论文《实现人工智能:对人工智能机会和障碍的研究》解释了企业在当今人工智能生态系统中面临的问题。该论文调查了尽管87%的企业将人工智能视为商业的未来，并打算扩大对其的投资，但由于技术挑战和缺乏教育，对机器主导的决策缺乏信任是一个重大障碍。只有14%的受访者认为其企业在人工智能成熟度方面是“先进的”。
几乎所有接受调查的企业都从运营系统获取和使用数据，但数据挑战仍在继续。根据调查结果，技术数据管道是造成挫折的一大原因，73%的受访者表示，从不同来源提取、加载和处理数据到单独的仓库是一个重大的困难。此外，71%的受访者表示难以访问执行AI算法、工作负载和模型所需的所有数据。
这导致73%的受访者不太信任将数据洞察转化为决策者的实际指导，这迫使其在71%的情况下依赖于人类主导的判断。
根据研究结果，数据科学家花更多的时间处理数据，而不是构建AI模型，以通过预测和决策洞察力来提高业务成果。当被问及在准备数据和构建AI模型上花费多少时间时，数据科学家表示，这平均占用其时间的70%。87%的受访者表示觉得自己在企业没有得到充分利用。
数据治理问题也是组织关注的一个问题。64%的接受调查的美国组织承认，在遵守数据治理角色、政策和标准方面仍有显着改进的空间，以确保数据被有效、安全地使用，并符合政府法规。
Fivetran认为数据自动化和AI管道是AI成熟问题的解决方案。“随着自动化程度的提高，企业可以在节省时间的同时实现更大的规模和成本效益。更重要的是，更多的自动化可以让数据科学家专注于解决对业务重要的复杂问题，而不是保持数据管道正常工作。”——来自Fivetran的BrennerHeintz在博客文章中表示。
Fivetran还提到，教商业利益相关者建立对AI的信任，并提高其AI成熟度可能是一个解决方案。“利益相关者和商业用户必须了解人工智能流程，才能充分理解这些决策是如何做出的。但同样重要的是，人类的参与应该集中在正确的领域，例如提高数据质量和AI模型的性能，这将带来更大的信任。”
Fivetran表示，其自动化数据管道会对模式更改做出反应，允许客户完全自动化地将大量数据源输入一个基于云的数据仓库或数据湖进行数据转换，从而节省大量时间。Fivetran进一步声称，其基于消费的定价策略使企业能够通过仅复制所需数据来减少开支。最后，该公司声称，数据科学家将在手工活动上花费更少的时间，从而使之专注于开发AI模型以及启动新的数据和AI项目。
Fivetran首席执行官GeorgeFraser表示:“这项研究凸显了组织间数据移动和访问效率低下的显著差距。一个成功的AI程序依赖于坚实的数据基础，以云数据仓库或湖为基础。利用现代数据栈的分析团队可以更容易地扩展其数据价值，并最大限度地提高其在人工智能和数据科学方面的投资。”
以上是大多数企业不相信人工智能能够自主做出商业决策的详细内容。更多信息请关注PHP中文网其他相关文章！
