文字的文本框。让模型“自然”地使用可能会成为最有影响力的发展，就像调整GPT-3并将其包装到聊天应用中，使其可供数百万用户使用一样。即使金融体系的状况如此，明年对构建生成式人工智能技术的企业的投资和融资也不会放缓。然而，没有足够的硬件来满足需求，可能会减缓生成式人工智能的发展。在这种情况下，只有最大的企业，或那些已经拥有大量硬件的企业，才能继续大规模开发新方法。–Alex Chabot-Leclerc博士，Enthought数字化转型副总裁
浅薄的AI解决方案将被暴露：过于复杂的SaaS附加组件和功能，声称可以实现自动化，但实际上只是在上面贴上“人工智能标签”，在影响工作效率后将会被暴露。在人工智能方面，用户变得越来越聪明，最近的一项调查显示，大多数IT专业人员(71%)正在使用人工智能来支持自己的工作工作量。持续的应用合理化和审查至关重要，尤其是在新的人工智能时代。–Prasad Ramakrishnan，Freshworks首席信息官
人工智能盈利能力的斗争仍将继续——构建大规模人工智能应用的企业不会很快实现盈利，这意味着唯一能够真正运行这些应用的人是拥有大量资金的企业，如Google和Microsoft.。但这些企业将在2024年继续奋力渡过难关，并在很长一段时间内亏损，直到规模经济将芯片和加工的价格降下来。随着这些企业的发展，需要考虑的是开源如何融入这一切。这些大企业面临的风险是，可能会对自己的模型进行大量投资，而最终真正获胜的模型是开源模型。因此，对于其而言，思考如何在模型中创造差异化，超越开源社区将解决的问题，这一点至关重要。–Raj De Datta，Bloomreach首席执行官
道德框架和监管对于人工智能是必要的，而不仅仅是组织追求利润时的干扰。我们无法回避人工智能，因为这是我们在非对称网络战场上扩大行动规模的唯一途径。道德框架和监管治理对于帮助人工智能高效、公平地发挥作用至关重要。每一个新的软件或服务都将包含人工智能或机器学习元素。由于技术发展速度太快，建立人工智能道德的最佳实践是一项挑战，但一些公共和私营部门组织已经自行部署了道德问题的框架和信息中心。所有这些活动都可能会引发主要经济体和贸易区越来越多的监管，这可能会在一段时间内导致监管格局日益零散，至少目前如此。可以肯定的是，当前人工智能和机器学习的“狂野西部”时代将很快消退，当组织想要利用这项技术时，将面临相当大的合规负担。–Nick Savvide，Forcepoint亚太区战略客户总监
随着董事会和高管层对人工智能的关注度越来越高，解决潜在数据问题的必要性将被放大：到2024年，更多的首席执行官和董事会将越来越意识到数据是人工智能成功的关键。多年来，首席执行官们第一次积极寻求增加技术支出，特别是在人工智能方面，因为都看到了巨大的前景。首席执行官们不仅对人工智能的潜力感兴趣，而且对人工智能的潜力也很感兴趣。GenAI承诺重新定义开展业务的方式，从彻底改变客户体验到优化供应链和加强风险管理，首席执行官们对此非常着迷。人工智能的魅力是不可否认的。其掌握着打开新市场、节省数百万美元并使公司跻身自己联盟的关键。然而，每个首席信息官都明白的一个清醒的事实是，人工智能并不是一个即插即用的奇迹。最致命的弱点在于数据——由于其分散的性质，这是最有价值但表现不佳的资产。如果不统一和管理数据，以确保其干净、互联且值得信赖，那么对人工智能的投资都是徒劳的。通往人工智能前景的道路是由数据统一铺就的。其将数据转变为单一的、可互操作的产品，这种产品可以真正催化数字转型，并利用人工智能的变革力量。–Manish Sood，Reltio创始人、首席执行官兼董事长
