我:“Alexa，告訴我2019年會發生什么。”

亞馬遜人工智能:“你想開啟‘歷史上的這一天’嗎?”

我:“Alexa，給我2019年的預測。”

亞馬遜人工智能:“水晶球中充滿了云霧，我說不出來。”

[[252264]]

這樣跟亞馬遜“語音助手”或“智能會話者”的對話顯示了如今人工智能已經走近了人們的生活、學習、和工作中。在過去的2018年中，我們看到人工智能逐漸走出了自己的低谷，并真正走向了落地。那么2019年的人工智能又會有哪些表現呢?

2019年的人工智能會發生什么?

下面列出了120位人工智能相關企業高管的觀點，他們在嘗試不同的探索，并承諾減少炒作，讓人工智能更實用、更精確、更聚焦。

“自我驅動性財務是人工智能的一種實際應用，全球的數百萬銀行客戶正在使用該類型或其他形式的人工智能，未來幾年這種應用會越來越好。基于目前世界各地銀行正在進行的項目，我看到愈發多的客戶將依賴人工智能“驅動”他們的財務，并采取自動化措施幫助他們實現財務目標。為了提供有效的自我驅動型財務，財務機構將需要針對零售、小型企業和財富等客戶細分領域而提供專門形式的人工智能——從更通用的人工智能形式轉向嵌入主題知識和專業技能的領域特定解決方案。”

——David Sosna，聯合創始兼CEO，Personetics

“2019年將是各組織基于自身數據構建專門人工智能系統的一年。考慮到組織有時只具有有限數量的數據，但他們也需要專門的數據，組織將會意識到他們需要工具來輕松地在內部創建高質量的人工智能數據。這種質量重于數量的方式要求組織對他們擁有的數據進行盤點，并問詢自己關鍵問題：這些數據是否代表了我所尋找的，是否符合我的目標?生產數據與培訓數據是否匹配?我是否在圖像的可重復性和變化之間取得了平衡?我的數據集是否多樣化?采用新的數據策略對于克服人工智能數據問題的挑戰，開發在現實世界中有效的人工智能，將是成敗攸關的。”

——Max Versace，博士、CEO兼聯合創始人， Neurala

“人工智能將使更大的流程探索成為可能。這就像一個嵌入到應用程序中的傳感器，它學習所有的用戶旅程，使用人工智能預測與系統交互的最佳路徑。與使用GPS(如Waze)等類似，當你開車時，人工智能會根據一天的時間解鎖最佳路線，它會解鎖每個員工如何才能最好地使用一個系統，根據個人需要提供一系列可能性。”

——Rephael Sweary，聯合創始人兼總裁，WalkMe

“到2019年，我們將開始看到一種技術，它允許設計師與使用人工智能的電腦程序對話，實時重新設計、優化和使用3D打印機制造的輕型部件。設計者將簡單地闡明設計目標和材料參數，而人工智能將在現有設計概念的基礎上進行剩余的探索——幾乎無限的設計排列。設計師們將擁有更多的權力，他們將能夠更好地測試和試驗各種變化，以比以往更快地創造出最佳設計。”

——Avi Reichental，創始人兼CEO， XponentialWorks

“因為云計算和API的普遍性，在2019年，我們將開始看到人工智能企業提供有意義的價值，讓我們更接近人工智能的圣杯，各級組織將幫助人們進行更有效和高效的工作，同時發現新的機遇和新的工作方式。”

——Josh James,創始人兼CEO, Domo

“盡管B2B供應商在適應亞馬遜和谷歌設定的個性化數字體驗高標準方面進展緩慢，但該行業至少承認了個性化主頁和登錄頁面的價值。隨著客戶期望值的提高，企業需要通過使用機器學習和人工智能來提供超越第一印象的個性化體驗，這將擴展到其他資產，如技術文檔、社區門戶和聊天機器人。”

——Gal Oron，CEO， Zoomin

“在2018年，我們看到了人工智能在醫療領域的大量炒作，但我們也看到它成為了實際——從慢性病管理的預測分析，到放射學工作流程的增強，以及帶來運營效率的行政和財務用例。2019年，我們將看到語音和視頻，以及人工智能，被用來幫助加速從醫院到醫療點病人的轉移。人工智能與5G的融合也將加速數字療法的發展，這些療法將更加個性化、更具適應性，并利用AR和VR技術。精神健康和藥物濫用治療將是我們早期采用的方法。臨床醫生將人工智能視為一種輔助系統或助手，而不是替代或威脅，他們將能夠將自己與患者和同行區分開來。

——Jennifer Esposito， 健康及生命科學總經理， Intel

“人工智能在許多行業發揮著越來越重要的作用，從翻譯文本、為工業無人機提供動力到病人診斷。到2019年，我們預計人工智能，以及更精確的圖像識別，將被集成到日常生活任務中，如幫助殘疾人和自動化汽車。人工智能還將成為日常購物體驗的一部分，因為現有商店將實現自動化，推動供應鏈流程，提供無縫結賬和增強客戶參與度等。”

—Michael Gabay，CEO，Trigo Vision

“人工智能將加速擁有權的終結。如今，我們不再擁有電影或音樂——我們訂閱Netflix或Spotify。明天，我們將不再擁有產品——我們將訂閱它們。人工智能平臺正在把地球上的每一件人造產品都變成一個互聯的智能產品。今天，你可以看到這種趨勢發生在交通和消費電子產品上——汽車、小型摩托車、洗衣機、咖啡機、恒溫器等等。但很快你就會看到這種趨勢在任何地方出現——桌子、椅子、地板、墻壁、衣服。因此，我們不需要擁有任何東西。我們只需要訂閱服務:住房服務、食品服務、交通服務、家具服務、服裝服務。我們將生活在一個真正的訂閱經濟中。”

—— Tien Tzuo，創始人兼CEO，Zuora

“若自動化落入網絡攻擊者之手，使其能夠使用更簡單的工具來訪問和滲透網絡。然而，用于防御的自動化并沒有產生類似的影響。這可以歸結為兩個核心因素，一個是非常有限的人才庫，另一個是技術的作用以及數據的可靠性。在這些問題得到解決之前，自動化并不是完全可靠的。相反，自動化應用應該主要是在入侵前，作為一種主動防御機制，幫助組織在最初階段智取攻擊者，并將潛在的損害降到最低。”

——Nadav Zafrir, CEO, Team8

機器人技術和AI將更多地用于檢查和確保我們的社會建立在關鍵基礎設施上的正常運行 - 電力線路，鐵路軌道，工廠等。明年，這兩種技術的融合將加速，2019將作為分布式人工智能突破的一年,智力將分散和嵌入接近資產和設備以進行檢查。今天，距離檢查點很遠的遠程控制工業物聯網和人工智能的云系統將開始向更接近檢查源頭的分布式和自治系統過渡，使檢查數據收集更加高效和安全。”

——Ashish Jain， 數據科學管理總監， GE Ventures

“人工智能和機器學習曾一度是熱門話題，但到2019年其熱度將開始下降。隨著許多企業曾經建立了人工智能戰略，如今我們已經發現，更多的企業正在遠離炒作，轉而解決現實世界中的問題。隨著企業從人工智能工具中尋找真正的商業影響，我們將看到焦點將從人工智能轉向人工智能驅動的結果。技術本身將不如它所提供的業務見解重要。”

——Sean Byrnes, CEO兼聯合創始人， Outlier

“消費者對人工智能的理解將發生巨大變化。我們將不再把人工智能與未來的機器人和自動駕駛汽車聯系在一起，而是將其與幫助完成日常瑣事的生產力和預測工具聯系在一起。”

——Josh Poduska，首席數據科學家，Domino Data Lab

“2019年將是數據科學家終結的一年。2019年，每個人都將開始學習人工智能，數據科學領域將不再只是純粹的數據科學家。只有大約5000人是真正的數據科學家，但我們不能依靠他們來領導一場工業革命。組織中的每個人都需要擁有AI技能，從產品經理到業務分析師。數據科學家的終結會是這場革命的頂峰”。

——Aman Naimat，CTO，Demandbase

“我們的一些AI皇帝沒有衣服。多年來，熱門的人工智能創業公司在幾乎所有的垂直領域——法律、醫學、金融技術——都有所開拓，并都進行了融資、規模擴張和競爭，還建立了強大的算法。這些人工智能解決方案被框定為最低端任務的替代品。其實這些初創公司會利用我們所謂的培訓網絡，它們的算法永遠在改進，因為它們是由數百萬員工的創造性投入和成功所推動的。對于那些利用靜態數據集和商品API與之競爭的公司來說，這些集中的網絡將非常困難。”

