預測很難，特別是對未來進行預測，但是我們可以肯定，“AI Washing”將在2019年繼續興盛，蓬勃發展。

在其2019年的預測中，Forrester嘗試用一定的現實來緩和“人工智慧使用方面的非理性繁榮”，期待觀察企業在今天是如何實現自動化工作，並嘗試在資料分析和決策中新增智慧的——人工智慧和人類智慧。以下是對Forrester釋出的兩份報告——《預測2019：人工智慧》（Predictions 2019: Artificial Intelligence）和《預測2019：自動化》（Predictions 2019: Automation）——所做的摘要。

關鍵是資料：大多數公司都會發現，要實現他們對人工智慧的期望——無論誇大與否 ——他們必須投資建立“一個值得使用人工智慧的資料環境。”在採用人工智慧的公司中，有60%的決策者都表示資料質量是一個挑戰，或者是非常嚴峻的挑戰——這是他們在嘗試使用人工智慧時遇到的最大挑戰。

自動化和智慧的融合是一個新生事物：超過40％的企業將會通過把人工智慧與機器人過程自動化（RPA）相結合，創造出最先進的數字化工作者。RPA市場到2019年將達到17億美元，2021年將達到29億美元。到2019年底，由於認知系統、RPA和各種聊天機器人技術的成功結合，自動化將消除20%服務檯的互動。

沒有人才就一無所獲：三分之二的人工智慧決策者在尋找和獲取人工智慧人才方面苦苦掙扎，而83％的人在如何保住這些人才方面苦苦掙扎。解決方案可能至少部分地存在於問題本身，而且聽起來有點矛盾：公司應該使用人工智慧來尋找稀缺的人工智慧方面的人才。

讓人類重新迴歸：10％的企業在實施人工智慧應用程式時，將需要新增知識工程——人類的智慧和專業知識——以“提取推理規則並進行編碼，並通過他們的專業員工和客戶構建知識圖。”

人類會重塑自我：約有十分之一的創業企業在創立的時候使用的數字化員工就要比人類員工多。美國有10%的就業崗位將要因為自動化消失——但是將會有大約相當於目前就業崗位3%的新崗位被創造出來。自動化將有助於改善員工體驗，因為人類不用在操心那些死板重複的任務了。

在可解釋的人工智慧中尋求信任：對透明且易於理解的模型的需求將會增加。45％的人工智慧決策者們表示，信任人工智慧系統是一個挑戰，或者是非常嚴峻的挑戰。

集中化，混亂：40％的企業將擁有自動化中心。變更管理、不可預測能力、控制、審計和安全問題將在2019全年引發企業治理問題。作為應對，企業將投資在統一框架基礎上設計的中央協調——自動化中心。

關於預測，可以確定的另一點是，有些預測不會實現，而一些新的趨勢會突然橫空出世。我詢問了Forrester的分析師們：對於2018年，你的預測中有哪些事情並沒有發生，而又有哪些你沒有預料到的事情發生了？

人工智慧方面的Michele Goetz：

沒有發生的事情：我曾經預測企業會認識到人工智慧是一種獲得更好業務成果的方式，而不是將人工智慧視為自己的分析專案。相反，很多企業傾向於在資料科學實驗室中繼續測試和試驗機器學習。即使大多數公司都到了人工智慧旅程的第二年和第三年，情況也是如此。因此，人工智慧仍然被認為是分析工具，是IT的事，而不是業務加速器或一種創新。

讓我感到驚訝的事：企業在人工智慧方面通過行業聯盟進行合作，通過同現有服務供應商合作伙伴的合作，增強人工智慧的功能和能力。所以，即便他們是自己或者通過他們的技術供應商，使用現成的解決方案構建人工智慧功能，他們還是覺得與瞭解他們業務的分析服務供應商和系統整合商相比，聯盟是擁有更多人工智慧專業知識的地方。

自動化方面的JP Gownder：

令我驚訝的是UiPath等機器人過程自動化公司的高估值，該公司在C輪融資中籌集了2.25億美元，估值高達30億美元。我的同事Craig Le Clair在RPA及其快速增長軌跡方面一直處於領先地位。但市場對UiPath及其競爭對手的估值增長速度甚至超出了我的預期。

另一方面，我曾預測企業將在運營和麵向客戶的場景中更廣泛地採用物理機器人技術。但這裡存在著許多障礙：企業發現很難在運營和IT之間進行協調。讓這些機器人在現場工作的相關工程問題也非常突出。太多的機器人仍然需要你將工作空間改造為結構化或者半結構化的空間，而可以穿越非結構化空間的機器人最為經濟。而且我們缺少用物理機器人輕鬆構建系統的平臺——我預計這個問題會在2019年得到緩解。

本文轉自至頂頭條