机器学习和人工智能(AI)技术正在以前所未有的速度改变着我们周围的世界。我们距离拥有自动驾驶汽车、自然语言处理和与大师们对弈的电脑更近了一步。随着人工智能和机器学习技术的普及，目前尚有待于以显著的方式影响企业信息技术。
最近，IT服务管理公司ServiceNow对11个国家和25个行业的500多名首席信息官进行了调查，来了解企业IT领域中人工智能技术的使用情况，请参阅《全球首席信息官观点(The Global CIO Point of View)(pdf)》。为了了解所收集的数据及其含义，最近我与ServiceNow公司的首席创新官大卫·莱特(Dave Wright)进行了交谈。
首席信息官的角色发生了怎样地转变?
大卫·莱特(Dave Wright)：新的首席信息官的工作内容与几年前明显不同。过去，首席信息官负责维护他们所在公司的技术基础设施。现在，首席信息官是公司领导者的合作伙伴，并且负责寻找使用技术方式，使企业能够在行业中处于引领地位。这包括提升员工的技能，重新设计业务流程和推动数字化转型工作。
许多IT专业人士将机器学习技术和基于人工智能的自动化视为负面因素和威胁，这主要是因为他们认为自己的工作受到威胁。你相信这一说法吗?首席信息官该如何来克服这一障碍呢?
这可能是个最大的误解。机器学习和人工智能技术不会夺走工作岗位，而是会增强IT专业人员的技能。事实上，今天的环境要比以往任何时候都复杂得多，IT业务不可能管理所有不同的运动部件。机器学习技术可以成为IT专业人士最好的朋友，这只需要IT人士清楚如何使用该技术来使他们的工作变得更轻松。要做到这一点，并得到IT人士认可的最佳方式就是让该技术参与到设计过程中。这样做就涉及到该技术如何进行部署和使用。
参与机器学习技术的每个人都应清楚，因为人类每天都在接触工序流程，所以人们比机器更了解这一流程，这一点很重要。在数字化过程中，人类应该更优秀，然后让机器从中进行学习。
调查显示，89%的受访者表示他们组织中正在使用机器学习技术。对我来说，这一比例似乎很高。这一比例让你感到吃惊吗?
我们认为这一比例不会那么高，但这确实让我们感到惊讶。然而，对数据进行深入了解则显示，仅有3%的公司正在使用机器学习技术，另外20%的公司在商业的某些领域使用该技术。另有26%的公司正在试点机器学习技术，而(占40%)绝大多数公司还在研究和规划阶段。
“机器学习技术可以成为IT专业人士最好的朋友，这只需要IT人士清楚如何使用该技术来使他们的工作变得更轻松。”
这是有意义的工作，因为对于大多数组织来说，随着它们将该技术分阶段应用，使用机器学习技术也将是一个“由爬行、步行到奔跑的过程”。第一阶段将用该技术来描述某些东西，并可以分析数据和进行解读。下一阶段将有更多的认知能力，人工智能可以开始解决问题。第三阶段将看到该技术开始预测某些事情。例如，基于其他数据，它也许可以预测将会发生一个安全漏洞。
最后一个阶段需具有规范性，该阶段人工智能可以预测某些事情，然后采取行动来纠正某些行为，我们距离这一阶段还有很多年。在上一个例子中，人工智能不仅可以预测一个漏洞，还可以采取必要措施，确保它不会发生。为了实现这一点，人工智能技术将以迭代的方式工作。
数据显示，目前网络安全领域的自动化程度最高，达到24%。但到2020年，其预计增长幅度也将最大，届时70%的决策将完全自动化。你期待吗?
这完全是有道理的。当你看看过去自动化是如何完成的，它只是一个硬编码规则类型的决策树，即“如果是这样，那么就怎样”。现在，由于情况变得复杂，我们正在摆脱硬编码的方式，而且需要重新编写规则。对于风险极高的安全领域尤其如此。机器可以比人类更快地处理数据集和重写规则。遵循这一思路：不法分子会使用机器学习技术来编写恶意软件，所以使用机器学习技术来对抗它也是合乎情理的。
高达47%的受访者表示缺乏技能是使用机器学习技术的障碍。对于寻找新工作的工程师来说，这似乎是个好消息。而最缺乏的技能是什么呢?
这当然是个好消息，因为IT专业人士就会有更多机会。最缺乏技能的领域是数据科学家和机器学习专家。大多数空缺的工作岗位甚至在几年前都不存在。我认为这个行业面临的重大挑战是很难找到可以接受这些领域知识培训的地方。但我也看到更多的学校和培训机构开始提供这些课程，所以这一缺口应该很快缩小。
最后给读者的建议是什么?
有几个要点。首先是清理数据源，因为不良的数据会导致糟糕的推论。大多数企业都拥有大量数据，其中大部分数据可能被归类为不良数据，即错误数据或信息贫乏。输入机器学习系统的数据必须具有很好的质量，这样才能做出最佳决策。
此外，公司需要重新评估他们关注的关键绩效指标。例如，如果使用预测工具来解决故障，则正确的度量标准应该是故障的平均间隔时间，而不是平均修复时间。就安全领域而言，衡量标准应该是避免事故发生，而不是找出漏洞所需的时间长短。机器学习技术改变了身边的一些东西，那么衡量成功的方式也需要改变。
版权声明：本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
京公网安备 11010502049343号