2024年将是人工智能工具适应性和可用性的一年：2023年是人工智能工具谨慎试验的一年，但到2024年，组织将把重点转向负责任的部署。尽管企业对人工智能及其相关风险尚未完全了解，但仍有很多机会可以利用来推动商业和生活的发展。在人工智能采用竞赛中落后，可能会给组织带来重大挑战。然而，没有一种通用的模式可供组织遵循。技术领导者需要评估哪些用例受益于新人工智能工具的集成，哪些工具最好保持不变。还需要确保GenAI工具以一种安全、负责任的方式使用，并由组织治理流程进行管理和控制。这种战略方法可确保人工智能的采用符合组织的独特目标和需求。–Barry Shurkey，NTT DATA首席信息官
人工智能可以抵御经济衰退和通货膨胀：尽管存在经济逆风或顺风，但无论经济转向何方，2024年对人工智能的兴趣将保持强劲。人工智能推动创新和竞争优势的潜力是必须具备的，并且在预算中拥有自己的项目。衡量人工智能的投资回报率至关重要，实际用例将被放在显微镜下观察。例如，证明人工智能如何使数据分析等日常任务变得容易，并且更广泛地供商业用户使用将是关键。同样，投资者也会对人工智能企业更加警惕。–Arina Curtis，DataGPT首席执行官兼联合创始人
在一个不可信的世界中确保人工智能的完整性：随着深度伪造(Deepfakes)和自动内容生成等AI技术的激增，对验证AI的机制的需求越来越大。Web3技术通过提供透明、可验证的人工智能操作框架，为这一挑战提供了解决方案。这种转变对于越来越依赖人工智能的行业至关重要，其将确保人工智能仍然是一个值得信赖的工具，尽管其运作具有去中心化且往往不透明化。–Blane Sims，Truebit运营主管
2024年将是小企业转向人工智能的一年：在过去的一年里，许多大企业利用人工智能“淘金热”，而大多数小企业尚未拥抱它。人工智能是一种快速发展的工具，可以提高运营效率和生产力，其好处是不可否认的。到2024年，更多的小企业主可能会开始直接在自己的企业中实施这些工具，其所依赖的更多应用将使用人工智能来增强现有功能。通过利用人工智能自动化许多传统上耗时的任务，例如发票、数据输入和调度，小企业主可以花更少的时间在管理工作上，而将更多的时间专注于发展业务和提供卓越的客户体验。–Forrest Zeisler，Jobber首席技术官兼联合创始人
60%的员工将使用自己的人工智能来完成工作和任务。企业正在争先恐后地利用人工智能机会，但其创新速度不足以超过员工对消费者人工智能服务的广泛使用——也被称为自带人工智能(BYOAI)。企业现在应该专注于制定管理和保护BYOAI的策略，同时开发企业正式认可的人工智能资源。–Forrester
访问、规模和信任：到2024年，人工智能企业将面临的三大挑战是获取人工智能工具、特定行业内的可扩展性以及用户对流行人工智能工具的信任。我们已经看到2023年出现了信任问题，而到2024年，当我们看到《人工智能法案》的影响时，信任问题将会变得更加严重。–Dan Head，Phrasee首席执行官
2023年是人工智能承诺之年，2024年将是人工智能行动之年。我们将开始看到企业所采取的举措所产生的切实成果，并发现其对客户的影响。那些选择投资资源，并确定人工智能与人类智能合作机会的人，将成为准备好占领市场的人。–Laura Merling
到2024年，我们有望看到建筑工地数据收集流程的自动化。如今，团队有责任在预算范围内按时完成项目，同时仍牢记安全和质量要求。借助人工智能，包括计算机视觉和生成式人工智能，企业将能够在项目的整个生命周期内构建和标准化其数据。无论是在建筑信息模型(BIM)和图纸的设计过程中、输入信用卡购买材料，还是验证保险信息以保护工人和项目，建筑行业都会使用大量数据。我们已经开始看到总承包商以独特的方式利用数据来改善其业务，但许多数据是非结构化的，并且没有充分发挥其潜力。据报告，典型项目中近20%的时间都花在搜索数据和信息上。人工智能将能够通过自动数据收集来解决这个问题，使个人能够花费更多的时间和资源从数据中获取见解，以降低风险并改善业务。–Rajitha Chaparala，Procore副总裁