——Gordon Ritter，一般合伙人， Emergence

“人工智能在許多特定領域的任務中已經超越了人類；現在是實際應用程序的時代。2019年，人工智能將從根本上影響糖尿病的管理，從而改善數百萬人的生活。此外，人工智能將把從可穿戴設備收集到的大量信息變成現實，將其轉化為可操作的見解，幫助人們過上更健康的生活。而且，在不久的將來，無監督機器學習將會有一個大的飛躍。最后，我們將看到公司使用人工智能來培訓人工智能。公司將讓人工智能代替數據科學家來試驗哪種人工智能模型能更好地解決現實世界中的問題。這將幫助人工智能在許多新任務上超越人類。”

——Yaron Hadad, 首席科學家兼聯合創始人, Nutrino

“如果我們想創造真正能被人類應用的人工智能，它必須具有更少的‘人工’，并更加‘智能’，這意味著它必須具有人類的特征。為了讓人們感受到與人工智能服務的聯系，并愿意將其應用到生活的各個方面，這些服務必須變得越來越人性化。就像人體能夠自我修復一樣，我們也希望這些系統能夠自我診斷代碼中的問題，自我修復，自行修正軟件問題。”

——Zohar Fox, CEO兼聯合創始人, Aurora Labs

“我們相信作為一種流行語，人工智能在醫療領域的熱度將在2019年慢慢消失。隨著醫療行業數字化的成熟，用無所不知的機器取代醫生的不實言論正在被揭穿。例如，IBM Watson的醫療工作所面臨的挑戰表明，面對非結構化的醫療數據和復雜的患者護理現實，僅憑強大的計算工具是無效的。2019年，我們對人工智能廣泛的、基于系統的應用以及人工智能有望帶來未指明的洞見表示懷疑。”

——Yonatan Adiri, 創始人兼CEO, Healthy.io

“到2019年，不僅更強大、更復雜的人工智能算法將占據中心地位，而且隨著這些人工智能算法變得更加獨特和有效，它們的價值也將增長，所有者將不得不保護他們的投資。企業花費數了百萬美元用于開發人工智能，而它們往往處于業務增長的核心，然而，圍繞保護這些人工智能模型出現了新的安全挑戰，我們需要保護它們的知識產權不被竊取，同時確保沒有人篡改模型。2019年，我們必須在保護人工智能方面高度智能化。”

——Alon Kaufman, 聯合創始人兼CEO, Duality Technologies

“到目前為止，人工智能的使用一直致力于讓我們的生活更加自動化，讓我們的行業更加智能化。2019年，我們將看到人工智能用于社會公益的轉變，使我們的生活更加可持續。人工智能將被用來讓我們的城市和工業更加環保，讓我們的世界變得更美好。從農業科技和作物優化到公用事業和替代能源，人工智能背后的大數據分析和機器學習將被用來徹底改變消費者與周圍環境互動的方式。”

——Natan Barak, CEO兼聯合創始人, mPrest

“2019年，全球貸款行業將出現人工智能用例的增長，這種技術可以預測金融資格和融資機會。有了人工智能，貸款機構就可以預測哪些今天無法生存的申請者將來會變得有信譽，從而為以前被困在低技術評估流程后面的企業提供融資機會。人工智能的動態和實時特性將提供持續和自動的訪問和更新的新融資機會，出現在整個企業的生命周期中，因為它出現了增長和改善。同樣的人工智能應用最終也會改變抵押貸款和學生貸款行業。”

——Eden Amirav, CEO兼聯合創始人，Lending Express

“支持自動駕駛汽車預測的人工智能將被‘重塑’，以不同方式訪問和分析預測數據。無人駕駛汽車行業將從目標融合轉向原始數據融合，這將使這些汽車能夠更好地解釋運動、速度、角度和軌跡，并提供豐富的數據來預測目標、行人或車輛的方向和未來的運動。”

——Ronny Cohen, CEO兼聯合創始人, VAYAVISION

“數萬億美元的商業地產等市場是由錯綜復雜的交互網絡組成的，它影響著每個決策過程，而人工智能技術現在已經成熟到足以應對這些高度復雜的交易。隨著行業領袖們開始挖掘將先進技術整合到核心業務中的潛力，人工智能正在讓以前被禁止的新行業感受到它的影響。我們看到，資產管理公司正尋求開發人工智能定義的新投資工具，以提高在不確定經濟條件下的業績，并在整個投資生命周期中增值。”

——Guy Zipori, CEO, Skyline AI

“盡管4級和5級無人駕駛汽車(AVs)還沒有商業化，2019年將是他們取得巨大飛躍的一年。由于數據共享聯盟的出現，人工智能所依賴的數據將變得更容易獲取。為了讓汽車人工智能提高到適合所有道路條件的水平，數據共享聯盟必須成為現實。同時，為AI收集的數據類型將被擴大到包括非可視化數據。更好的數據意味著更好的AI和更安全的AVs。”

——Boaz Mizrachi, 創始人兼CTO, Tactile Mobility

“隨著越來越多的企業依賴人工智能來推動自己的產品、服務和數據驅動的營銷創新，數字生態系統中的壞人將利用類似的能力加大努力，實施大規模欺詐計劃，給品牌和營銷人員造成數億美元的損失。”這樣，那些聰明地投資于人工智能和基于機器學習的欺詐保護工具的公司將能夠清楚地‘看到’整個生態系統，并保護自己免受欺詐和影響商業決策的污染數據的影響——從而獲得顯著的競爭優勢。

——Ran Avrahamy, 全球營銷VP, AppsFlyer

“事實證明，人工智能研究和應用在醫療保健方面越來越重要，通過更個性化、數據驅動的方法改善病人的結果。如大數據可用于創造更令人滿意的用戶體驗一樣,更細顆粒度的小型數據信息會生成具體分析工具,將智能手機轉化為強大的家庭診斷和治療工具。這將被用來驅動數字衛生用戶基于他們的現實世界的行為,能力和需求,促進人口健康的疾病預測和預防彈性。到2019年，人工智能將成為應用于疾病預防和治療的數據健康的關鍵，尤其是慢性病，它將優化個人個人護理的小數據與能夠發現具有全球影響的解決方案的大數據之間的點連接起來。”

——Dana Chanan, CEO兼創始人, Sweetch

“2019年將是城市理解城市移動生態系統的關鍵一年，以便在整個城市地區建立更高效的交通系統。”如果今天的城市主要關注交通、污染和缺乏停車位等嚴峻挑戰，到2019年，它們將更清楚地看到城市地區交通效率低下的根本原因。理解人們在城市地區是如何移動的，從哪里移動到哪里，何時移動，使用哪種交通工具，并理解為什么——這是讓城市建立更有效的移動的核心，減少我們移動的需要，鼓勵人們一起移動，并創造多模式。為了實現這一目標，城市將需要對這些數據的可見性，而人工智能正是實現這種可見性的工具，它將培養預測能力和行動點，從而顯著改善我們的行動方式。”

——Liad Itzhak, SVP, HERE Mobility

“談到人工智能對就業的影響，尤其是在農業領域，人們總是很擔憂。然而，精確農業的未來以及種植更好作物的關鍵，將依賴于人工智能、圖像和傳感器，這些傳感器將能夠從1000英畝農場的種植信息收集中學習。農學家和農民面臨嚴重的勞動力短缺和專業知識的缺乏，對糧食的需求正在增加，但農業并沒有被視為一種有吸引力或有利可圖的職業，尤其是在商品作物方面。由于農業經營需求的規模和多樣性，農民需要密切關注勞動積極性和員工管理。所以世界各地的農場正在用人工智能技術填補勞動力缺口，而不是取代工作崗位。”

——Ofir Schlam， CEO兼聯合創始人， Taranis

“實體零售企業正將注意力轉向人工智能，以顯著改善客戶體驗、盈利能力，并保持競爭力。2019年，我們將看到新的數據源(監控攝像頭、架子上的攝像頭、機器人)和人工智能模型的出現，用于庫存管理、更好的客戶零售體驗、有針對性的營銷，以及添加新的功能，比如自助結賬。然而，關鍵的挑戰在于，如何將人工智能業務發展并擴大到數千家在設計布局不同和網絡基礎設施能力方面各不相同的零售店。 ”

