摘要：如今，人工智能技术已经广泛应用在各行业和领域：可穿戴设备、汽车、生产力应用程序、军事、医疗保健、家庭娱乐等等，行业专家对人工智能如何革新业务流程进行了解释和分析。

  如今，人工智能技术已经广泛应用在各行业和领域：可穿戴设备、汽车、生产力应用程序、军事、医疗保健、家庭娱乐等等，行业专家对人工智能如何革新业务流程进行了解释和分析。
　　
　　由于在过去的五年中出现了许多不同的情况，形成了重要的融合，因此人工智能和机器学习除了在数据中心或家庭中通常使用的设备之外，也越来越多地应用在云平台和边缘计算设施中。
　　
　　例如，高速带宽、5G连接性、超高质量的代码和代码库、前所未有的强大处理器(比以前的型号功耗更低)、无限的存储容量、设计巧妙的移动和固定连接设备、种类繁多的云服务等，那么下一步的发展是什么?
　　
　　总部位于加利福尼亚州的Mounworks公司首席技术官兼联合创始人VaibhavNivargi撰写了一篇问答式文章。该公司将人工智能技术广泛应用于IT用例。
　　
　　人工智能技术给许多行业领域带来影响，但是在IT支持方面似乎服务不足，是这样吗?
　　
　　Nivargi：在大多数情况下，IT支持仍由组织的IT团队进行管理，这意味着该过程往往会非常缓慢。在各行各业中，我们发现每个IT支持服务平均需要3个工作日才能解决，而在完全依靠技术来完成任何事情的时候，有些工作就陷入了停滞状态。而且，由于IT团队不愿解决重复而频繁的技术问题，例如重置密码和编辑电子邮件组，因此他们没有时间专注于关键的数字化转型项目。
　　
　　除了对生产力和数字化转型的影响之外，获得IT人工支持的方法还直接影响到利润。例如，就算每名普通员工每月提交一张IT票证。平均来说，使用传统的方法处理每张票证大约需要25美元的成本，例如采用服务台代理、工作流工具、服务中心等等。对于一家拥有1万名员工的公司来说，每年仅用于支持成本的支出就达到300万美元。
　　
　　Moveworks公司所做的工作使IT团队能够使用人工智能技术自动解决这些故障单，而花费很少的成本。人工智能和机器学习已经帮助加速和扩展了各个业务领域的大量流程。将这种逻辑扩展到支持工作中的员工现在可以产生类似的强大结果。
　　
　　IT技术一直在推动现代化已有一段时间。是什么阻碍了它?
　　
　　Nivargi：根据我们的经验，许多大公司的首席信息官担心添加任何新的人工智能解决方案，其实他们应该提倡IT现代化。他们通常有两个反对理由：一方面，他们担心增加更多的工具会增加最终用户的复杂性;另一方面，他们担心维护人工智能将需要团队成员做太多的工作，导致最终结果将是负面的。当然，这些都是合理的考虑。大多数企业已经使用了更多的工具和应用程序，而且许多人工智能解决方案实际上是IT团队必须自己构建和管理的“人工智能工具包”。
　　
　　而抵制IT现代化很有趣，因为这样做的主要目的是减少最终用户的复杂性和IT团队的负担。因此，我们采用的方法是处理聊天机器人的语言处理模型和后端集成，以便使幕后技术对员工和代理商不可见。最终，现代化的IT意味着简化IT：无需进行IT团队的参与，即可通过与机器人对话，使员工自动获得所需的支持。
　　
　　对于IT团队来说，这是有趣的一年，因为他们必须保持远程劳动力的生产力。您和您的客户感觉如何?
　　
　　Nivargi：我们从来没有预料到我们的平台会被广泛地应用于任何地方的工作场景中。几乎在一夜之间，部署IT服务台就成为了各行业组织内部每个部门的关键任务。现在，获得技术支持比以往任何时候都更为迫切，无论员工身在何处，何时提出要求，他们都需要立即得到帮助。这是为人工智能量身定制的问题。
　　
　　在服务台方面，最初向在家远程工作的转型面临着大量的请求，同时面临新的挑战，例如使远程员工保持最新状态并回答有关企业政策的问题。
　　
　　例如我们的客户UnityTechnologies公司，该公司的员工第一个月在家远程工作非常繁忙，对Zoom许可证的请求增加了6倍，对政策的质疑增加了5倍，IT问题的总数几乎翻了一番。
　　
　　Unity公司工作人员则求助于Moveworks公司聊天机器人NinjaUnicorn。在转移到远程工作的过程中，与NinjaUnicorn交互次数是原来的三倍，其结果是Unity的IT团队成功地满足了不断增长的支持需求。
　　
　　虽然工作的未来充满不确定性，但是毫无疑问，人工智能将发挥核心作用。
　　
　　很多组织对人工智能技术感到好奇，因为IT部门倾向于使用较小的数据集，人工智能不需要大量的数据集来产生结果吗?
　　
　　Nivargi：这是一个很好的问题。确实，有效地训练机器学习(ML)模型需要“大数据”，即数百万个数据点，这些数据点最终使模型可以做出可靠的预测。问题在于大多数公司根本没有太多例子可以使用。例如，一家规模较小的公司可能只有30个相关数据需要自动处理，而谷歌公司可能有30万亿个相关数据需要自动处理。
　　
　　但是，如果能够克服它对于机器学习的明显缺点，则企业中的“小数据”实际上非常有用。例如，小数据比大数据具有更大的个人相关性潜力，因为小数据可以从极其特定的环境中捕获模式和趋势。
　　
　　由于有了更大的数据集、更多预算和机器学习团队，大型科技公司仍然拥有优势。但幸运的是，几乎任何组织都能够以最小的努力使人工智能投入工作，而无需雇用专门的专家团队来维护它。借助集体学习等技术，第三方人工智能供应商可以为中型组织提供支持，并帮助他们从强大的机器学习中受益。对于来自多个公司的数据中出现统一模式(例如IT支持)的用例尤其如此。
　　
　　简而言之，不必因“小数据”问题而妨碍机器学习的努力。
　　
　　在IT高管和首席信息官考虑在2021年加速IT支持时，有什么建议吗?
　　
　　Nivargi：服务台需要停止IT支持的恶性循环，在这种恶性循环中，代理商忙于解决个别IT问题，以至于他们没有时间解决根本问题和效率低下的问题，从而给最终用户带来更多问题。
　　
　　当然，这说起来容易做起来难。以下是IT团队可以采取的一些步骤：
　　
　　•从所有IT票据收集和综合数据，以发现用户行为趋势。始终如一地跟踪所有票证(无论是人工处理还是使用自动化系统)，都可以为优先级最高的人工智能用例确定优先级。
　　
　　•确定更常见和更耗时的支持请求，这些请求是自动化的潜在候选者。例如，解锁用户帐户、配置软件、编辑电子邮件组以及订购设备。
　　
　　•实现无需服务台干预即可解决这些常见请求的人工智能聊天机器人。一些聊天机器人(包括Moveworks公司的聊天机器人)还提供了用户行为趋势的可视性，以加快步骤。
　　
　　我们的一些客户担心在初次与人工智能和机器学习合作时，他们的环境还不够成熟。因为在采用解决方案之前，通常不知道会面临什么问题，尤其是在机器学习中，而这一解决方案通常是一种有价值的资产，并且随着时间的推移影响力会越来越大。
　　
　　编辑：Harris