人工智能将改变客户体验：AI将帮助客服人员更快更好地回答问题、在第一次接触时解决问题、清晰沟通并让客户感到满意，从而为成功做出贡献。这将催生以人工智能为中心的新客户体验战略，以设计、执行和衡量新的或重新构想的客户服务体验。据Forrester称，2024年许多改进的关键将是幕后GenAI，其增强了客户人员的能力。–Sreekanth Menon，Genpact全球AI/ML服务负责人
到2024年，企业将对人工智能的采用有自上而下的要求：许多团队领导者将从首席执行官和首席财务官那寻求指令，其中包含人工智能采用应实现的明确目标。诸如将运营支出降低20%、将CSAT/NRR提高10%，以及通过基于人工智能的产品和体验产生10%的总收入等预期将是最重要的。为了实现这些目标，一些高管团队将任命人工智能领导角色，以模仿过去十年数字化转型获胜者的成功。我们预计，随着组织努力解决如何将这项新技术快速集成到传统运营中，首席人工智能官或类似头衔的职位将变得普遍。由于CIO的角色日益分散，这一新角色可能会引起一些争议。首席信息官们是否能够部署足够的自动化来重点关注人工智能，或者最终将这一领域让给这位高管层的新人，值得密切关注。–Sean Knapp，Ascend.io首席执行官
在过去几年中，CTO角色已成为精通技术和精通业务的人士之间的桥梁，负责提供正确的解决方案以创造最佳的整体业务成果。这就带来了沟通方面的挑战，因为首席技术官需要了解如何将技术转化为组织董事会和高管层的投资回报率。到2024年，随着人工智能(AI)技术变得普遍，培训C级同事的能力将变得更加重要。首席技术官不仅需要能够与业务的技术方面合作，以确保人工智能领域的实际可能性，而且还需要在业务层面上沟通其潜力——无论是从员工生产力还是产品的角度。–Bernie Emsley，insightsoftware首席技术官
人工智能将弥合管理者与其直接下属之间的差距。到2024年，人工智能将填补管理者无意中造成的空白。无论是制定更周到的绩效评估，还是为直接下属寻找内部成长机会，人工智能都将为管理者缺乏经验，或过于疲惫而无法处理的任务提供急需的支持。这些人工智能功能将帮助其成为更强大的管理者，进而使其能够更好地赋予直接下属权力。–David Lloyd，Ceridian首席数据官
人工智能需要自我解释：用户将要求通过“可解释的人工智能”更透明地了解其人工智能之旅，并要求找到一种方法来表明所有步骤均符合治理和合规性法规。白宫最近关于人工智能的行政命令将对组织施加更大的压力，要求其证明自己遵守网络安全、消费者数据隐私、偏见和歧视方面的新标准。–Mark Do Couto，Altair数据分析高级副总裁
2024年，人工智能将进行重塑。虽然人工智能的研究人员预测“人工智能冬天”，或者部分由于该技术在某些方面的过度曝光而导致人们对这项技术的兴趣放缓，但值得注意的是，当前的很多关注点都集中在人工智能的负面方面。Elon Musk最近谈到人工智能将如何“终结所有工作”，而最近在Bletchley Park举行的“人工智能安全峰会”的名称，本身就暗示了风险缓解的元素。事实是，恐惧抛售，在某种程度上，其使人们更有可能关注。但随着越来越多的人开始习惯使用人工智能工具，如ChatGPT，进一步提高人们的认识，明年应该会看到更多的人开始关注人工智能的使用方式。当然，他们需要在不忽视技术风险或局限性的情况下做到这一点，并寻找务实、实用的方法来最大限度地减少这些风险。随着人工智能变得更加主流和“时尚”，我们可以看到更多面向消费者的品牌，更清楚地阐明其使用人工智能的方式，通过差异化并吸引客户。这可能是一厢情愿的想法，但也许一年后，Bletchley Park甚至可以举办“人工智能机遇峰会”?–Pega，Peter van der Putten人工智能实验室首席科学家兼主任