——Atif Kureishy, 全球新興實踐VP, Teradata

“我預計，到2019年，我們將看到基于人工智能的歸因工具出現踏步前進。在今天的數字環境中，歸屬仍然是一個挑戰——企業仍在從不同平臺拼湊數據點，許多企業仍在努力理解購買的完整路徑——哪些營銷渠道在推動收入?什么樣的內容有助于留住客戶?在客戶旅程的哪個階段?客戶從哪里掉出了漏斗?人工智能可以將客戶的旅程進行排序，并識別客戶何時來到公司網站，何時離開，而無需進行轉換。采用人工智能功能歸因工具的企業將在競爭中占據優勢。”

——Carl Schmidt, CTO兼聯合創始人, Unbounce

“第三方數據的未來對于營銷人員在快速變化的技術環境中保持可操作性和競爭力至關重要。備受矚目的企業隱私丑聞和新的全面數據立法達到高潮，迫使消費者正視自己的數字足跡，并使他們對自己的目標更加挑剔。展望未來，第三方數據將幫助營銷人員收集更多關于消費者如何使用語音、基于位置的搜索和人工智能等新興技術的見解，以便他們能夠以一種兼容并驅動ROI的方式鎖定目標。這些數據在未來幾年里仍將是指導大部分營銷戰略的關鍵。”

——Chase Buckle, 高級趨勢分析師, GlobalWebIndex

“人工智能技術以某種抽象形式與人類智能相匹配，這種炒作掩蓋了這樣一個事實，即如今，收集、組織和可操作的人類集體經驗的人工智能工具才具有真正的價值。人工智能不是《太空漫游》中的哈爾9000。2019年，人工智能將使人們變得更聰明、更有效、更高效。它也會讓人們在工作中更快樂——尤其是IT專業人士。對于企業IT來說，2019年將是AI讓團隊超越簡單任務自動化，實現整個流程自動化的一年。通過利用人工智能成千上萬用戶的應用集體知識和數以百萬計的流程執行，IT團隊將能夠先發制人地簡化應用程序開發、故障排除甚至一次性的日常請求。人工智能將給他們帶來非常需要的幫助，它將提供比任何一個人所能提供的更多的知識和經驗。”

——Neil Kinson, 首席員工，Redwood Software

“我們離真正的‘智能家居’還有很長的路要走，主要的障礙是缺乏感知和行動之間的必要聯系。目前，我們有各種各樣的技術，能夠提供令人信服的未來愿景，但這一愿景受到了一個事實的阻礙:這些設備是孤立的，缺乏前后聯系，因此無法自主行動，消費者仍必須為‘智能家居’提供智能。射頻傳感技術與網格和其他網絡方案的結合將放大網絡硬件的價值，使其能夠提供強大的通信基礎設施和感官反饋——這是創建認知系統所需的控制和通信的必要融合。我們將看到這種融合在2019年進入市場，由有遠見的科技公司引領，他們將建立這種有遠見的生態系統，以滿足消費者的需求。”

——Nebu Mathai, 產品工程EVP , Cognitive Systems Corp

“隨著人工智能在工作場所扮演越來越多的角色，人們不僅會根據它的智商，還會根據它的情商——以及感知和理解人類所有事物的能力——來判斷它。理解人類情感和認知狀態的能力將成為評估人工智能的標準之一，因為公司會決定為他們的工作場所選擇哪種人工智能解決方案，甚至就像消費者會在虛擬助理或智能揚聲器等系統之間做出選擇一樣。”

——Rana el Kaliouby，博士、CEO 兼聯合創始人， Affectiva

“人工智能的焦點將從智能轉向移情——我們正在超越能夠滿足面向消費者的人工智能的基本階段，因為客戶希望知道，他們被視為個體，而不僅僅是客戶數據記錄。到2019年，供應商將更加關注人工智能的人性化和移情——包括獲取關于客戶動機的線索，他們此刻的感受，他們在特定情況下的行為，甚至他們周圍正在發生的事情。”

——Dr. Rob Walker，決策管理與分析VP, Pegasystems

“隨著企業使用更多人工智能并從數字資產中獲取更大價值，元數據標簽將成為企業存儲中更為關鍵的元素。這將給以元數據為中心的對象存儲帶來更多的關注，其核心是與AI工具的良好集成。”

——Jon Toor, CMO, Cloudian

“集中式的數據將被單一視圖式的數據所取代。數據將以不同的方向、不同的速度、不同的格式向我們襲來，如何控制這場海嘯是信息時代賦權和成功的關鍵標志之一。兩大趨勢正在改變這一格局。首先，不同的供應商正在聯合起來標準化數據模型。其次，也是更重要的一點，是企業數據目錄的出現。這些目錄在是可訪問的，并具有整個聯合數據屬性的單一視圖，并提供了‘按數據購買’的市場體驗。你共享、協作和使用中心越多，它對業務的價值就越大。此外，它將你的分析策略與你的企業數據管理策略聯系在一起，因為數據已經為分析做好了準備。”

——Dan Sommer, 高級主管, Qlik

“現代企業將繼續淘汰Hadoop等技術。Hortonworks和Cloudera的合并是對Hadoop 2019年預期價值的首先期預示。20年前在‘小型’數據時代設計的技術將不再支持現代、全球化和動態的企業。數據仍然需要管理工具，但隨著人工智能和機器學習的興起，復雜性將被消除。”

——Roman Stanek, CEO, GoodData

“過去一年發生的引人注意的入侵事件，將應用層推到了安全聚光燈下。隨著應用程序變得越來越復雜，它們的開發也會帶來更多的漏洞。雖然DevOps正在努力跟上應用程序開發的提速，但是手動地跟上(更不用說預測)威脅變得越來越不可能。機器學習和人工智能將繼續被用于更有效、更準確地減少漏洞。”

——Ivan Novikov, CEO, Wallarm

“2019年將是開源人工智能之年。我們已經看到一些公司開始開源他們的內部AI項目和堆棧，我希望在未來的一年看到這一趨勢加速。這一趨勢與其他行業(如云計算)的發展趨勢是一致的，這些行業已經大力轉向開源——增加了創新，加快了上市時間，降低了成本。構建平臺的成本很高，而組織正在認識到真正的價值在于模型、培訓數據和應用程序。我們將看到圍繞一組關鍵項目的協調，為人工智能、機器學習和深度學習創建一個全面的開源堆棧。”

——Ibrahim Haddad, 研究總監, The Linux Foundation

“人工智能將幫助提升店內顧客體驗。人工智能將被用來幫助商店提升顧客體驗，并以以前不可能的方式建立顧客忠誠度。當顧客在網上購物時，他們通常會收到個性化的推薦和優惠。零售商過去曾嘗試使用信標技術來實現同樣程度的個性化，但信標在很大程度上被認為是失敗的，因為它們需要特定的應用程序下載、藍牙連接或其他大大限制其可用性的因素。該問題將通過人工智能訓練的人臉識別算法來解決。2019年，選擇人臉識別程序的顧客將獲得許多店內優惠，包括個性化折扣、白手套服務和更短的等待時間。零售商最終將能夠在商店中為顧客提供與在線商店相同水平的個性化服務。”

——Peter Trepp, CEO, FaceFirst

“人工智能將開始嵌入更多的企業應用程序，尤其是面向知識工作者的應用程序，在這些應用程序中，人工智能和數據分析將在支持甚至決策方面發揮越來越大的作用。與此同時，目前關于所有數據分析都是人工智能的誤解將會得到更廣泛的討論，尤其是關于是否有足夠的、相關的和特定的數據來訓練算法并保持它們的學習。這將使人們更加關注能夠基于實時數據學習和調整的更先進方法。”

——Mikael Johnsson，聯合創始人, Oxx

“由于企業意識到，沒有高質量的數據，人工智能就無法構建，它們將越來越多地求助于擁有關鍵數據資源的專業供應商，以幫助它們理解自己的非結構化數據。例如，彭博社(Bloomberg)正在建設針對財務領域的NLP圖書館。”

——Gideon Mann, 數據科學辦公室主任兼CTO, Bloomberg

“我們預計，到2019年，我們在衡量和測試人工智能偏差的框架和標準方面，將取得重大進展。我們將看到對人類判斷的需求增加，因此，這類工作、標準和規程的需求也會增加。我的預測是，這背后的動力將會增強，因為企業會在出現重大問題的情況下尋求降低風險。”

