【机器学习】AWS为Amazon Connect添加了机器学习功能
【智能自动化】IT进入智能自动化时代
为了扩大业务流程自动化的好处，领先的组织正结合AI和机器学习扩展其RPA实施。
自疫情爆发以来，各组织越来越多地发起旨在实现业务流程自动化的举措，转而采用机器人流程自动化（RPA）等技术，以降低成本、加快任务速度并提高核心业务运营的准确性。
然而，一些领先组织并没有就此止步。为了推动他们的自动化议程，他们正在向更广泛的“智能自动化”（IA）迈进，这是一种将人工智能（AI）和机器学习（ML）等能力编织成标准RPA以增强其功能的战略。
全球IT咨询公司Tech Mahindra美洲战略纵向市场总裁Lakshmanan Chidambaram表示，除了RPA、AI和ML之外，智能自动化战略还可以融合多种技术，如自然语言处理、聊天机器人以及其他相辅相成的技术。
奇丹巴拉姆说：“与简单的RPA自动化相比，这些技术使我们能够在更大程度上自动化业务流程。”。
随着RPA采用的成熟，IA似乎也会在寻求改善自动化结果的企业中获得吸引力。Gartner于2022年8月发布的一份报告预计，今年全球RPA软件支出将达到29亿美元，比2021增长20%。该研究公司表示，2023年全球RPA市场预计将继续经历两位数的增长。
【MLOps】充分利用 MLOps
希望从人工智能中获得全部商业利益的企业正在转向 MLOps——一组旨在实现人工智能的新兴最佳实践和工具。
当公司第一次开始部署人工智能和构建机器学习项目时，重点往往是理论。 有没有可以提供必要结果的模型？ 如何建造？ 怎么训练？
但是数据科学家用来创建这些概念证明的工具通常不能很好地转化为生产系统。 因此，根据 IDC 的数据，部署 AI 或 ML 解决方案平均需要 9 个多月的时间。
IDC 分析师 Sriram Subramanian 说：“我们称之为‘模型速度’，即从开始到结束需要多少时间。”
这就是 MLOps 的用武之地。MLOps — 机器学习操作 — 是一组最佳实践、框架和工具，可帮助公司管理数据、模型、部署、监控以及采用理论概念验证 AI 系统的其他方面并投入使用。
“MLOps 将模型速度降低到几周——有时是几天，”Subramanian 说。 “就像使用 DevOps 加快构建应用程序的平均时间一样，这就是您需要 MLOps 的原因。”
他说，通过采用 MLOps，公司可以构建更多模型、更快地创新并解决更多用例。 “价值主张很明确，”他说。
【企业数据管理】使用 替换数据的 5 个隐藏成本
Alt 数据为企业提供了获得竞争优势的机会，但将其集成到业务工作流程中的成本可能比您想象的要高。
现在，替代数据源已嵌入到各个部门的企业业务流程中。根据律师事务所 Lowenstein Sandler 2022 年的一项调查，从对冲基金和私募股权到风险投资，92% 的投资组织正在适度或显着地使用替代数据来为决策提供信息。受访者还预计到 2022 年他们对 alt 数据的使用将增加。通常，这些数据来自其他业务流程的耗尽，例如社交媒体活动、卫星图像、位置跟踪数据、信用卡交易和网络抓取。
虽然 alt 数据可以在整个组织中使用，从营销和销售到财务和战略职能，但 IT 部门通常负责第三方数据的管理和所有权。 2019 年，Forrester Research 发现 56% 的 alt 数据采集由 IT 部门的 CIO 和 CDO 管理。
采购、存储和管理 alt 数据给 IT 经理带来了新的挑战，并且可能带来大量不必要的成本。以下是 5 个此类挑战以及如何减轻其影响。
【人工智能】7 种著名的分析和 AI 灾难
来自数据和机器学习算法的洞察力可能非常宝贵，但错误可能会让您失去声誉、收入甚至生命。 这些备受瞩目的分析和人工智能失误说明了可能出现的问题。
2017 年，《经济学人》宣布，数据而非石油已成为世界上最有价值的资源。从那以后，这种副歌一直在重复。各个行业的组织已经并将继续在数据和分析方面进行大量投资。但就像石油一样，数据和分析也有其阴暗面。
根据 CIO 的《2022 年 CIO 状况》报告，35% 的 IT 领导者表示，数据和业务分析将在今年推动其组织的最大 IT 投资。 20% 的 IT 领导者表示机器学习/人工智能将推动最多的 IT 投资。从机器学习算法驱动的分析和行动中获得的洞察力可以为组织带来竞争优势，但在声誉、收入甚至生命方面，错误可能会付出高昂的代价。
了解您的数据及其告诉您的信息很重要，但了解您的工具、了解您的数据并牢记组织的价值观也很重要。
以下是过去十年中一些备受瞩目的分析和人工智能错误，以说明可能出现的问题。