人工智能将迫使我们“管理好数据”：人工智能的好坏取决于其所提供的数据。随着我们将人工智能应用到生活的更多方面，哪些领域是由不良数据源/优质数据源提供信息的，这一点将变得越来越明显。明年，产品负责人、数据科学家和首席架构师将需要更紧密地合作，以确保为其产品提供支持的数据是最新的，而不是孤立的，作为单一事实来源，并进行适当的版本控制。–Alex Hood，Asana首席运营官
人工智能对2024年总统选举的影响：人工智能有望重塑2024年的竞选方法和辩论;然而，有趣的是，到目前为止，即使是有技术背景的候选人也回避了人工智能的细节。我们看到人们对人工智能和机器学习产生了巨大的兴趣，因为它们改变了世界运作、开展业务和使用数据的方式。作为一个全球社会，我们需要意识到并仔细考虑人工智能的潜在缺点，例如无意的偏见、错误的基线数据和道德考虑。即使辩论中没有涉及这个话题，人工智能的挑战和机遇也是下届政府必须应对的问题。–Sri Mukkamala，Ivanti首席运营官
人工智能解决了管理数据过剩的问题：当今的数据专业人员拥有大量的信息，但许多人可能缺乏所需的可操作的见解。而且，随着跨分布式来源分类的数据不断增加(每天3.2877亿TB)，组织正在努力应对数据管理的挑战。数据是企业拥有的最有价值的资产之一，但如果不能有效地利用、了解和应用，其基本上是毫无用处。随着2024年的临近，数据管理正在迅速发展，走向以人工智能为主导的未来。人工智能是IT团队应对当今日益复杂的分布式和混合数字环境的答案。由于这些技术处理的信息比任何人所能处理的信息都要多，因此其可以通过确保应用和服务正常运行，而无需人工干预来为资源有限的IT团队提供支持。特别是，人工智能驱动的可观察性和ITSM解决方案，可以帮助IT团队实现任务自动化、检测安全威胁和性能异常、优化性能，以及根据数据分析做出更好的决策。然而，我们在2024年的前进道路需要深思熟虑的规划，并深入了解人工智能如何以及以何种方式帮助我们。–Kevin Kline，SolarWinds高级技术市场经理
企业将提高非技术团队在数据和分析方面的技能，为人工智能主导的未来做好准备：人工智能具有巨大的潜力，可以改变许多知识工作者的角色，但有一个问题：了解数据和分析的员工太少，无法有效地使用。生成模型实际上是为了生成数据而设计的。我们比以往任何时候都更需要人员解释输出，并在业务环境中进行分层，或者对原始输出进行调整，以确保其正确。–Megan Dixon，Assurance IQ数据科学副总裁
网络运营的AIOps：网络优化可以支持AI更好的性能，但AI也可以支持网络更好的性能。尽管AIOps(IT运营人工智能)仍处于早期阶段，但其已开始显示出潜力。虽然AIOps涵盖了IT运营的所有领域，但现在正在成为重要组成部分的一个领域是用于网络运营的AIOps。网络工程师面临着日益复杂的网络环境，将分布式劳动力、大量设备和云基础设施等结合在一起。AIOps通过基于大数据的自动化、预测分析和根本原因分析，来简化网络运营的管理和机器学习。AIOps可以加快客户故障排除和解决问题的速度，同时降低成本，因为宝贵的NOC员工可以处理当今人工智能无法解决的更关键任务。2023年底，一项调查发现，虽然只有4%的受访者已经在组织范围内集成了某种AIOps，但另有15%的受访者已经实施了AIOps作为概念证明，29%的受访者已确定其未来实施的用例。预计未来四年，该市场规模将增长两倍，到2028年将达到近650亿美元。–Thomas King博士，DE-CIX首席技术官
人工智能的优化使用将决定未来供应链的赢家：人工智能和预测分析将在未来十年区分制造和零售业的赢家和输家。利用大数据来优化库存、预测需求、控制成本和个性化建议的领导者，将在分析能力较差的同行中占据主导地位。未能采用的企业将面临成本不断上升和效率直线下降的情况。–Padhu Raman，Osa Commerce联合创始人兼首席运营官