——Jake Tyler, CEO, Finn AI

“維持網絡服務質量(QoS)的傳統‘突破修復’方法已不再足夠。終端客戶現在非常依賴于連接的連貫，而且對服務中斷非常敏感，以至于即使是短暫的服務中斷也會導致交易中斷。展望未來，我們將看到人工智能作為修復程序和優化器的角色出現，以增強IT操作。初始應用程序將傾向于關注安全功能，如DDoS攻擊緩解和實時自動路徑選擇。最終，它的用途將包括人工智能定義的網絡拓撲和基本操作，這將幫助我們打造一個自動駕駛的網絡。”

——Kailem Anderson, 軟件及服務VP，Ciena

“人工智能(AI)在IT領域的爆炸式發展有望在2019年帶來許多好處和節省時間的機會，但這將要求IT決策者(ITDM)轉變為戰略顧問，而不是扮演被動角色。人工智能不會在一夜之間取代整個IT團隊，公司也不會因為目前技術的應用而在短時間內被迫關閉。然而，隨著人工智能開始侵蝕IT幫助臺對人類的需求，我們將看到那些希望生存下來的IT管理公司做它們應該做的事情——增長、向更高價值領域擴張，并與企業保持密切關系。如果不能發展到這種戰略領導地位，ITDM本身會消失。”

——Ian Pitt, CIO, LogMeIn

“銀行中的的人工智能‘出納員’將成為常態。銀行分支機構的合并將讓位給下一個大的趨勢：互動亭(interactive kiosks)。通過人工智能和數據分析，這些‘出納員’將根據客戶的生活階段、交易歷史等，為用戶提供個性化的體驗，匹配合適的出納員。許多銀行已經在他們的移動應用程序中看到了虛擬助理的成功。我們預計，到2019年，人工智能技術將超越移動應用，15%的銀行將推出交互式信息亭。”

——Mike Diamond, 支付GM, Mitek

“除了炒作和頭條新聞，人工智能將會真正認真工作。實用的人工智能將主導并專注于讓購物變得更容易、讓病人更好地參與、讓律師更聰明、讓網絡安全更強大。自動駕駛汽車不再出現事故可能不會這么快實現，但人工智能將在2019年以新的、有趣的方式提高工作效率。”

——Ram Menon, 創始人兼CEO，Avaamo

“2018年是機器人之年，在接下來的一年里，我們將看到普適性分析和基于意圖的人工智能將進一步推進飛躍，以突顯專業服務臺的重要性，這些服務臺將簡化IT支持管理，并允許即時知識交付。”

——Phani Nagarjuna, 首席分析官, Sutherland

“過去幾年，人工智能和機器學習(ML)一直是安全行業的‘銀彈’。但惡意行為者也正在注意到這一點。例如，就像安全供應商可以在惡意軟件樣本上訓練他們的ML模型來檢測它們一樣，惡意軟件作者也可以‘訓練’或優化他們的惡意軟件，以避免使用相同的精確算法進行檢測。攻擊者還可能毒害ML模型在培訓中使用的數據。因為算法需要大量的數據來工作，所以很難排除用錯誤信息毒害你在學習設置的努力。我們相信，在2019年，一場重大的攻擊或惡意軟件將利用人工智能。”

——Nir Gaist, CTO, Nyotron

“人工智能有可能在許多方面影響零售行業，但最值得注意的是，到2019年，我們預計供應鏈中的產品創新將增加。”隨著供應鏈中的人工智能產品創新通過風險緩解、改進預測、加快交付和客戶服務能力來降低整體成本，我們預計將有越來越多的公司實施此類解決方案，在2019年改變零售面貌。”

——Brad Taylor, 工程及設備高級主管，Radial

“深度學習模型已經被證明很容易受到數據中難以察覺的擾動，這些擾動會欺騙模型做出錯誤的預測或分類。隨著人們對大型數據集的依賴日益加深，人工智能系統將需要防范此類攻擊數據，而最精明的廣告商將開始研究對抗的ML技術，以訓練模型抵御此類攻擊。”

——Prasad Chalasani, 首席科學家， MediaMath

“人工智能將增加額外一層可預測性，使組織能夠看到模式，并從物聯網設備和過去的客戶行為中獲得洞見——最終使供應鏈更智能，從而促進更快、更高效的生產和實施，并讓客戶更快樂。到2019年及以后，我們可以預計人工智能將把供應鏈從反應性變為規范性，幫助企業領先于消費者不斷上升的預期。”

——Hala Zeine，數據供應鏈總裁，SAP

“2019年，人工智能將在醫療領域‘跨越鴻溝’，主流的非開創性機構將使用人工智能支持臨床決策的工具，用于日常工作，包括美國的放射學分析以及非洲和南美的腫瘤藥物選擇。此外，隨著分子生物學的進步表明，許多‘常見’疾病實際上是由罕見亞型組成的集群，人工智能將在海量的大數據中發現隱藏在小數據中的高價值數據。”

——Frank Ingari, 董事會成員, Quest Analytics

“人工智能的客戶自助服務并不像宣傳的那樣成功。2019年，許多組織將采取一種裂變的方法——更積極地使用人工智能來自動化重復的代理電話后的工作，以及更有針對性的方法，其使用了簡單和大量的自助用例。”

——Chris Bauserman, 產品細分及營銷VP，NICE inContac

“關鍵字是認知負荷，以及企業如何通過提供更好的指導和全面自動化來降低認知負荷，這有助于更容易地使用RPA(機器人過程自動化)，就是一個很好的例子，而且還在不斷升溫。隨著我們進入2019年，RPA將在零售、制造、供應鏈甚至金融等行業的運作方式上產生更大的顛覆性。到2019年，我們將看到軟件機器人和人工智能(AI)工人得到更廣泛的應用，因為企業希望利用自動化來增強其整體商業生態系統。”

——Rob Maille，戰略與客戶體驗主管，CommerceCX

“隨著人工智能應用日益普及，一項關鍵的應用技術將是處理不斷更新的操作數據具有更大數據集的能力。快速訪問歷史數據以及當前事務和實時輸入對于為企業提供更多價值至關重要。有了合適的數據貨幣和質量，AI將從特殊項目轉移到生產中。”

——Raghu Chakravarthi，研發和支持服務SVP，Actian

“客戶體驗領域的一個主要障礙是，用戶仍然對品牌如何收集、存儲、保護和使用他們的信息持謹慎態度。到2019年，企業應該在人工智能領域尋求安全，利用新興技術保護客戶——無論是從購買角度還是從潛在的數字威脅角度(試圖竊取客戶與品牌共享的信息)”。

——Dan Kiely, CEO, Voxpro

“智能機器人過程自動化將成為關鍵業務，因為企業將需要在2019年為智能企業提供所需的高自動化水平。此外，會話人工智能將更進一步，以支持自動化企業的運營與更智能的聊天機器人。這兩種技術的結合將是下一個重要的里程碑，我們將實現更快、更有效和更智能的人工智能。”

——Markus Noga, 機器學習SVP , SAP

“人工智能(AI)將使健康的遠程監控成為可能，并自動建議人們改變生活方式，從而幫助預防疾病，或在疾病尚易治愈時發現它們。我們已經在FitBit上看到了這一點，FitBit提醒我們要堅持每天的步伐，或者糖尿病技術監測我們的血糖，但這僅僅是個開始。到2019年，我們將看到越來越多的可穿戴健康設備進入市場，這些設備利用人工智能跟蹤血壓等大量狀況，描繪出一幅更全面的個人健康圖景，因為它是實時變化的。”

——Kevin Hrusovsky, CEO, 總裁兼主席, Quanterix

“許多人工智能自動化項目在2018年失敗了，因為它們瞄準了錯誤的自動化流程。2019年，公司必須評估應該考慮哪些參數——比如任何給定流程的用戶數量、處理時間和復雜性(即涉及的應用程序數量、采取的行動類型等)。如果將這些元素考慮在內，這將有助于確保自動化的流程將為公司帶來顯著的ROI。將錯誤的過程自動化只會導致障礙，并阻止組織成功實現自動化的過程。”

——Oded Karev, 機器人過程自動化主管兼VP，NICE

“隨著我們進入2019年，美國的每一家電信運營商都將制定戰略，分配預算，將運營中的機器學習貨幣化。然而，人才短缺將影響所有人，并影響企業的交付能力，除非它們擁有強大的可伸縮戰略。有大量的初級數據科學家將成為解決這些短缺的關鍵，并將在未來幾年做到這一點，但學習曲線將在2019年顯現出來。由于目前的知識差距，將人工智能和ML大眾化的應用程序將會看到需求的大幅增長，但由于對數據的誤讀，它們的ROI很可能會出現不足。”

——Johnny Ghibril, 數據科學及方案架構VP，B.Yond

“機器學習將繼續很好地工作，但隨著許多學習算法的統計本質變得清晰起來，它偶爾會遭遇荒謬的失敗。圍繞表示法、傳感器篡改、狀態操縱、啟動和災難性遺忘的一系列風險將再次曝光。相關的安全問題將是有趣的探索。在社會方面，AI/ML暴露出的一些固有的社會規范將繼續使人深思。當機器向人類學習時，它們會養成一些壞習慣和一些道德上可疑的習慣。誰知道我們作為一個物種是如此可怕?”

