ChatGPT的橫空出世，圍繞它的討論與關(guān)注經(jīng)久不絕。AI技術(shù)越來越多應用于人們的生活中，AI技術(shù)在工商業(yè)中的作用也愈加明顯。隨著人工智能底層技術(shù)如圖像識別、自然語言處理、機器學習等技術(shù)的不斷成熟，已經(jīng)在智能制造、智慧教育、智慧醫(yī)療、智慧金融等不同領(lǐng)域多點開花，為實體經(jīng)濟發(fā)展帶來了巨大價值。

AI在企業(yè)經(jīng)營管理中的作用是什么？與企業(yè)的數(shù)字化轉(zhuǎn)型有何異同點？企業(yè)在構(gòu)建AI生態(tài)又面臨哪些困難？近日，《中國經(jīng)營報》記者專訪了Cloudera大中華區(qū)區(qū)域副總裁王剛。

AI+有望賦能千行百業(yè)

(相關(guān)資料圖)

由AI驅(qū)動的智能決策將事后分析轉(zhuǎn)變?yōu)槭虑邦A判和主動執(zhí)行，能夠大大提高企業(yè)的生產(chǎn)力和運營效率。據(jù)IDC預計，到2025年，超過60%的中國企業(yè)將把人類專業(yè)知識與人工智能、機器學習、NLP和模式識別相結(jié)合，做智能預測與決策，以增強整個企業(yè)的遠見卓識，并使員工的工作效率和生產(chǎn)力提高25%。

《中國經(jīng)營報》：從整個市場來看，目前AI應用主要集中在To C端，在To B端哪一類行業(yè)對AI的需求較高？

王剛：AI有很多場景，大家預測AI新一代大規(guī)模商業(yè)化的時代會來臨，尤其是ChatGPT的面世引起了極大的熱情，可以將其廣泛應用傳媒、電商、影視、娛樂等不同行業(yè)里，原來大家都不知道AI怎么在行業(yè)中落地，現(xiàn)在有了ChatGPT，大家知道這個在很多行業(yè)中都可以做，而且可以產(chǎn)生很多內(nèi)容。

具體來說，當企業(yè)數(shù)據(jù)量越來越大的時候，便需要系統(tǒng)進行分析。比如某個銀行，某個保險公司，眾多的客戶靠人工分析或者傳統(tǒng)技術(shù)是沒法實現(xiàn)的，此時就需要系統(tǒng)來實現(xiàn)?，F(xiàn)在看起來，AI使用場景比較多的行業(yè)就是金融、電信等數(shù)據(jù)量處理比較大的行業(yè)，特別是包括銀行、保險、證券公司等在內(nèi)的金融業(yè)。

《中國經(jīng)營報》：企業(yè)發(fā)展AI對經(jīng)營管理有何意義？

王剛：用AI的系統(tǒng)可以幫助我們加快業(yè)務決策速度。AI的形式和以前不一樣了，AI分析要做很多的實時數(shù)據(jù)處理，在這個實時處理過程中，有很多數(shù)據(jù)是通過流式的方式傳輸?shù)?，有些需求也是共享的，在這個情況下，AI和之前的AI也有一些差別，現(xiàn)在的AI越來越貼近我們的業(yè)務，實時對業(yè)務有一些支撐，這也就是為什么越來越多的企業(yè)在投資AI方面系統(tǒng)的原因。

實際上，我們有大量的客戶，已經(jīng)從數(shù)據(jù)平臺、AI上得到了收益，像Cloudera的機器學習(CML)，已經(jīng)做到了很多以前做不到的功能，當然這個也有行業(yè)特性，不同行業(yè)的使用場景不一樣，我們在CML里也內(nèi)嵌了很多模型，金融、電信、汽車很多模型不一樣，在使用過程中要滿足合規(guī)要求，滿足數(shù)據(jù)安全的隱患，保證數(shù)據(jù)不會泄露出去，同時注重交互性，如何讓AI和業(yè)務部門相結(jié)合在一起，我們在UI設計上都比之前做了很多優(yōu)化，交互性做得比原來也強了很多。

《中國經(jīng)營報》：對于中小企業(yè)來說，是否有必要嘗試建立自己的AI解決方案？

王剛：對于中小企業(yè)來講，AI是每個公司應該考慮的能力，只不過對于AI有顧忌的問題是投入，大銀行、大的金融機構(gòu)，他們很有錢，愿意花錢去做，但是大家擔心，我投入了很多人力的時候發(fā)現(xiàn)產(chǎn)出回報沒有那么明顯，需要花很多錢、很多設備、很多技術(shù)、很多時間，這是實際存在的問題，這跟部署方式有關(guān)。

諸如AWS、微軟、阿里、騰訊等一些公有云的廠商，已經(jīng)推出自己的AI解決方案和應用能力，門檻很低，有指引式的操作，按照步驟，很快就搭建出來，甚至有些產(chǎn)品點擊鼠標幾下就可以搭建出來。AI是不同規(guī)模的企業(yè)都要去嘗試的，今后在市場競爭中是一個核心能力，大家覺得AI都是大公司的事情，中小企業(yè)在這方面可能永遠都跟不上大公司的腳步，這個差距會越來越大，其實每個類型的公司都可以嘗試。

數(shù)據(jù)是AI 發(fā)展的基礎(chǔ)