随着企业投入更多的时间和金钱，预计人工智能会遭到强烈反对：随着企业深入研究人工智能，实验必将成为2024年上半年的一个关键主题。那些负责人工智能实施的人，必须以“快速尝试，快速失败”的心态领导，但很多时候，这些角色需要了解其所针对的变量，没有明确的预期结果，并且很难提出正确的人工智能问题。最成功的组织会很快失败，并迅速从经验教训中恢复过来。鉴于大多数实践都不是基于科学的方法，企业应该预计会在人工智能实验上花费额外的时间和金钱。如果得出正确的结论，到今年年底，人工智能领域的明显赢家将会出现。随着失败，人们对激发人工智能潜力的数据也提出了更多质疑。例如，数据分析师和高管都会提出这样的问题：我们使用的数据有多干净?我们对这些数据的合法权利是什么，特别是如果在任何新模型中使用的话?我们客户的合法权益呢?任何新技术都会带来更多的质疑，反过来，整个企业也会有更多的参与。”–Florian Wenzel，Exasol全球解决方案工程主管
企业将管理对AI的炒作：随着围绕GenAI的震耳欲聋的噪音达到高潮，组织将被迫抑制炒作，并针对这一颠覆性技术采取现实且负责任的方法。无论是围绕GPU短缺的人工智能危机、训练大型语言模型(LLM)的气候影响，还是对隐私、道德、偏见和/或治理的担忧，这些挑战在得到改善之前都会恶化，导致许多人怀疑是否值得首先应用GenAI。虽然企业压力可能会促使组织利用人工智能做一些事情，但数据驱动必须放在首位，并且仍然是首要任务。毕竟，确保数据的组织性、可共享性和互连性，与询问GenAI模型是否可信、可靠、确定性、可解释、合乎道德和无偏见一样重要。在将GenAI解决方案部署到生产环境之前，组织必须确保保护其知识产权，并针对潜在的责任问题做好计划。这是因为虽然GenAI在某些情况下可以替代人，但LLM没有职业责任保险。这意味着涉及GenAI的业务流程仍然需要广泛的“人在环”参与，这可能会抵消任何效率提升。到2024年，预计供应商将通过添加专注于满足GenAI市场趋势的新界面，来加速增强其产品。然而，组织需要意识到，这些可能只不过是固定的创可贴。解决数据质量等挑战，并确保对准确、值得信赖的数据进行统一、语义一致的访问，将需要制定清晰的数据策略，并采取现实的、业务驱动的方法。如果没有这一点，组织将继续缴纳不良数据税，因为人工智能/机器学习模型将难以通过概念验证，并最终无法兑现宣传的承诺。–Atanas Kiryakov，Ontotext创始人兼首席执行官
关于人工智能的思考：与任何炒作周期一样，很多人会因为计划不周或知识或能力不足而跳入这个领域，这将产生糟糕的、甚至危险的代码和应用程序。大量投资人工智能然后失败的组织很可能会遇到麻烦。其他采用这些有问题的人工智能应用和流程的组织可能会遭受数据泄露、糟糕或错误的决策，并因依赖不良代码而遭受损失。–Grant Fritchey，Redgate Software运营顾问
推动人工智能的可解释性：过去两年，商界见证了人工智能的重大进步。然而，包括神经网络在内的复杂人工智能系统的一个决定性特征是，其行为并不总是像我们预期的那样。事实上，人工智能系统选择到达目的地的路径，可能与人类专家应对相同挑战的方式有很大不同。随着人工智能系统变得更加复杂，研究这些选择，并构建人工智能可解释性工具将变得越来越重要。组织必须有能力分析人工智能系统的决策，以采取适当的保障措施。此外，随着时间的推移，人工智能系统提供的解释其思维的输出将对进一步改进至关重要。–Paul Barrett，NETSCOUT首席技术官