——Gary McGraw, 安全科技VP，Synopsys

“請注意尋找那些基于知識本體的數據科學項目，以補充現有的機器人和機器學習計劃，從而在2019年完善數據科學和人工智能的業務方法，并為這些工具如何提高工作績效方面設定標準和有效性。 知識本體可為公司現在部署的方案中添加一個額外的工具，知識本體具有將各種數據集鏈接在一起并從中得出結論的能力，使基于本體的系統在2019年成為企業和企業組織的一個簡單的嘗試”。

——David Keane, 聯合創始人兼CEO，Bigtincan

“企業一直非常關注人工智能的潛在好處，以至于它已成為一種流行風尚，而非現實。企業必須專注于人工智能具體的應用程序和項目，而不是關注2019年的熱潮，這些應用程序和項目將為企業帶來短期價值。為了確保成功，他們將需要制定一個計劃，包括確定能夠實際試驗或孵化新人工智能技術的團隊和工具，以便在企業范圍內采用這些技術。而測試的逐步推出將有助于減輕對日常業務的任何重大干擾，同時增強組織的未來技術足跡。”

——John Samuel, SVP兼全球CIO，CGS

“我們將看到ML/AI工具的探索和應用將出現一個巨大的高峰，這些工具可以幫助企業開發不需要編碼(無代碼測試)的移動和web測試場景，從而加快代碼驗證過程，并為測試代碼提供更大的穩定性。這些工具支持具有高度穩定性的智能測試記錄，極大地提高了組織的生產力和敏捷性。在智能決策和質量分析的前沿，我們將看到更多ML/AI解決方案，它們可以對數據進行自動切片和切割，并快速為DevOps管道測試活動中檢測到的問題提供根源分析。”

——Eran Kinsbruner, 線索軟件傳播總監，Perfecto

“2019年，研究項目和公司的數量將呈指數級增長，它們將利用人工智能提高開發人員的生產率。我們預計，到2020年，所有的開發都將得到AI合作開發者的幫助，他們理解開發者的意圖，提公共未來最佳模式，并在應用程序投入生產之前發現問題。這將使公司能夠持續改進他們的數字體驗，并以以前不可能的速度響應市場需求。”

——Antonio Alegria, AI主管, OutSystems

“人工智能將越來越多地用于檢測針對員工和消費者收件箱的惡意行為(如垃圾郵件、釣魚等)。隨著技術在未來一年的進步，它將在很大程度上工作良好。然而，它偶爾的失誤仍會給企業帶來重大問題，比如財務和聲譽損失。大多數用戶會發現安全漏洞完全無法理解，而安全公司又很難向客戶提供明確解釋。”

——Nathaniel Borenstein，首席科學家，Mimecast

“企業將在2019年認真關注數據隱私倡議，以遵守歐盟法律(GDPR)或國家法律(如CCPA)，但原因可能不那么明顯。罰款金額本身并沒有達到全球銷售額的4%，因為人們不確定是否現在就需要規定高額罰款;相反，最高管理層和董事會擔心的是他們的受托責任，即確保采取適當措施，防止此類可能造成重大財務困境或聲譽損害的嚴重罰款。另外，我們應該注意到，在大多數國家還沒有針對罰款的保險時，企業需要一般風險轉移方法”。

——Kon Leong, CEO兼聯合創始人, ZL Technologies

“到2019年，每一個構建人工智能系統的供應商的價值聲明都應該關注他們希望創造的價值，以及他們服務的潛在道德基礎。他們如何收集數據，與誰分享這些數據，以及他們最終用這些數據做什么，將越來越需要一個檢驗方法來表明什么是可接受的，什么是不可接受的。這種檢驗將成為供應商文化的一部分——需要從內到外。雖然這對某些供應商來說太過“煽情”和受限制，但是對于長期的業務生存來說，跨用戶社區建立可信的信任是絕對必要的。沒有透明度，就沒有信任。沒有信任，就沒有數據。沒有數據，就沒有人工智能。”

——Ojas Rege, 首席戰略官，MobileIron

“2019年，人工智能將開啟工業世界生產力的巨大價值。越來越多的公司帶著垂直解決方案進入市場，而這些解決方案幾乎不需要培訓模式或解釋方面的專門知識。任何人都可以使用這種集中的方法，并帶來非常快速的大規模時間價值。這種轉變將提高生產率和安全性，并將為整個行業的新商業模式打開大門，比如“成果及服務”(outcome -as-a- service)。”

——Saar Yoskovitz, 聯合創始人兼CEO，Augury

“人工智能最大的好處將被證明是我們認為最典型的人類特質:成為‘優秀的團隊成員’。2019年是一系列算法開始在復雜任務上進行協作的一年。憑借他們的速度、缺乏自我和內在的利他主義傾向，早期跡象表明，人工智能團隊的表現將很快超越人類同行。”

——Timo Elliott, 創新傳教官, SAP

“人工智能為醫療保健提供了一個真正的轉型機會，尤其是在虛擬醫療領域。我們所熟知的遠程醫療正在迅速成為過去，而虛擬醫療是數字的未來——這是行業的下一個迭代方向，而人工智能將在這一轉變中扮演重要角色。例如，復雜的算法可以解析病人信息，幫助將他們引導到最適當的護理水平;自然語言處理正在以一種使在線交互更簡單和更有效的方式前進;智能系統可以收集患者過敏史、處方史和健康信息，以支持更安全、更有效的處方。最重要的是，有了這些人工智能工具在供應商和醫療機構手中，數字化體驗可以增強而不是取代患者與供應商的關系。”

——Jon Pearce, CEO兼聯合創始人, Zipnosis

“2019年是我們掌握使用數字技術一切的一年;這將是區分落伍者和領導者的一年，為有遠見的組織提供競爭優勢。落后者仍然相信還有時間，并將繼續在豎井中開發解決方案，僅取得微小進展，卻沒有意識到變化的步伐比過去20都要了。領導者將是跨組織進行數字化轉型的，他們將利用大數據和人工智能部署從根本上影響整個藥物開發生命周期的解決方案;他們將扭轉目前的趨勢——藥物研發時間線同比增長25%，平均時長高達12年——并更快地將急需的療法推向市場。”

——Isabelle deZegher, 集成方案VP，PAREXEL

“到2019年，社會將推動人工智能的非神秘化，并要求更好地了解正在開發的技術，以及技術使用的更高透明度。隨著透明度的提高，人們會更好地理解人工智能并不是一個包羅萬象的術語，它指的并不是能夠復制并表現得像一個完整的人類的機器，而是一組更明確的功能，能夠更好地自動化簡單的任務，并對執行更復雜操作的人進行強化。這將減少人們對被機器取代的恐懼，并讓人們更容易接受新的創新。 ”

——Josh Feast, CEO兼聯合創始人, Cogito

“到2019年，人工智能(AI)和機器學習(ML)將在全球分布的邊緣計算平臺上更快地連接和處理數據，從而接近充分發揮其潛力。人工智能和ML洞察一直是可用的，但在云平臺或傳統數據中心上，它們的利用速度可能比需要的要慢一些。我們已經從航空公司制造和服務飛機的方式、政府防務機構應對黑客的方式以及個人助理為未來網上購物提供建議的方式中看到了這一點。今年，多虧了AI和ML，終于有人知道那個特別的人是否真的想要水果蛋糕或電動洗衣機了。”

