由于在過去的五年中出現(xiàn)了許多不同的情況，形成了重要的融合，因此人工智能和機器學(xué)習(xí)除了在數(shù)據(jù)中心或家庭中通常使用的設(shè)備之外，也越來越多地應(yīng)用在云平臺和邊緣計算設(shè)施中。

 

例如，高速帶寬、5G連接性、超高質(zhì)量的代碼和代碼庫、前所未有的強大處理器(比以前的型號功耗更低)、無限的存儲容量、設(shè)計巧妙的移動和固定連接設(shè)備、種類繁多的云服務(wù)等，那么下一步的發(fā)展是什么?

 

總部位于加利福尼亞州的Mounworks公司首席技術(shù)官兼聯(lián)合創(chuàng)始人Vaibhav Nivargi撰寫了一篇問答式文章。該公司將人工智能技術(shù)廣泛應(yīng)用于IT用例。

 

 

Nivargi：在大多數(shù)情況下，IT支持仍由組織的IT團隊進行管理，這意味著該過程往往會非常緩慢。在各行各業(yè)中，我們發(fā)現(xiàn)每個IT支持服務(wù)平均需要3個工作日才能解決，而在完全依靠技術(shù)來完成任何事情的時候，有些工作就陷入了停滯狀態(tài)。而且，由于IT團隊不愿解決重復(fù)而頻繁的技術(shù)問題，例如重置密碼和編輯電子郵件組，因此他們沒有時間專注于關(guān)鍵的數(shù)字化轉(zhuǎn)型項目。

 

除了對生產(chǎn)力和數(shù)字化轉(zhuǎn)型的影響之外，獲得IT人工支持的方法還直接影響到利潤。例如，就算每名普通員工每月提交一張IT票證。平均來說，使用傳統(tǒng)的方法處理每張票證大約需要25美元的成本，例如采用服務(wù)臺代理、工作流工具、服務(wù)中心等等。對于一家擁有1萬名員工的公司來說，每年僅用于支持成本的支出就達到300萬美元。

 

Moveworks公司所做的工作使IT團隊能夠使用人工智能技術(shù)自動解決這些故障單，而花費很少的成本。人工智能和機器學(xué)習(xí)已經(jīng)幫助加速和擴展了各個業(yè)務(wù)領(lǐng)域的大量流程。將這種邏輯擴展到支持工作中的員工現(xiàn)在可以產(chǎn)生類似的強大結(jié)果。

 

 

Nivargi：根據(jù)我們的經(jīng)驗，許多大公司的首席信息官擔心添加任何新的人工智能解決方案，其實他們應(yīng)該提倡IT現(xiàn)代化。他們通常有兩個反對理由：一方面，他們擔心增加更多的工具會增加最終用戶的復(fù)雜性;另一方面，他們擔心維護人工智能將需要團隊成員做太多的工作，導(dǎo)致最終結(jié)果將是負面的。當然，這些都是合理的考慮。大多數(shù)企業(yè)已經(jīng)使用了更多的工具和應(yīng)用程序，而且許多人工智能解決方案實際上是IT團隊必須自己構(gòu)建和管理的“人工智能工具包”。

 

而抵制IT現(xiàn)代化很有趣，因為這樣做的主要目的是減少最終用戶的復(fù)雜性和IT團隊的負擔。因此，我們采用的方法是處理聊天機器人的語言處理模型和后端集成，以便使幕后技術(shù)對員工和代理商不可見。最終，現(xiàn)代化的IT意味著簡化IT：無需進行IT團隊的參與，即可通過與機器人對話，使員工自動獲得所需的支持。

 

 

Nivargi：我們從來沒有預(yù)料到我們的平臺會被廣泛地應(yīng)用于任何地方的工作場景中。幾乎在一夜之間，部署IT服務(wù)臺就成為了各行業(yè)組織內(nèi)部每個部門的關(guān)鍵任務(wù)。現(xiàn)在，獲得技術(shù)支持比以往任何時候都更為迫切，無論員工身在何處，何時提出要求，他們都需要立即得到幫助。這是為人工智能量身定制的問題。

 