平衡人工智能内容和禁令-可见性与控制：发行商对人工智能禁令的考虑，源于对其内容保持控制的愿望。然而，随着搜索引擎越来越依赖人工智能来管理内容，这种方法可能会导致搜索结果的可见性降低。整合与排斥：虽然一些品牌可能将人工智能禁令视为保护其内容的一种方式，但也可能会错过人工智能(尤其是LLM)在内容匹配和查询了解方面提供的优势。反对人工智能禁令的理由是，LLM可以利用替代方式来访问内容，从而使完全排除具有挑战性。平衡法：品牌需要在保护其内容，和利用人工智能提高其在搜索结果中的可见性和相关性之间找到平衡。这可能涉及制定细致入微的政策，规范人工智能与内容的交互，而不完全排除。–A.J.Ghergich，Botify咨询服务副总裁
人工智能当然可以帮助清理“混乱的数据”，但这也有点循环，因为人工智能的使用应该基于强有力的数据治理，因为数据保护法要求企业了解在人工智能用例中使用了哪些个人数据。因此，到2024年，我们将更加关注数据库存和分类，这是想要利用人工智能力量的企业的必要基础。–Seth Batey，Fivetran数据保护官兼高级顾问
在我看来，营销世界即将发生范式转变，从广泛的营销独白转向人工智能驱动的交互式客户对话。这一变化将要求重新评估营销技术堆栈，以优先考虑实时、有意义的交互。同时，个性化将从感知的侵入性，转变为通过响应式对话建立信任。我相信这将逐渐淘汰传统的导航，例如下拉菜单，转而采用搜索和聊天界面。在这个不断发展的环境中，企业将认识到其人工智能战略与其数据战略有着内在的联系。强调精益数据，对于有效、合规地利用新界面和工具至关重要，确保数据质量和相关性处于这些技术进步的最前沿。–Christian Ward，Yext执行副总裁兼首席数据官
事实证明，人工智能对于开发人员来说是一种极其强大的工具，尽管许多人对其能力范围持怀疑态度，并担心其可能会颠覆传统的工作场所实践、工作和流程。在我看来，人工智能将增强开发人员的日常工作流程，而并非取代。越来越多的开发人员将使用人工智能来自动执行简单的任务，例如扫描性能问题、发现工作流程中的模式以及编写测试用例。其实际上不会“劫持人工智能”，而是让开发人员能够将更多时间花在有影响力的创新工作上。–Dana Lawson，Netlify工程高级副总裁
随着各行业的领导者开始接受这项技术，人工智能将使团队更加紧密地联系在一起：2024年，人工智能将成为开发生命周期的主要驱动力，不仅作为IT助手，而且作为协作工具。开发人员和工程团队的工作主要局限于后端，但我预计，随着人工智能在企业的总体目标中变得更加根深蒂固，IT领导者将成为关键顾问。随着组织寻求利用人工智能进行自动化、原型设计、测试和质量保证，以大幅减少开发新项目所需的时间，技术和非技术人员都需要协调其人工智能战略。这将使技术人员能够更频繁地进行创新，并且非技术人员可以参与构建解决方案，而不仅仅是提供需求。–Ed Macosky，Boomi首席产品和技术官
关于采用/投资人工智能：投资人工智能工具可以成为帮助一些开发人员提高生产力的杠杆。关于提示的培训越多，就越有可能从开发人员那里获得更高的生产力。缺点是人工智能通常并不真正了解问题所在，并且可能使用低于标准的代码。互联网上的许多培训代码并不适合应用，因此期望人工智能让开发人员变得更好是不可能的。人工智能是一种工具或杠杆，不能替代培训和技能。–Steve Jones，Redgate Software的DevOps负责人
推动人工智能进步的数字容量竞赛：人工智能是一项需要大量数据的技术，未来几年对传输和处理这些数据的带宽的需求将猛增。人工智能应用的发展速度远远快于基础设施的建设速度，这导致了容量短缺的风险。网络基础设施必须快速发展，以满足连接需求，并避免网络危机。这将需要对新技术和基础设施进行投资，以及网络运营商、超大规模巨头和其他利益相关者之间采取更具协作性的方法。人工智能无异于一个价值数万亿美元的机会，其将推动对带宽的前所未有的需求，这使其与5G和物联网等其他货币化尚不明确的炒作周期有很大不同。严重依赖数据和计算的行业，如医疗保健、金融和制造，将最先受益于人工智能。超大规模巨头将大力投资数字基础设施，为这一浪潮做好准备，展望未来，规模较小的企业必须效仿，否则就会被抛在后面。–Bill Long，Zayo首席运营官