——Alan Conboy，CTO，Scale Computing

“2019年似乎將是分析、機器學習和人工智能之年。雖然這些工具已經可用，但是由于無法將這些新功能與適當的新工作流和SOC實踐相匹配，它們的使用常常會延遲。在明年應該會看到出現一些競爭者，即那些聲稱使用這些技術，但實際上使用了上一代的技術的公司消失，讓這個領域的真正創新者開始占據主導地位。這可能會導致一些收購，因為一直在努力開發這一技術的大型現有企業正尋求收購。2019年也將是投資機器學習安全創業企業的一年”。

——Stephen Gailey, 方案架構師, Exabeam

“到2019年，我們可能會看到更多的聊天機器人和無人駕駛汽車。聊天機器人AI能力的提升，將為創新客戶服務團隊創造機會，從而讓他們超越競爭者。2019年也是無人駕駛計劃的重要一年，將利用經驗數據，不斷改進算法和硬件處理能力。”

——Scott Parker, 產品營銷總監，Sineque

“隨著人工智能和ML成為主流，一種新的安全數據科學家將在2019年出現。數據的準備、處理和解釋要求數據科學家是博學的。他們需要了解計算機科學、數據科學，最重要的是，他們需要有專業知識，能夠區分好數據和壞數據，以及好結果和壞結果。我們已經開始看到，理解數據科學和計算機科學的安全專家需要能夠首先理解我們今天可以得到的安全數據。一旦這些數據完成準備、處理和解釋，它就可以被AI和ML技術用于實時自動化安全。”

——Setu Kulkarni, 公司戰略VP，WhiteHat Security

“2019年的一個頂級技術趨勢將是機器學習/人工智能對軟件質量的影響。在過去，我們設計的交付過程是精益的，減少或消除浪費，但對我來說，這是一種過時的、半空的方式來看待過程。在2019年，如果我們想充分利用ML/AI，我們需要明白浪費的反面是價值，并從樂觀的角度看，變得更有效率意味著增加價值，而不是減少浪費。”

——Bob Davis, CMO, Plutora

“企業將意識到，人工智能是對其內部流程轉型的一項投資，而不僅僅是一項能夠神奇地解決低效問題的功能。在供應商方面，技術供應商將使人工智能工具和平臺更容易部署和實施，而真正能夠在組織內創造這種變化的技術領導者與那些試圖利用這種炒作的人之間的區別將變得越來越明顯。”

——Connie Schiefer, 產品管理VP, Mya Systems

“在過去20年里，隨著科技驅動的企業接管了整個市場，世界經濟的中心已經轉移。但這僅僅是個開始。大型科技公司已經開始利用它們在人工智能和數據方面的優勢，將觸角從傳統市場拓展到全新的市場。比如亞馬遜將目光投向了娛樂和醫療領域。谷歌著眼于交通運輸的未來。沒有一家公司能夠免受人工智能帶來的影響，我們將看到這種趨勢在明年繼續加速。如果企業愚蠢到猝不及防的地步，它們將無法適應人工智能和ML主宰的新數字世界并很快消亡。關于人工智能自動化一切的炒作將會平息，盡管創建更高效流程的緊迫性只增不減。”

——Sudheesh Nair, CEO, ThoughtSpot

“2019年，人工智能公司將開始減少對修改損壞硬件和流程的努力。相反，他們將把目光投向整體生態系統，這些生態系統將重塑我們設計過程的方式。雖然這種流程改革的技術方面將推動必要的重大變革，但我們將認識到，更大的機遇在于使用先進技術，以及如何在與業務流程流相交的任何地方優化人類行為。”

——Alan O’Herliy, CEO, Everseen

“到2019年，我們將不再懷疑人類在第四次工業革命中扮演的角色——也不再擔心人類是否會沒有這樣的角色。很明顯，機器和人類之間的關系不是非此即彼的，而是高度共生的。我們會意識到將人類的洞察力與人工智能結合起來是多么重要，這樣才能同時發揮人工智能和人類的潛能。我們已經看到，人工智能解決方案在部門和企業層面上都取得了成功，這些解決方案利用人類提出更大的戰略愿景，并推動任何復雜過程中的本能和直覺元素。利用人與機器之間的這種互諒互讓而建立的解決方案將產生最好的結果，并迅速得到應用。”

——Or Shani, CEO, Albert Technologies

“大多數早期的商業人工智能應用都圍繞著預測性和規范性分析，利用人工智能增強人類的決策能力。2018年中，人工智能開始向更深層次發展，不僅僅是預測，而是實際采取商業行動。2019年將會有更多的垂直深度人工智能得以應用，這種人工智能將會在供應鏈上自動采取高價值的商業行動——從采購和倉儲到信息傳遞和客戶服務管理。”

——Fayez Mohamood, CEO, Bluecore

“幾乎所有的軟件公司都知道用戶在應用程序中的每一次點擊意味著什么。但我們缺少的是對用戶想要完成什么的真正理解。2019年，人工智能驅動技術將開始理解用戶意圖和基本軟件功能之間的區別。有了這些信息，公司可以針對個人、團隊和功能改進工作。軟件公司可以主動地干預那些處于次優結果路徑上的客戶。此外，這將告知軟件公司和他們的客戶應用程序或業務流程優化的潛在需求。”

——Michael Graham, CEO, Epilogue Systems

“在2019年的招聘時，人才獲取團隊將謹慎樂觀地應用人工智能。雖然在招聘過程中較早使用人工智能的企業已經看到了有希望的結果，但很明顯，該技術仍處于早期應用階段，人工智能正被用于更好、更快和更智能的招聘決策，而不是制定決策。然而，我們仍可能會看到更廣泛地人工智能應用，從而減少招聘人員花在日常工作上的時間，這樣他們就可以把時間用在更有意義的求職者互動上。”

——Kurt Heikkinen, CEO, Montage

“我們預計到2019年，隨著各院校繼續進行數字化轉型，并尋求迎合學生對適應性、參與性學習體驗的偏好，人工智能將更多地應用于高等教育。尤其必要的是，Z世代的大學和教授需要在網上與學生見面。隨著Z一代與數字時代的全面融合，他們的學習偏好將與之前幾代人有所不同。使用帶有人工智能組件的資源，如人工智能助教、在線課程和寫作中心，將開始在整個校園得以頻繁地使用。”

——Kanuj Malhotra, 公司發展EVP兼數字化方案總裁, Barnes & Noble Education

“隨著自動化技術在2019年塑造工作場所，企業有必要考慮技術沖擊將如何在短期和長期內影響企業文化。許多組織已經開始使用人工智能來尋找人才，但是當涉及到員工每天都會遇到人工智能的工作場所的其他領域時，公司需要從一開始就了解員工的看法。在推出任何新技術平臺之前，企業需要做好準備，傳達產品將給企業帶來的價值，它將如何更好地影響員工，以及它將對生產力和敬業度產生的積極影響。這樣做，公司在實施新技術時就會成功。”

——Andee Harris, 總裁, HighGround/YouEarnedIt

“我們預計，隨著越來越多的保險技術公司和運營商在客戶體驗策略中使用人工智能，到2019年，人工智能將在保險業中變得更加突出。同時，我們也不認為人工智能會在新的一年或未來幾年里取代人類保險代理人。雖然機器學習模型可以幫助代理人成為更好的客戶顧問，但在保險行業，人情味始終很重要。”

——Jeff Somers,總裁, Insureon

“隨著人工智能的繼續普及，不可否認的是，自動化決策將取代傳統白領。這意味著人工智能系統將代替人類來做任何決定，從批準貸款或決定客戶是否登機，再到確認腐敗和金融犯罪。這與機器人過程自動化(RPA)不同，后者只是簡單地模擬人類決策。相反，真正的人工智能系統將超越人類的能力。我們還可以預期，董事會將更加了解人工智能的真正含義——包括圍繞競爭優勢、降低運營成本和裁員等方面的硬數據。希望這種對企業高層的理解會在重大運營變革的結果下，引發圍繞工會和工作安全的問題。”

——Imam Hoque, COO 兼產品主管, Quantexa

“雖然智能虛擬助理和會話人工智能將在2019年獲得很大的發展，但機器學習及其超集人工智能的一大重點將是內容理解。人工智能將被用來過濾什么是真實的，什么不是，什么是適當的，什么不是。盡管在更好地理解這種背景下的內容方面將取得進展，但更大的挑戰是在不出現偏見的情況下進行數據培訓，這在2019年將會引起廣泛關注。”

