根据普华永道发布的一份调查报告，到2030年，AI对全球经济的潜在贡献将达到15.7万亿美元。IBM最近的一项调查确定了推动AI采用的主要因素，包括降低成本和自动化关键流程的需求、不断上升的竞争压力和不断变化的客户期望。
为了成功地从AI投资中获益，企业管理者需要了解AI领域的发展趋势和方向。
2023年AI发展趋势预测
随着全球AI投资的持续增加，人们需要了解AI在2023年的发展趋势及其对企业的潜在影响：
1、低代码AI在行业
应用中取得长足进步
AI模型的开发过程是复杂、费力和迭代的，建立一套良好的模型需要数天的时间和数千次的实验。低代码AI/数据科学平台改变了这一切，其提供的拖放界面有助于更快地创建实验。直观的图形用户界面（GUI）、视觉可重复性和协作是低代码平台的最大优势，这使得数据科学团队能够快速地执行大量实验。低代码AI平台也非常适合将数据工程师和业务分析师提升为公民数据科学家，减少对各行业领域中稀缺的专家数据科学家的依赖。
2、分布式模型训练是AI建模的核心
数据科学团队需要对数千个模型进行实验。AI模型如今变得相当复杂，有数百万个参数。而在低代码的控制下，同时进行多个实验的能力增加了很多倍。但要实现这数千个实验，数据科学团队需要一个符合成本效益的计算系统，根据需求进行扩展。采用传统方法训练这些复杂的、记忆密集的实验是一个巨大的挑战，以分布式计算为主导的模型训练可以帮助解决这一挑战，并且是实现可扩展的企业AI的核心。
3、机器学习运营（MLOps）的应用快速增长
麦肯锡在其2021年发布的调查报告中指出，MLOps的使用是企业从AI获得成功回报的决定性因素。MLOps在AI领导者和数据科学家中越来越受欢迎，因为它将机器学习从实验阶段带入生产阶段，并涵盖了企业数据科学过程的主要部分。当数据科学主管必须在生产环境中使用版本控制、快速扩展等功能管理和删减生产环境中的数百个模型时，这确保了更好的治理。
4、AI的信任和可解释性
AI不再被视为一个黑盒。越来越多的人开始投资AI，以做出关键的业务决策。因此，克服信任AI自动化敏感流程的挑战变得至关重要。整个场景导致了可解释的AI的出现，它有助于理解做出决策的因素。可解释的AI的透明度是建立对AI的信任并提高其采用率的关键。
5、AI在网络安全中的应用
随着网络威胁的复杂性增加，企业正在将AI融入到他们的安全解决方案中。AI现在正在处理日常存储和保护敏感数据，以作为自动化网络威胁预防和保护的下一步。它正被用来进一步增强情报分析能力，以检测潜在威胁或模式，识别网络攻击者的潜在意图。
成功采用AI的秘诀
埃森哲的一项研究表明，与追求单一概念证明的企业相比，战略性地扩大AI规模的企业的成功率和回报分别是前者的两倍和三倍。
事实表明，处于AI采用初期阶段的企业的投资回报率可能并不高。AI必须在整个组织中进行扩展，以确保该技术能够为企业做出巨大贡献。
通过将AI集成到核心业务流程、工作流和客户旅程中，可以优化其日常运营和决策任务。麦肯锡在研究报告中预测，采用这种方法的企业很可能实现价值和规模的增长，其中一些企业甚至增加了约20%的收入。
成功扩展AI
成功扩展AI的关键驱动取决于特定的因素，例如人员、AI软件和计算基础设施。为了提升AI成熟度，企业需要了解数据洞察的来龙去脉，并将其纳入业务流程。
其中一个重要的需求是采用能够有效且高效地支持日常业务的AI系统，例如支付、交易量、销售额，甚至生成季度报告。企业各部门的人员采用AI可以轻松地访问数据洞察，而不会受到任何部门的制约。随着企业规模的扩张，AI可以帮助其为现有产品探索新的领域或开发新产品。
结语
企业需要探索AI好处和可能性，并对其AI投资采取战略方法。而采用AI，企业可以做的不仅仅是加速或自动化现有流程，还可以充分利用新的机会，提高AI在员工、客户和利益相关者中的影响力。
