如今，人工智能技術(shù)已經(jīng)廣泛應(yīng)用在各行業(yè)和領(lǐng)域：可穿戴設(shè)備、汽車、生產(chǎn)力應(yīng)用程序、軍事、醫(yī)療保健、家庭娛樂等等，行業(yè)專家對人工智能如何革新業(yè)務(wù)流程進(jìn)行了解釋和分析。

由于在過去的五年中出現(xiàn)了許多不同的情況，形成了重要的融合，因此人工智能和機(jī)器學(xué)習(xí)除了在數(shù)據(jù)中心或家庭中通常使用的設(shè)備之外，也越來越多地應(yīng)用在云平臺(tái)和邊緣計(jì)算設(shè)施中。

例如，高速帶寬、5G連接性、超高質(zhì)量的代碼和代碼庫、前所未有的強(qiáng)大處理器（比以前的型號功耗更低）、無限的存儲(chǔ)容量、設(shè)計(jì)巧妙的移動(dòng)和固定連接設(shè)備、種類繁多的云服務(wù)等，那么下一步的發(fā)展是什么？

總部位于加利福尼亞州的Mounworks公司首席技術(shù)官兼聯(lián)合創(chuàng)始人Vaibhav Nivargi撰寫了一篇問答式文章。該公司將人工智能技術(shù)廣泛應(yīng)用于IT用例。

人工智能技術(shù)給許多行業(yè)領(lǐng)域帶來影響，但是在IT支持方面似乎服務(wù)不足，是這樣嗎？

Nivargi：在大多數(shù)情況下，IT支持仍由組織的IT團(tuán)隊(duì)進(jìn)行管理，這意味著該過程往往會(huì)非常緩慢。在各行各業(yè)中，我們發(fā)現(xiàn)每個(gè)IT支持服務(wù)平均需要3個(gè)工作日才能解決，而在完全依靠技術(shù)來完成任何事情的時(shí)候，有些工作就陷入了停滯狀態(tài)。而且，由于IT團(tuán)隊(duì)不愿解決重復(fù)而頻繁的技術(shù)問題，例如重置密碼和編輯電子郵件組，因此他們沒有時(shí)間專注于關(guān)鍵的數(shù)字化轉(zhuǎn)型項(xiàng)目。

除了對生產(chǎn)力和數(shù)字化轉(zhuǎn)型的影響之外，獲得IT人工支持的方法還直接影響到利潤。例如，就算每名普通員工每月提交一張IT票證。平均來說，使用傳統(tǒng)的方法處理每張票證大約需要25美元的成本，例如采用服務(wù)臺(tái)代理、工作流工具、服務(wù)中心等等。對于一家擁有1萬名員工的公司來說，每年僅用于支持成本的支出就達(dá)到300萬美元。

Moveworks公司所做的工作使IT團(tuán)隊(duì)能夠使用人工智能技術(shù)自動(dòng)解決這些故障單，而花費(fèi)很少的成本。人工智能和機(jī)器學(xué)習(xí)已經(jīng)幫助加速和擴(kuò)展了各個(gè)業(yè)務(wù)領(lǐng)域的大量流程。將這種邏輯擴(kuò)展到支持工作中的員工現(xiàn)在可以產(chǎn)生類似的強(qiáng)大結(jié)果。

IT技術(shù)一直在推動(dòng)現(xiàn)代化已有一段時(shí)間。是什么阻礙了它？

Nivargi：根據(jù)我們的經(jīng)驗(yàn)，許多大公司的首席信息官擔(dān)心添加任何新的人工智能解決方案，其實(shí)他們應(yīng)該提倡I(xiàn)T現(xiàn)代化。他們通常有兩個(gè)反對理由：一方面，他們擔(dān)心增加更多的工具會(huì)增加最終用戶的復(fù)雜性;另一方面，他們擔(dān)心維護(hù)人工智能將需要團(tuán)隊(duì)成員做太多的工作，導(dǎo)致最終結(jié)果將是負(fù)面的。當(dāng)然，這些都是合理的考慮。大多數(shù)企業(yè)已經(jīng)使用了更多的工具和應(yīng)用程序，而且許多人工智能解決方案實(shí)際上是IT團(tuán)隊(duì)必須自己構(gòu)建和管理的“人工智能工具包”。

而抵制IT現(xiàn)代化很有趣，因?yàn)檫@樣做的主要目的是減少最終用戶的復(fù)雜性和IT團(tuán)隊(duì)的負(fù)擔(dān)。因此，我們采用的方法是處理聊天機(jī)器人的語言處理模型和后端集成，以便使幕后技術(shù)對員工和代理商不可見。最終，現(xiàn)代化的IT意味著簡化IT：無需進(jìn)行IT團(tuán)隊(duì)的參與，即可通過與機(jī)器人對話，使員工自動(dòng)獲得所需的支持。

對于IT團(tuán)隊(duì)來說，這是有趣的一年，因?yàn)樗麄儽仨毐３诌h(yuǎn)程勞動(dòng)力的生產(chǎn)力。您和您的客戶感覺如何？

Nivargi：我們從來沒有預(yù)料到我們的平臺(tái)會(huì)被廣泛地應(yīng)用于任何地方的工作場景中。幾乎在一夜之間，部署IT服務(wù)臺(tái)就成為了各行業(yè)組織內(nèi)部每個(gè)部門的關(guān)鍵任務(wù)?，F(xiàn)在，獲得技術(shù)支持比以往任何時(shí)候都更為迫切，無論員工身在何處，何時(shí)提出要求，他們都需要立即得到幫助。這是為人工智能量身定制的問題。

