AI是基于智能算法执行任务的机器

围绕人工智能(AI)的热议在企业中从未出现过。如果仅反映了我们的认知偏见，那么将类人特征归因于软件的趋势是令人兴奋的。

但是在这种最初的迷恋之下，人工智能在利用我们现在正在积累的海量数据方面具有真正的实质。简而言之，AI是基于智能算法执行任务的机器-它是从丰富的数据集中学习并对其执行操作的计算机，而没有经过明确的编程即可这样做。

作为消费者或仅仅是人们，我们经常以预测建模或机器学习的形式遇到此技术，其中建立模型以基于新数据点做出未来决策。无论是Netflix建议您接下来要看什么，Google Maps知道您可能在晚上6点回家，还是Revolut帐户标记为异常付款，这都是我们日常使用的产品和服务的形式。

根据SnapLogic委托Vanson Bourne进行的一项研究，正是由于这些智能产品的吸引，导致93%的英国和美国组织将AI视为业务优先事项。

但是，产品用户经常将AI和机器学习的功能作为UX的好处，而不是由仍然依赖传统解决方案的产品制造商(在后端拥有自己的其他所有人)享受数据压缩算法可以提供的便利的需求和要求。或适用于可以使企业更安全，更具弹性的全业务系统。

人工智能在优化企业后端工作中具有重要的应用，使组织能够更快地预测和响应趋势，事件甚至威胁。Splunk的《组织中的AI和机器学习》电子书阐明了AI在幕后发挥全面影响的地方。

人工智能

尽管可以改进最终用户的产品，但制造该产品的开发人员可能仍在处理复杂的IT结构，成千上万的警报以及日益不透明的环境。

现在，有一些软件系统可以自主地改进和替换IT运营。

用于IT运营或AIOps的人工智能是“ IT中的大数据与机器学习的结合”。AIOps由Gartner于2017年创立，如今已成为IT领域的一种增长趋势。它利用历史数据通过将资源分配给低价值的重复性任务来提高生产率，并结合了预测分析和自动事件响应功能来更快地修复问题。

随着所有企业变得对技术的依赖以及IT团队的不断壮大，AIOps已成为一个新兴行业，其中不乏供应商和专家，他们专注于性能监控，事件关联和分析，IT服务管理和自动化。

最终结果?为企业和更高效(和更快乐)的工程师节省了时间和金钱。“对于继续从事数据和例行任务的IT运营团队而言，自动化仍然是最重要的最终目标，” OpsRamp高级副总裁Bhanu Singh此前对TechHQ表示。

网络安全中的AI

企业可以“藏在人群中”的日子已经一去不复返了。网络犯罪分子的技术是如此广泛，以至于仅连接到Internet即可打开威胁之门，其中包括受感染的网站，网络钓鱼电子邮件和分布式拒绝服务攻击。

不幸的是，企业没有做好充分准备来全面预防，检测和应对不断增长的威胁数量和复杂性的准备。

根据《网络安全投资公司官方年度网络犯罪报告》，勒索软件攻击每14秒发生一次。面对如此多的攻击，企业正在转向AI和机器学习功能，以帮助填补稀缺的网络安全专家。

在网络安全中，机器学习在高级威胁检测和阻止内部威胁中具有应用，这需要更细微的方法来进行监视和响应。可以通过自动和智能的异常检测来解决在网络内横向移动的复杂攻击或因不知情而访问敏感信息而导致的破坏。

人工智能和机器学习可以使分析人员和安全团队从应用程序，端点和网络设备中读取大量日志和事件数据，以进行快速调查和发现模式以确定事件的根本原因。

随着威胁形势的发展，网络安全漏洞的损失对小型企业和大型企业而言都越来越具有灾难性，人工智能和机器学习正帮助组织提高检测速度，影响分析和响应能力。

挑战?

数据以及许多数据是任何AI或机器学习计划成功的核心。为了利用组织内这些智能系统的优势，企业必须准备进行必要的手动工作和资源，以精炼大量数据，从而为AI模型提供学习和燃烧所需的燃料。

据IBM云与认知软件高级副总裁Arvind Krishna称，在IBM，一家比大多数新兴技术市场更具远见的公司，与数据相关的竞争是该公司客户停止或取消人工智能项目的首要原因。

克里希纳去年在《华尔街日报》举办的“万事俱备的未来”节上说，公司发现自己在获取和准备数据的工作和成本方面准备不足，这些数据工作占人工智能项目的80%。

克里希纳说：“[……]你在这一过程中已经没有耐心了，因为你的第一年只是在收集和整理数据。”。他解释说，公司可能会对这项工作失去耐心和幻想，并“有点逃避”

然而，你拥有的数据越多越好，一旦繁重的工作被淘汰，有效的人工智能和机器学习就意味着组织不再被数据所束缚，而是被数据提升了。挑战就在眼前，但好处本身就说明了问题(而且起作用了)。