我们最近主办了一个网络研讨会——CIO调查：企业对人工智能的挑战以及如何克服这些挑战——由IDG的研究总监Jen Garofalo主持，IDG的母公司首席信息官以及Databricks客户成功副总裁Pat McDonough。本次网络研讨会涵盖了最近首席信息官对200名高管进行的关于人工智能采纳和阻碍项目成功的挑战的调查。这项调查和报告聚焦于人工智能在各个行业的快速增长，以推动新的和创新的使用案例，从通过基因组医学加速药物发现，到为取悦和吸引客户的智能推荐引擎提供动力。正如Garofalo在网络研讨会上强调的，调查显示90%的公司都在投资人工智能相关技术。事实上，预计到2019年底，全球企业将在大数据和分析、人工智能和认知解决方案上投资1850亿美元*。但加罗法罗很快指出，虽然人工智能是最热门的技术趋势，但实际采用和部署的速度是另一回事。最值得注意的是，她指出，只有三分之一的人工智能项目是成功的。这意味着大多数项目没有按时完成，超出了预期预算，也没有产生预期的结果。那么，阻碍企业在业务中成功部署人工智能的主要障碍是什么？简言之，网络研讨会强调了以下三个挑战：人工智能成功的关键挑战挑战1：数据是成功的关键，但难以驾驭调查结果发现，96%的公司引用了与人工智能项目相关的数据挑战。这些挑战直接影响到将人工智能解决方案交付到生产中的复杂程度——一个人工智能项目平均需要6个月才能完成。有趣的是，超过一半的时间通常花在数据准备活动上。挑战#2：数据科学和工程孤岛，导致合作不力另一个导致人工智能项目陷入停滞的因素是数据科学和工程团队之间固有的筒仓。80%的团队将协作视为一项挑战，技术技能差距和项目管理和监督是这一分歧的主要驱动因素——导致沟通中断和摩擦，从而降低生产率。挑战3:ML框架和技术的爆炸性增长增加了复杂性随着人工智能的不断发展，可用的框架和工具的数量正在迅速增加。Garofalo指出，组织在数据处理、机器学习、数据流和深度学习方面平均使用了7种不同的工具。这种快速发展的技术环境给整个流程增加了巨大的复杂性，阻碍了那些没有专业知识和资源来利用最新可用框架和工具的公司。行业领导者的最佳实践网络研讨会不仅强调了人工智能应用的驱动因素和挑战，还提供了克服这些挑战的技巧。Pat McDonough，Databricks的客户成功副总裁，分享了我们许多客户的故事和经验，包括Regeneron和Riot Games，以及他们所采用的帮助他们从人工智能工作中获益的最佳实践。以下是行业领先公司共享的一些关键最佳实践：利用云来简化基础设施，降低前期成本，并为您的团队提供满足现代分析工作流程需求所需的弹性规模。为所有团队提供数据和数据输出（例如模型），以提高透明度、协作性和生产力。专注于提供必要的架构和脚手架，这样您的团队就可以利用最好的ML工具和框架来推动创新。如果您想了解其他最佳实践的更多信息，请按需观看网络研讨会。统一的分析方法Garofalo分享的调查结果的最后一点是，大多数公司都认同一个共同的主题：统一数据和人工智能方法的重要性。通过整合团队和数据工作流，预期的好处包括提高运营效率、加快上市时间、增加创新等等。如果您无法参加在线研讨会，并且希望了解确保AI成功的所有最佳实践，请单击此处观看在线研讨会。您还可以下载完整的报告"2018年趋势报告：企业人工智能采用"，这是基于IDG的CIO调查/首席信息官.*IDC全球大数据和分析支出指南和认知/人工智能系统支出指南下一步行动下载完整的调查报告，阅读详细的调查结果观看在线研讨会录制点播阅读本电子书，了解如何通过统一的分析方法加速创新免费试用Databricks。今天就开始吧