在服務(wù)臺(tái)方面，最初向在家遠(yuǎn)程工作的轉(zhuǎn)型面臨著大量的請求，同時(shí)面臨新的挑戰(zhàn)，例如使遠(yuǎn)程員工保持最新狀態(tài)并回答有關(guān)企業(yè)政策的問題。

例如我們的客戶Unity Technologies公司，該公司的員工第一個(gè)月在家遠(yuǎn)程工作非常繁忙，對Zoom許可證的請求增加了6倍，對政策的質(zhì)疑增加了5倍，IT問題的總數(shù)幾乎翻了一番。

Unity公司工作人員則求助于Moveworks公司聊天機(jī)器人Ninja Unicorn。在轉(zhuǎn)移到遠(yuǎn)程工作的過程中，與Ninja Unicorn交互次數(shù)是原來的三倍，其結(jié)果是Unity的IT團(tuán)隊(duì)成功地滿足了不斷增長的支持需求。

雖然工作的未來充滿不確定性，但是毫無疑問，人工智能將發(fā)揮核心作用。

很多組織對人工智能技術(shù)感到好奇，因?yàn)镮T部門傾向于使用較小的數(shù)據(jù)集，人工智能不需要大量的數(shù)據(jù)集來產(chǎn)生結(jié)果嗎？

Nivargi：這是一個(gè)很好的問題。確實(shí)，有效地訓(xùn)練機(jī)器學(xué)習(xí)（ML）模型需要“大數(shù)據(jù)”，即數(shù)百萬個(gè)數(shù)據(jù)點(diǎn)，這些數(shù)據(jù)點(diǎn)最終使模型可以做出可靠的預(yù)測。問題在于大多數(shù)公司根本沒有太多例子可以使用。例如，一家規(guī)模較小的公司可能只有30個(gè)相關(guān)數(shù)據(jù)需要自動(dòng)處理，而谷歌公司可能有30萬億個(gè)相關(guān)數(shù)據(jù)需要自動(dòng)處理。

但是，如果能夠克服它對于機(jī)器學(xué)習(xí)的明顯缺點(diǎn)，則企業(yè)中的“小數(shù)據(jù)”實(shí)際上非常有用。例如，小數(shù)據(jù)比大數(shù)據(jù)具有更大的個(gè)人相關(guān)性潛力，因?yàn)樾?shù)據(jù)可以從極其特定的環(huán)境中捕獲模式和趨勢。

由于有了更大的數(shù)據(jù)集、更多預(yù)算和機(jī)器學(xué)習(xí)團(tuán)隊(duì)，大型科技公司仍然擁有優(yōu)勢。但幸運(yùn)的是，幾乎任何組織都能夠以最小的努力使人工智能投入工作，而無需雇用專門的專家團(tuán)隊(duì)來維護(hù)它。借助集體學(xué)習(xí)等技術(shù)，第三方人工智能供應(yīng)商可以為中型組織提供支持，并幫助他們從強(qiáng)大的機(jī)器學(xué)習(xí)中受益。對于來自多個(gè)公司的數(shù)據(jù)中出現(xiàn)統(tǒng)一模式（例如IT支持）的用例尤其如此。

簡而言之，不必因“小數(shù)據(jù)”問題而妨礙機(jī)器學(xué)習(xí)的努力。

在IT高管和首席信息官考慮在2021年加速IT支持時(shí)，有什么建議嗎？

Nivargi：服務(wù)臺(tái)需要停止IT支持的惡性循環(huán)，在這種惡性循環(huán)中，代理商忙于解決個(gè)別IT問題，以至于他們沒有時(shí)間解決根本問題和效率低下的問題，從而給最終用戶帶來更多問題。

當(dāng)然，這說起來容易做起來難。以下是IT團(tuán)隊(duì)可以采取的一些步驟：

從所有IT票據(jù)收集和綜合數(shù)據(jù)，以發(fā)現(xiàn)用戶行為趨勢。始終如一地跟蹤所有票證（無論是人工處理還是使用自動(dòng)化系統(tǒng)），都可以為優(yōu)先級最高的人工智能用例確定優(yōu)先級。

確定更常見和更耗時(shí)的支持請求，這些請求是自動(dòng)化的潛在候選者。例如，解鎖用戶帳戶、配置軟件、編輯電子郵件組以及訂購設(shè)備。

實(shí)現(xiàn)無需服務(wù)臺(tái)干預(yù)即可解決這些常見請求的人工智能聊天機(jī)器人。一些聊天機(jī)器人（包括Moveworks公司的聊天機(jī)器人）還提供了用戶行為趨勢的可視性，以加快步驟。

我們的一些客戶擔(dān)心在初次與人工智能和機(jī)器學(xué)習(xí)合作時(shí)，他們的環(huán)境還不夠成熟。因?yàn)樵诓捎媒鉀Q方案之前，通常不知道會(huì)面臨什么問題，尤其是在機(jī)器學(xué)習(xí)中，而這一解決方案通常是一種有價(jià)值的資產(chǎn)，并且隨著時(shí)間的推移影響力會(huì)越來越大。
責(zé)編AJX