国际数据公司(IDC)最近对2,000多名IT和业务线(LoB)决策者进行的调查证实，人工智能(AI)的使用正在全球范围内增长。所有AI计划中有超过四分之一已经投入生产，超过三分之一处于高级开发阶段。而且组织报告今年的AI支出有所增加。

超过一半的接受调查的大型公司认为，提供更好的客户体验是采用AI的主要动力。同时，类似数量的受访者表示，人工智能的最大影响在于帮助员工更好地完成工作。无论是改善的客户体验还是更好的员工体验，人工智能的采用与卓越的业务成果之间都有直接的关联。

“通过采用AI解决方案，早期采用者报告称其客户体验改善了近25%，创新速度加快，竞争力更高，利润更高，员工体验也更好。全世界的组织都在采用AI进行业务转型，而不仅仅是因为它们可以，但是因为它们必须敏捷，有弹性，创新并且能够扩展。” 人工智能战略计划副总裁 Ritu Jyoti表示 。

尽管人们对AI的好处达成了很多共识，但是公司在部署AI解决方案的方式上还是存在一些分歧。IT自动化，智能任务/流程自动化，自动化威胁分析和调查，供应和物流，自动化客户服务代理以及自动化人力资源是当前使用AI的主要用例。对于大公司(5000多名员工)来说，自动化客户服务代理和自动化人力资源是优先考虑的事情，而对中小型公司(<1000名员工)来说，IT自动化是优先考虑的事情。

尽管有这些好处，但部署AI仍会带来挑战，尤其是在数据方面。缺乏足够数量和质量的培训数据仍然是一个重大的发展挑战。数据安全性，治理，性能和延迟(传输率)是数据集成面临的主要挑战。解决方案的价格，性能和规模是最重要的数据管理问题。企业报告解决方案的成本是实施AI的第一大挑战。随着企业扩大工作规模，跨不同服务的零散定价和按需付费的定价可能会对采用AI构成障碍。

调查的其他主要发现包括：

企业报告称，将其AI生命周期时间的大约三分之一花费在数据集成和数据准备上，而不是实际的数据科学工作上，这是扩大AI应用规模的一大障碍。

大型企业仍难以成功应用深度学习和其他机器学习技术。企业将需要采用机器学习操作(MLOps)–机器学习，开发和操作的组合–才能大规模实现AI / ML。

值得信赖的AI正在迅速成为企业的当务之急。公平，可解释性，健壮性，数据血统和透明度(包括披露)是现在需要解决的关键要求。

大约28%的AI / ML计划失败了。据报告，缺乏具有必要专业知识的人员，缺乏生产就绪数据以及缺乏集成的开发环境是失败的主要原因。

Jyoti补充说：“支持AI的数据架构，MLOps和可信赖的AI对于大规模实现AI和机器学习至关重要。”

IDC报告《 2020年AI StrategiesView：执行摘要》 (Doc#US46261720)总结了对2056位IT以及业务决策者和影响者的全球调查结果，这些调查涉及他们当前和未来的当前和未来的AI投资，业务驱动因素和使用情况案例和应用。此项调查旨在更好地了解是什么驱动着全球范围内跨不同IT和LOB角色(从CXO到中层管理人员到从业人员(包括数据科学家，数据架构师，数据工程师和MLOps工程师)的AI客户购买行为) 。