——Sameer Kamat, CEO, Filestack

“隨著企業對人工智能需求的增長，我們會看到市場將持續缺乏受過訓練的數據科學家。隨著人工智能應用的增加,人工智能平臺需要賦予傳統的開發者工具,使他們更快地創建機器學習模型,以及確保他們有一個集成的平臺,允許開發者注釋和標記數據以提高相應的模型的準確性。”

——Dale Brown, 商業開發VP, Figure Eight

“對美國和歐洲來說，最大的潛在競爭來自中國在人工智能方面的快速進步。毫無疑問，中國是人工智能的先驅者。為什么?因為人工智能的成功取決于大量有組織數據的可用性。如果想要應對競爭，美國和歐洲公司需要解決數據問題，而且要快。”

——Hanns Wolfram Tappeiner, 聯合創始人兼總裁，Anki

“對人工智能搜索和分析解決方案的需求將在2019年變得更加普遍。傳統的搜索功能將讓位給認知搜索，從而產生人工智能驅動的解決方案，幫助企業解開數據的陷阱，獲得更有價值的知識和見解。到2020年，認知搜索將簡化信息，將被動搜索減少20%——企業需要在未來一年做好準備。”

——Kamran Khan, 搜索及內容分析管理總監, Accenture Applied Intelligence

“到2019年，我們將看到更多的組織轉向玻璃盒AI(glass box AI)，這將暴露該技術在不同數據點之間的連接。例如，玻璃盒AI不僅告訴你有一個新的零售機會，它還會揭示了這個機會是如何在數據中被識別出來的。此外，零售商還將獲得一個檢查數據的機會——以及任何他們輸入的公共或聚合數據——以確保人工智能不會在格言“垃圾輸入，垃圾輸出”的指導下做出錯誤的假設。”

——Nikki Baird, 零售創新VP，Aptos

“隨著云計算驅動的人工智能(AI)能力的日益普及，人工智能將在2019年進入視頻會議領域，從會議室活動分析和效率，到了解參與者對給定消息傳遞、自動加入流程和平臺利用率的反應。當組織尋求優化他們的服務和更有效地工作時，人工智能很自然地會改變我們所知道的會議和協作，因為現在人工智能可以很容易地幫助進行預測分析并將數據轉化為可操作的見解。”

——Jordan Owens, 架構VP, Pexip

“我們將在不久的將來看到音頻內容和書面內容之間的界線消失。所有的音頻都可以像現在的基于文本的web一樣進行搜索，所有的文本都可以作為音頻訪問，并以你最喜歡的聲音播放出來。隨著語音助手和搜索算法的不斷進步，你很快就能和你的助手進行類似于人的對話，而你的助手能立即獲取世界上所有的知識。”

——Johan Billgren, 聯合創始人兼首席產品官，Acast

“到2019年，我預計，處于創建和監管真相(尤其是基于人工智能的技術)前沿的信息和分析系統本身就是‘偏見’問題的一部分，這一點將變得清晰起來。這將導致根本性轉變我們如何看待二進制中的真實, 以及基礎信息系統和分析系統因無法測量或完整執行的基礎數據集和分析方法”。

——Kris Lovejoy, CEO, BluVector

“我預計2019年我們將看到利用人工智能的生產應用程序的爆炸式增長。市場上可用的工具和模型已經準備就緒，這意味著各種規模的公司將更容易部署智能應用程序。除此之外，我們還將看到更多關于提供機器學習服務的公司在確保其產品的道德使用方面應扮演何種角色的自我反省和宣傳。人工智能專家在這場對話中發揮了很大的影響力，因為如果沒有他們的幫助，這些服務最終將無法運轉。看看在這個過程中會出現什么樣的規范將是有趣的。”

——Blair Hanley Frank, 首席分析師, ISG

“對于企業來說，2019年是人工智能平臺戰略的早期應用者將比缺乏創新的競爭對手領先一步的一年。在市場份額和利潤率增長方面，會有明顯的贏家，也會有明顯的輸家。在自動化數據抓取和構建機器學習算法方面的投資將啟動自我學習的高速齒輪。正是這個階段——數據中的持續模式促進了自我學習——帶來的好處開始在整個組織中擴展”。

——Dr. Anil Kaul, CEO兼聯合創始人, Absolutdata

“對于機器學習和人工智能的模糊宣傳，企業將會經歷進一步的幻滅。他們會意識到，準確的預測不僅需要大量的訓練數據，還需要特定類型的行為元數據。對這些數據的分析需要進行挖掘，以便更好地突出哪些數據應該使用，哪些數據有用。這與20年前推動谷歌搜索排名的觀點是一樣的:一個網頁的內容對其效用的預測不如其他頁面(由其他人創建)鏈接到它的頻率高。隨著ML/AI的熱潮持續減弱，我們將看到組織中出現對這種影響驅動技術和行為元數據的強烈需求。”

——Aaron Kalb, 設計及戰略方案VP兼聯合創始人 , Alation

“去年是數據科學家的一年——企業非常注重雇傭和授權數據科學家來創建先進的分析和機器學習模型。2019年是數據工程師年。數據工程師將會發現他們的需求非常大——他們擅長于將數據科學家的工作轉化為業務上的可靠的、數據驅動的軟件解決方案。這包括創建深入的人工智能開發、測試、DevOps和審計流程，使公司能夠在整個企業范圍內大規模合并人工智能和數據管道。”

——Nima Negahban, CTO兼聯合創始人, Kinetica

“人工智能將從根本上自動化銷售的訂單接收環節，并賦予成功的銷售代表成為買家顧問的權力，幫助雙方發現所需的關鍵資源，以告知他們的購買和銷售決策。AI驅動的創新將預測銷售挑戰和買方的反對意見，并提取見解，以更好地預測在買賣雙方參與過程中的成功。在售后階段，人工智能還可以找出最佳實踐，識別影響客戶體驗的因素，以幫助增加向上銷售和口碑銷售。最后，人工智能將迅速培養出一個更可指導、更了解客戶、更聰明、更敏捷、更有準備成功銷售的銷售代表。”

——Yuchun Lee, CEO兼聯合創始人, Allego

“在未來幾年里，人工智能將越來越多地被用于根據特定背景下、特定受眾的相關內容，動態修改和提供創意內容。我們的目標和機會是滿足受眾的需求——無論是在瀏覽器中提供內容、與實體產品交互、通過掃描包裝發布數字體驗，還是在家使用語音助手與品牌內容交談。雖然創意團隊和設計師仍將決定某一特定內容的美學和基調，但作為生成框架的設計師，他們的角色變得更加重要，他們決定在體驗中哪些元素可以變得靈活，同時仍然保持創意概念的核心。”

——Claire Mitchell, 總管, VaynerSmart

“雖然在2018年，許多零售商和品牌對人工智能及其潛在用例已經有了更多的了解，但在2019年，這些應用將得到落地。人工智能將從根本上改變消費者與品牌互動的方式，我預計到2019年，通過新的個性化水平，這一點將變得非常清楚。那些應用人工智能優化客戶體驗的品牌，其實施將開始影響到他們的基線。”

——Adam Goldenberg, 聯合CEO兼聯合創始人, TechStyle Fashion Group

“到目前為止，人工智能的能力集中在解決我們知道的問題上——更有效地從我們一直熟悉的海量數據集中提取模式和見解。明年，人工智能的更大潛力將成為焦點，展示其將以前無法數字化的事物數字化的能力，并引入全新的數據集，改變現狀，解決我們不知道的問題。視頻人工智能將是一個很好的例子，幫助將物理環境轉化為可操作的數據，零售和其他行業的公司可以利用這些數據來增強客戶體驗，這是前所未有的，并釋放出新的服務和客戶價值，而這些服務和價值可能是公司從未想過要推向市場。”

——Michael Adair, 總裁兼CEO, Deep North

“個性化一直是營銷人員的圣杯，每個人都同意，通過了解客戶關心和參與的內容，結果會有所改善。如今的營銷人員擁有比以往任何時候都多的行為數據，但他們往往沒有時間、資源或知識來恰當地利用這些數據從而調整自己的方法。2019年，人工智能技術將解決這一問題，并最終使客戶和業務成果受益。隨著營銷人員對機器學習的嘗試，創新策略將需要進化。”