人工智能產(chǎn)業(yè)的整體發(fā)展致使對數(shù)據(jù)的需求快速增長，以機器學習為主的人工智能技術(shù)的高速發(fā)展依賴于底層大數(shù)據(jù)的豐富程度，強大的模型需要含有大量樣本的數(shù)據(jù)集作為基礎(chǔ)，數(shù)據(jù)的質(zhì)量、多樣性將對算法模型的成敗產(chǎn)生重大影響，AI數(shù)據(jù)服務業(yè)進入了深度定制化階段。

《中國經(jīng)營報》：數(shù)據(jù)在AI的發(fā)展過程中扮演什么角色？

王剛：有了數(shù)據(jù)之后，你就可以做AI的事情，數(shù)據(jù)的本質(zhì)來講，我們把大數(shù)據(jù)平臺延伸到AI最后一個環(huán)節(jié)是順理成章的事情，我們有了數(shù)據(jù)之后才可以做AI，如果沒有數(shù)據(jù)，沒法對一些算法進行數(shù)據(jù)的學習、訓練，你是做不到的。通過大數(shù)據(jù)平臺，端到端的各個環(huán)節(jié)都有各種各樣的組件，不同的環(huán)節(jié)用不同組件來實現(xiàn)數(shù)據(jù)收集、分析、整理。例如，把數(shù)據(jù)收集上來，數(shù)據(jù)可能是不同的數(shù)據(jù)源，可能是手機端、設備端、服務器端，把數(shù)據(jù)收集上來，之后怎么進行整理豐富，按照你的規(guī)則標準化，這個叫數(shù)據(jù)工程，數(shù)據(jù)清洗整理好后要進行入倉，在數(shù)據(jù)倉庫里生成想要的報表，輸出到業(yè)務部門，通過人工智能和機器學習，對生產(chǎn)和運營做成一個你想要的提前的預測。

《中國經(jīng)營報》：企業(yè)發(fā)展AI與數(shù)字化轉(zhuǎn)型有什么異同？

王剛：數(shù)字化轉(zhuǎn)型的概念講了很多年了，但是概念太大。AI是數(shù)字化轉(zhuǎn)型的其中一個環(huán)節(jié)，一個步驟，可以用在內(nèi)部，也可以用在外部，也可以用在研發(fā)，可以用在內(nèi)部的運營管理，也可以做到后臺安全，或者IT系統(tǒng)運營，本質(zhì)上它是技術(shù)實現(xiàn)的一種手段。

數(shù)字化轉(zhuǎn)型與發(fā)展AI之間并沒有沖突，只是說數(shù)字化轉(zhuǎn)型概念有點太大了，如果要落地到某一個部門，某一個場景，AI則表現(xiàn)得更加具象，ChatGPT等應用給大家很多想象空間，從無到有，企業(yè)在嘗試利用AI分析模型。以前只能看報表，現(xiàn)在可以自動生成一些報表，甚至給出預測性的分析，告訴你應該怎么去做。甚至以后再結(jié)合一智能機器人的數(shù)據(jù)，整個過程從分析到執(zhí)行都是自動化的，這對于企業(yè)的經(jīng)營是極其有利的。

《中國經(jīng)營報》：企業(yè)發(fā)展AI還需要面臨哪些風險？

王剛：第一個風險點是投資與收益不成正比，可能花了錢但回報很低；第二個風險點是數(shù)據(jù)合規(guī)、數(shù)據(jù)安全問題，特別是《數(shù)據(jù)安全法》等相關(guān)法律法規(guī)頒布后，數(shù)據(jù)隱私越來越重要，如果在使用AI的過程中，忽視了數(shù)據(jù)安全的重要性，可能給企業(yè)造成的風險會非常大，風險一旦暴露出來，產(chǎn)生了一些不好的結(jié)果，商業(yè)上的損失可能比你原來對AI的期望值還要大。

除此之外，AI應用本身也存在一些挑戰(zhàn)，第一個挑戰(zhàn)就是AI需要一些模型，業(yè)務模型、開發(fā)模型，很多公司搭建AI系統(tǒng)的時候不知道模型怎么搭，不知道自己的需求是什么；第二是傳統(tǒng)的技術(shù)、AI平臺、數(shù)據(jù)科學的平臺比較單一，AI在不同的部門、不同的業(yè)務場景上需求不一樣，如果這個數(shù)據(jù)平臺比較僵化、比較老套，很難滿足不同業(yè)務部門經(jīng)常變化的需求。

《中國經(jīng)營報》：Cloudera可以為企業(yè)發(fā)展AI提供哪些幫助？

王剛：首先是技術(shù)能力，Cloudera提供了很強的技術(shù)能力，讓不同行業(yè)、不同領(lǐng)域、不同使用場景AI的落地變成可能。其次是我們可以做很多交流，Cloudera有大量合作伙伴，他們對行業(yè)的積累是通過方法論的方式做一些沉淀，很多AI已經(jīng)落地的項目，他們的經(jīng)驗可以復制到國內(nèi)來，這些使用場景很大層面上是可以相通的，有模板、有行業(yè)的專家，同時客戶也要結(jié)合自己的實際情況去探討和碰撞，甚至做一些試點。實際上，機器學習AI平臺的搭建已經(jīng)比較簡單，從界面、互動性等方面來講，不像以前那么高深，現(xiàn)在有很強的互動性，通過“拖拉拽”的方式很快便可以搭建出來。AI“最后一公里”落地的時候需要客戶和合作伙伴的參與，也需要像Cloudera技術(shù)平臺這樣的服務商提供足夠強的技術(shù)保證。

（文章來源：中國經(jīng)營網(wǎng)）

關(guān)鍵詞： Cloudera