在服務(wù)臺方面，最初向在家遠程工作的轉(zhuǎn)型面臨著大量的請求，同時面臨新的挑戰(zhàn)，例如使遠程員工保持最新狀態(tài)并回答有關(guān)企業(yè)政策的問題。

 

例如我們的客戶Unity Technologies公司，該公司的員工第一個月在家遠程工作非常繁忙，對Zoom許可證的請求增加了6倍，對政策的質(zhì)疑增加了5倍，IT問題的總數(shù)幾乎翻了一番。

 

Unity公司工作人員則求助于Moveworks公司聊天機器人Ninja Unicorn。在轉(zhuǎn)移到遠程工作的過程中，與Ninja Unicorn交互次數(shù)是原來的三倍，其結(jié)果是Unity的IT團隊成功地滿足了不斷增長的支持需求。

 

雖然工作的未來充滿不確定性，但是毫無疑問，人工智能將發(fā)揮核心作用。

 

 

Nivargi：這是一個很好的問題。確實，有效地訓(xùn)練機器學(xué)習(xí)(ML)模型需要“大數(shù)據(jù)”，即數(shù)百萬個數(shù)據(jù)點，這些數(shù)據(jù)點最終使模型可以做出可靠的預(yù)測。問題在于大多數(shù)公司根本沒有太多例子可以使用。例如，一家規(guī)模較小的公司可能只有30個相關(guān)數(shù)據(jù)需要自動處理，而谷歌公司可能有30萬億個相關(guān)數(shù)據(jù)需要自動處理。

 

但是，如果能夠克服它對于機器學(xué)習(xí)的明顯缺點，則企業(yè)中的“小數(shù)據(jù)”實際上非常有用。例如，小數(shù)據(jù)比大數(shù)據(jù)具有更大的個人相關(guān)性潛力，因為小數(shù)據(jù)可以從極其特定的環(huán)境中捕獲模式和趨勢。

 

由于有了更大的數(shù)據(jù)集、更多預(yù)算和機器學(xué)習(xí)團隊，大型科技公司仍然擁有優(yōu)勢。但幸運的是，幾乎任何組織都能夠以最小的努力使人工智能投入工作，而無需雇用專門的專家團隊來維護它。借助集體學(xué)習(xí)等技術(shù)，第三方人工智能供應(yīng)商可以為中型組織提供支持，并幫助他們從強大的機器學(xué)習(xí)中受益。對于來自多個公司的數(shù)據(jù)中出現(xiàn)統(tǒng)一模式(例如IT支持)的用例尤其如此。

 

簡而言之，不必因“小數(shù)據(jù)”問題而妨礙機器學(xué)習(xí)的努力。

 

 

Nivargi：服務(wù)臺需要停止IT支持的惡性循環(huán)，在這種惡性循環(huán)中，代理商忙于解決個別IT問題，以至于他們沒有時間解決根本問題和效率低下的問題，從而給最終用戶帶來更多問題。

 

當然，這說起來容易做起來難。以下是IT團隊可以采取的一些步驟：

 

•從所有IT票據(jù)收集和綜合數(shù)據(jù)，以發(fā)現(xiàn)用戶行為趨勢。始終如一地跟蹤所有票證(無論是人工處理還是使用自動化系統(tǒng))，都可以為優(yōu)先級最高的人工智能用例確定優(yōu)先級。

 

•確定更常見和更耗時的支持請求，這些請求是自動化的潛在候選者。例如，解鎖用戶帳戶、配置軟件、編輯電子郵件組以及訂購設(shè)備。

 

•實現(xiàn)無需服務(wù)臺干預(yù)即可解決這些常見請求的人工智能聊天機器人。一些聊天機器人(包括Moveworks公司的聊天機器人)還提供了用戶行為趨勢的可視性，以加快步驟。

 

我們的一些客戶擔心在初次與人工智能和機器學(xué)習(xí)合作時，他們的環(huán)境還不夠成熟。因為在采用解決方案之前，通常不知道會面臨什么問題，尤其是在機器學(xué)習(xí)中，而這一解決方案通常是一種有價值的資產(chǎn)，并且隨著時間的推移影響力會越來越大。

 

版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責任的權(quán)利。