全球領先的信息技術研究和顧問公司Gartner於近期開展的一項調查顯示，目前使用人工智能（AI）或機器學習（ML）的企業機構中，平均有四個己部署的人工智能/機器學習項目。其中59%的受訪者表示，他們已經部署了人工智能。

Gartner於2018年12月以在線調查的方式對106位Gartner研究圈（Gartner Research Circle）成員開展了“人工智能與機器學習發展戰略”研究。Gartner研究圈是一個由Gartner管理的專家組，該小組由IT和IT/業務專業人士組成。“人工智能與機器學習發展戰略”研究的參與者需要具備當前或計劃在其所在企業機構部署的機器學習或人工智能的業務和技術知識。

Gartner研究副總裁Jim Hare表示：“今年人工智能的採納速度明顯加快。人工智能項目數量的增加意味著企業機構可能需要通過內部重組來保證人工智能項目獲得相應的人員和資金。最好的方法是建立一個人工智能卓越中心（AI Center of Excellence）來最有效地分配技能、獲得資金、設置優先級別和分享最佳實踐。”

目前，人工智能項目的平均部署數量為4個，但受訪者預計在未來12個月內將增加6個項目，且在未來3年內將再增加15個（參見圖一）。也就是說，到2022年，這些企業機構預計將平均部署35個人工智能和機器學習項目。

圖一、人工智能或機器學習項目平均部署數量

來源：Gartner（2019年7月）

客戶體驗（CX）和任務自動化是關鍵動力

40%的企業機構認為客戶體驗是他們使用人工智能技術的最大動力。儘管聊天機器人或虛擬個人助理等技術也可用於為外部客戶提供服務，但目前大部分企業機構（56%）專注在內部使用人工智能為決策提供支持和向員工提出建議。Hare先生表示：“這項技術不是替代現實員工，而是用增強並賦能現實員工、讓其能夠更快地做出更好的決策。”

任務自動化項目的重要性僅次於決策支持和建議。20%的受訪者認為這是他們的最大動力。自動化包括財務部門的開票與合同驗證或人事部門的自動篩選與機器人面試等任務。

受訪者採納人工智能所面對的最大挑戰是缺乏技能（56%）、理解人工智能應用（42%）和數據范圍或質量問題（34%）。Hare先生表示：“找到合適的員工技能是任何一項先進技術都要面臨的重大問題。可以通過使用服務提供商、與大學合作和為現有員工製定培訓計劃來填補技能缺口。但要建立一個可靠的數據管理基礎並非一朝一夕。可靠的數據質量對於提供準確的洞察、建立信任和減少偏見而言至關重要。數據就緒性（data readiness）必須成為所有人工智能項目的頭等大事。”

衡量人工智能項目的成功

調查顯示，許多企業機構在衡量一個項目的效果時會以效率作為主要的成功衡量指標。Gartner傑出研究副總裁Whit Andrews和Gartner高級研究總監呂俊寬表示：“在人工智能採納方面持保守或追隨主流態度的企業機構往往使用效率目標來衡量價值，而那些表示在人工智能採納策略方面持激進態度的公司更傾向於追求客戶互動上的改進。”

Gartner客戶可閱讀報告全文《調查分析：人工智能與機器學習發展戰略、動力和採納挑戰》（Survey Analysis: AI and ML Development Strategies, Motivators and Adoption Challenges），了解更多信息。