人工智能(AI)產(chǎn)業(yè)是數(shù)字經(jīng)濟的重要組成部分。企業(yè)在數(shù)字化轉(zhuǎn)型的早期實踐中，比較關(guān)心基礎(chǔ)類數(shù)據(jù)應(yīng)用，比如基于查數(shù)、用數(shù)的管理支持或流程支持。

數(shù)據(jù)本身即產(chǎn)品，這是不少從事數(shù)字化工作者的直觀邏輯。當數(shù)據(jù)治理完成后，能夠看到這些數(shù)據(jù)并清楚地知道這些數(shù)據(jù)的真實業(yè)務(wù)含義，就已經(jīng)相當不錯了。

人工智能的應(yīng)用，是數(shù)字化轉(zhuǎn)型的未來趨勢。近期的大模型產(chǎn)業(yè)之流行，也將這個趨勢拉上了一個新的高度。

越來越多的企業(yè)開始認識到，人工智能技術(shù)正是數(shù)字化2.0的核心要義。

從數(shù)字化，到數(shù)智化，這是一個新賽道。很多傳統(tǒng)的軟件廠商都會面臨挑戰(zhàn)。傳統(tǒng)的SaaS邏輯，ERP邏輯，本質(zhì)上是以流程為中心進行方案設(shè)計和IT實施。

而在智能化的浪潮下，無論是甲方單位還是軟件廠商，都應(yīng)該關(guān)注數(shù)據(jù)本身的價值——從以流程為中心到以數(shù)據(jù)要素為中心。

數(shù)據(jù)的價值包含顯性價值和隱性價值。顯性價值，在“數(shù)據(jù)集成”和“數(shù)據(jù)貫通”完成的那一刻就已然實現(xiàn)了，而隱性價值則依賴于先進算法技術(shù)的加工和挖掘。

如果把數(shù)據(jù)比喻成食材。除了數(shù)據(jù)自身的質(zhì)量很重要，加工數(shù)據(jù)的技術(shù)和手段同樣重要(好的廚師)。云算力的普惠化和“低代碼”的MaaS平臺，把AI的門檻逐漸降低。

當企業(yè)可以輕便地接入AI能力的同時，接下來是一件非常關(guān)鍵的步驟，即構(gòu)建專門針對AI應(yīng)用落地的數(shù)據(jù)治理工作——這是數(shù)據(jù)治理的新方向!

在AI數(shù)據(jù)治理活動，除了需要不斷完善基礎(chǔ)的數(shù)據(jù)質(zhì)量提升工作，還需要構(gòu)建高質(zhì)量的AI數(shù)據(jù)集。

例如，基于特定的策略篩選出對模型提升有重要價值的代表性數(shù)據(jù)樣本，再或者，采用手動或半自動的方式構(gòu)建符合訓練過程范式的規(guī)整化數(shù)據(jù)集。

那么問題來了，基于AI的數(shù)字化應(yīng)用，一般都有哪些具體的落地思路方向呢?

其實很簡單，AI的本質(zhì)，就是自動化，人工智能本身也是自動化技術(shù)的重要分支。

一是感知類應(yīng)用。自動從多模態(tài)數(shù)據(jù)(圖片、文本、視頻、音頻等)中，提煉有價值的業(yè)務(wù)信息，回答what now的問題。發(fā)生了什么。

例如，文本智能分析、語音特征識別、圖像實時監(jiān)控等。

二是認知類應(yīng)用。利用上述信息，預測未知場景(當下不可知的場景或未來情況)，回答what future相關(guān)的問題。

例如，財務(wù)指標預測、自然災(zāi)害預警、設(shè)備風險評估等。

三是決策類(生成類)應(yīng)用?；趙hat now和what future的答案，告知人或者機器應(yīng)該如何去做，回答how的問題。

例如，內(nèi)容自動推薦、智能文檔生成、資源動態(tài)調(diào)度、檢修計劃制定等。

AI技術(shù)的智能屬性來自于數(shù)據(jù)資源本身蘊含的業(yè)務(wù)知識和專家經(jīng)驗。

將數(shù)據(jù)要素以AI模型的方式進行構(gòu)建和部署，可以快速復制業(yè)務(wù)產(chǎn)能，打造出高效率的知識型、智慧型組織!