??????

你在工作中看過機器人吸塵器嗎？它一開始很有趣，當你看到它錯過了你想要它清洗的一塊污垢時，它變得越來越惱人。人工智能的前景是一樣的。它可以使日常工作自動化，并帶來顯著的實際價值；但如果你不小心，你可能會花大部分時間反復撞到同一面墻上，或者在第20次被困在亂七八糟的電纜中。不幸的是，有證據表明，企業花在糾結上的時間比從人工智能中獲取價值還多：

• 84%的客戶關心用于提供算法的數據質量。
• 86%的企業聲稱他們沒有充分利用數據。
• 74%的受訪者表示，他們的數據環境非常復雜，限制了靈活性。

和機器人吸塵器一樣，要想取得好的效果，關鍵是要先整理一下。人工智能利用復雜的數學和先進的計算能力來傳遞結果，但驅動所有花哨的數學和昂貴的硬件的是數據。數據是人工智能的生命線，如果不能很好地掌握數據的管理，人工智能將無法產生積極的效果。

公司已經從傳統的內部部署模式，將數據存儲在業務應用程序（如ERP）下的受管數據庫中，轉變為應用程序同時位于云中和內部部署的模式。數據現在來自結構不太合理的來源（如社交媒體、博客、傳感器）。其結果是數據的前景越來越復雜。這種復雜性伴隨著大量的新工具來幫助管理所有新的數據類型、格式和位置。

管理大量新數據為人工智能提供動力

隨著公司試圖跟上這股新數據的洪流，數據湖作為所有數據的單一存儲區供以后使用的想法變得流行起來，從而產生了更多的工具和技術。很快，企業IT系統的高度管理的數據與全面但往往不受控制的大規模數據池和來自博客、系統日志、傳感器、物聯網設備等的數據流之間出現了斷裂。但人工智能需要連接到所有這些數據，以及圖像、視頻、音頻和文本數據源。僅僅想管理所有這些連接就需要多個斷開和碎片化的工具。直到現在。

全面的新云解決方案通過管理以下三個關鍵事項在整個企業范圍內擴展人工智能：

• 你需要的數據，不管它在哪里或是什么樣的數據
• 使用數據科學團隊希望使用的工具和框架設計機器學習算法
• 使用云容器部署機器學習，以便能夠快速部署、管理和自動化大規模人工智能的端到端生命周期

人工智能是一種團隊合作，需要以下各方之間的協調與合作：

• 了解組織及其客戶需求的業務用戶
• 了解數據位置和結構的數據工程師
• 了解如何從數據中獲取價值的數據科學團隊
• 支持他們的IT和DevOps團隊

你的人工智能團隊的每一個成員都應該能夠一起工作以獲得最大的生產力和速度，并由軟件支持，該軟件提供了用于治理、元數據管理和機器學習透明度的內置工具。這種方法使您能夠確保他們努力的結果能夠被解釋、理解和信任。

創建人工智能裝配線

正如第二次工業革命是由實體制造的裝配線推動的一樣，第四次工業革命將由人工智能裝配線推動：人工智能的創造能力將被分解為由業務流程組合在一起并在規模上實現自動化的專門部分。通過這種方式，組織可以從其數據資產中獲取最大價值，并向其消費者和客戶提供最佳體驗。