人工智能的進(jìn)步使機(jī)器變得更智能，因此功能最強(qiáng)大，最耗數(shù)據(jù)的機(jī)器現(xiàn)在可以承擔(dān)更復(fù)雜的工作。但是，人工智能仍然不完全適合于仆人機(jī)器人，駕駛車輛，尋找新星球或應(yīng)對大流行病。

原因：盡管AI發(fā)展迅速，但它仍然無法滿足人類能力的需求。機(jī)器仍然沒有（也可能永遠(yuǎn)沒有）我們的直覺決策能力來做出有意識的決策。無論過去的信息如何，人類都是能夠預(yù)見事件并處理關(guān)鍵決策的人。

而且，順便說一下，人在配置機(jī)器決策過程的幕后。盡管如此，機(jī)器在特定任務(wù)上的訓(xùn)練和比我們更好。

所有這些都由湯姆·達(dá)文波特（Tom Davenport）進(jìn)行了探索，湯姆·達(dá)文波特（Babson College）總裁是信息技術(shù)和管理領(lǐng)域的杰出教授，是國際分析學(xué)會的聯(lián)合創(chuàng)始人，麻省理工學(xué)院數(shù)字經(jīng)濟(jì)計(jì)劃的發(fā)起人。在BizOps宣言發(fā)布會期間，他與SiliconANGLE Media的直播工作室CUBE的主持人Jeff Frick進(jìn)行了交談。他們討論了BizOps聯(lián)盟，BizOps宣言和AI決策制定。為簡潔起見，采訪進(jìn)行了精簡。（*以下披露。）

我碰到了您的LinkedIn帖子，第一句話引起了我的注意：“我一直對解決技術(shù)在企業(yè)中如何運(yùn)作的長期問題的新嘗試很感興趣?！蹦贐izOps中看到了什么解決了這些真正的長期大問題之一？

Davenport：長期的問題是，我們在業(yè)務(wù)人員和IT人員之間的聯(lián)系較差;在業(yè)務(wù)目標(biāo)和解決這些目標(biāo)的IT解決方案之間。因此，BizOps是使用新框架來解決該問題的新嘗試。

責(zé)任編輯：lq