企业将优先考虑数据基础和人工智能创新之间的差距。没有数据战略就没有人工智能战略，企业需要优先考虑缩小数据战略的差距;具体点，是更有效、更安全地访问更准确数据的基本要素。–Justin Borgman，Starburst联合创始人兼首席执行官
总而言之，了解和利用人工智能全部价值的门槛仍然很低，但随着市场压力继续加速人工智能的采用，这种情况不会持续太久。企业人工智能的未来将集中于将人工智能内置到已使用的产品和服务中。但随着人工智能创新的发展，我们将看到企业学会构建自己的内部人工智能数据平台，并将部分工作流程转移到自己的基础设施中。对于那些想要领先的企业来说，现在就开始投资建设内部专业知识至关重要。人工智能和数据科学的中央“卓越中心”，将比分散在企业各处的单个人工智能项目更有利。–Miroslav Klivansky，Pure Storage Analytics人工智能全球业务负责人
实时人工智能监控，数据驱动的未来——2024年，实时人工智能监控系统将兴起，能够即时检测和解决数据异常。这项变革性技术将确保数据的可靠性和可访问性，特别是对于不断增长的非结构化数据量。–Rohit Choudhary，Acceldata首席执行官
在繁荣之后，许多人工智能企业将会消亡，这是围绕数据隐私、安全和安全的审查加强的直接结果。因此，2024年将是人工智能企业安全的一年，人工智能投资和创新的爆炸式增长将得到巩固和加速。各个领域都将开始出现赢家。人工智能将成为主流，不再充当实验生产的支持工具，而是至关重要的战略性商业资产。到2024年底，其将以极快的速度运行，并推动重大业务决策。在提供更高计算能力的同时，减少能源消耗和降低总拥有成本的人工智能模型和芯片将成为趋势。换言之，ESG(环境、社会和治理)将很快成为新的导向。–Rodrigo Liang，SambaNova首席执行官
通用人工智能(AGI)将在未来一年取得进步：通用人工智能距离成为现实还很遥远，但比以往任何时候都更接近。现今的LLM是人类智能的模糊副本。它很好，并且可以做一些惊人的事情来改善业务。但LLM能否发明一种有效的经济学理论或抗击流行病的疫苗?人类可以!我们在过去几年中取得了巨大的飞跃，但距离真正的创造天才还要多久呢，无人可知。–Jason Tatum，CallRail产品副总裁
人工智能将简化软件开发流程：开发人员目前所做的许多耗时的任务将很快变得自动化，使流程和任务更加简化，同时创造出我们以前从未见过的速度和效率水平。此外，对于开发者而言，了解人工智能最终将成为一项必备技能。至关重要的是，整个行业必须继续接受这项技术，并了解其好处，这样创新的步伐才能加快，并允许开发人员通过消除繁琐、重复的任务来磨练自己的专业知识。”–Natwar Maheshwari，Algolia的PLG营销总监
非结构化数据集缺少与成功人工智能数据管道的连接：组织将使用分布式非结构化数据集来强化其AI战略和AI数据管道，同时实现传统企业解决方案所不具备的性能和规模。组织面临的最大挑战之一是，将分布式非结构化数据集应用于其人工智能战略，同时提供传统企业解决方案中无法提供的性能和规模。数据管道的设计必须能够使用所有可用的计算能力，并使数据可供云模型使用，如Databricks和Snowflake中的模型，这一点至关重要。到2024年，在全球数据环境中，对全球实时编排的数据的高性能本地读/写访问，将变得不可或缺且无处不在。–Molly Presley，Hammerspace营销高级副总裁
未完，待续…