——Cody Bender, 首席產品官, Campaign Monitor

“2019年將是人工智能在工作場所的關鍵一年——這將是我們從對話轉向影響的一年。我們將開始看到人工智能通過數字助理(無論是語音、短信還是其他渠道)更深入地融入員工的日常體驗中。我認為，基于人工智能的數字助理也將更多地出現在新員工的前臺和中心中，在新員工入職或技能培訓等過程中發揮更大作用。”

——Gretchen Alarcon, HCM戰略GVP，Oracle

“將實驗室表現轉化為臨床環境的最大挑戰之一是，隨著時間、地點和測試的推移，不斷復制結果的能力——因此，我們需要可靠的質量體系和標準，為人群提供可量化的可靠性。隨著我們進入2019年，我們開始看到如何將人工智能應用于一個傳統上由人驅動過程中的真正成果，這個過程過去需要數周時間，現在可以實現實時監控。如果應用得當，簡化和加快這一過程可以確保工作流程中的所有積極變化——從樣品收集、處理，到儀器的使用——被大大減少，從而使結果具有極高的可重復性，并在短短幾秒鐘內獲得潛在的可操作的和臨床相關的信息。”

——Aldo Carrasco, CEO, InterVenn Biosciences

“我們對利用計算能力增強人類決策能力的迷戀，可能已經超越了算法方法的巨大進步。實際上，人工智能及其相關技術的成功應用仍然局限于圖像識別和自然語言理解領域，在這些領域中，輸入/輸出場景可以合理構建，并且在2019年不會有太大的變化。無論收集了多少數據，認為任何企業都可以‘開啟人工智能’，從而獲得成功或更大成功的想法都是荒謬的。但支持人類和算法的數據收集工作仍在繼續，并引發了一些重要的倫理問題，我們需要在未來幾年密切關注這些問題。數據是人類產生的，因此它們和人類一樣混亂。數據不能創造客觀性。眾所周知，數據和算法使現有的偏見和自動決策永久化——這是最難以解釋和證明的。當我們陷入思考數據和算法結合以創造客觀真理的陷阱時，做出正確的決定就更難了。隨著更大的決策權產生了更大的責任，人們將越來越多地對他們的業務決策的影響負責。”

——Christian Beedgen, 聯合創始人兼CTO, Sumo Logic

“在2018年，我們看到了許多人工智能算法試圖愚弄人類的例子，比如Buzzfeed的視頻，視頻中美國前總統奧巴馬以令人信服的方式說出了假話。很快我們就會看到這一概念演變成一種新的網絡犯罪，其中惡意內容是由人工智能算法自動生成的——我們將其定義為‘深度攻擊’。深度攻擊可以通過在惡意軟件文件中生成代碼、在僵尸網絡中制造虛假網絡流量、或以虛假url或HTML網頁的形式來大規模展現自己。明年，我預計黑客會更頻繁地部署深度攻擊，以避開人眼和智能防御。”

——Rajarshi Gupta, AI主管, Avast Software

“確保數據隱私，進而保護客戶隱私，是我們必須解決的挑戰，因為這樣才能實現人工智能的好處。到2019年，我們將看到更多的解決方案出現，以確保用于人工智能的數據加密是無懈可擊的。同態加密(homopous encryption, HE)是最令人興奮的新興加密技術之一，它是一種加密數據的特殊方式，使第三方可以對加密數據進行操作，同時仍然使用保護隱私的機器學習技術來收集有價值的見解。我們已經看到這種技術出現在NeurIPS的討論中，也出現在一些公共解決方案中，預計圍繞人工智能隱私和加密的創新將在明年爆發。”

——Casimir Wierzynski, 人工智能產品團隊CTO兼高級總監，Intel

“人工智能將對網絡安全產生巨大影響，它將以指數級增長檢測惡意模式和違規行為的能力，并在一定時間內顯著提高人類有效分析數據的能力，從而通過機器學習實現更快的檢測和響應能力。然而，現實地說，人工智能不可能完全消除安全漏洞。這是一個可以接受的假陽性率(合法活動因為被錯誤地評估為惡意而被阻止)和假陰性率(惡意活動沒有被識別為惡意活動)之間進行權衡的經典案例。若要將假負利率推至接近零的水平，就必須阻止高得令人無法接受的合法活動”。

——Richard Anton, 聯合創始人, Oxx

“在汽車行業，領先的汽車制造商和零部件供應商一直在通過人工智能尋求差異化，因此，目前正在發生重大轉變，從啟動人工智能革命的僵硬的硬件解決方案，轉向更靈活、更基于軟件的解決方案，這些解決方案可以很容易地滿足客戶的需求。在2019年及以后，隨著對隱私、安全和延遲的擔憂使邊緣AI優先于集中型人工智能系統的傳統方法，人工智能將日益處于邊緣。不過，制造商們也需應對在邊緣產品中添加人工智能的后果，這主要是因為運行這些產品需要昂貴、笨重和耗電的硬件。他們正在尋求更薄、更省電、更劃算的嵌入式解決方案。所以我們還會看到企業對更實用的人工智能的需求不斷增長，這些人工智能可以負擔得起主流化，不需要大量的硬件或云計算，也不影響質量或性能”。

——Adi Pinhas, 聯合創始人兼CEO, Brodmann17

“基于數據和人工智能驅動的洞見的零售模塊化可以直接推動商店內部的動態重排。這在一定程度上已經隨著季節的變化而發生，比如隨著夏季的臨近，把燒烤用具搬到顯眼的位置。但現在，更細微的變化將成為可能。例如，嬰兒食品和漢堡包會在星期天-星期二移動到顯眼位置，但是薯條和啤酒會在星期四-星期六移到的前端。在周末時商店還會把一些平時固定的裝置搬走，以便安裝臨時酒吧。”

—Tony Rodriguez, CTO, Digimarc

“人工智能和增強智能將有助于解決人們的心理健康危機。根據美國國家衛生研究院(National Institute of Health)的數據，近五分之一的美國成年人患有某種形式的精神疾病。但他們尋求治療有很大的障礙，包括恥辱感、負擔能力和可及性等。在2018年，美國新聞的周期被高調的名人自殺、新聞中不斷出現的情緒激動的故事所主導。這為許多人帶來了關于精神健康和抑郁方面的巨大壓力。人工智能將能夠幫助擴大獲得合格醫療服務的渠道，使人們能夠獲得負擔得起的適當水平醫療服務。與遠程治療和遠程精神病學等技術相結合，它將在改善協作護理方面發揮越來越重要的作用。人工智能工具和數據驅動算法將幫助臨床醫生追蹤病人的病史，識別危機時刻，并為個人提供個性化護理，以減少癥狀和改善結果。”

——Karan Singh, 聯合創始人, Ginger.io

“人工智能將為網絡攻擊提供越來越多的動力。事實上，我們有理由認為，隨著自動化程度的提高，人工智能黑客大軍將擁有更強大、更快的滲透能力，從而使黑客在實施網絡攻擊方面取得更大的成功。網絡防御必須從人工智能那里獲得更快的分析，以便發現惡意活動。通過機器學習和人工智能驅動的響應，安全團隊可以自動分類和排序，同時將誤報率降低91%。企業將尋求創新的解決方案，使它們能夠領先于下一個未知的威脅。”

——Gilad Peleg, CEO, SecBI

“到2019年，人工智能技術將最終不僅能夠幫助識別攻擊，還將為安全團隊能夠和應該如何應對威脅提供基于證據的指導。”在很多情況下，AI完全可以在沒有SOC團隊干預的情況下做出反應。因為人工智能是不斷學習的，所以該技術隨時準備與攻擊者不斷變化的工具和技術保持同步。總的來說，人工智能通過消除許多傳統上拖慢這一過程的挑戰和負擔，加快了從攻擊識別到修復的時間。這種人工智能驅動技術的實施將大大降低各種規模企業的風險。”

——Eyal Benishti, 創始人兼CEO, IRONSCALES

“機器將開始理解因果關系——今天，當機器(比如聊天機器人和Siri、Alexa等虛擬助手)對我們做出回應時，它完全是基于相關性。他們不了解因果關系。但隨著機器獲取的數據來源越來越不同，它們將開始更好地理解大量變量之間的因果關系。作為人類，我們通過純粹的常識逐漸了解因果關系。到2019年，我們將看到這些與機器結合起來，因為我們收集和提供了更多不同的數據源，使他們能夠建立條件概率分布，以了解因果關系的方向。“

——Michael Wu, 博士、首席AI戰略師, PROS