在過去的2020年，AI已經(jīng)成為剛需，推動領(lǐng)導(dǎo)者更有信心地?fù)肀I。

　　AI與機(jī)器學(xué)習(xí)（ML）將滲透到新的用例與體驗中

　　2021年，最為大膽的企業(yè)將把AI推向新的前沿，比如遠(yuǎn)程的全息會議和按需個性化的生產(chǎn)。它們會將戰(zhàn)略規(guī)劃游戲化，在作戰(zhàn)室模擬演練，并將智能引入邊緣體驗。傳統(tǒng)的AI強(qiáng)者擁有強(qiáng)大的數(shù)據(jù)科學(xué)團(tuán)隊，偏好傳統(tǒng)的、代碼優(yōu)先的方式進(jìn)行機(jī)器學(xué)習(xí)開發(fā)。但落后者并非全無機(jī)會，他們可以使用無代碼自動機(jī)器學(xué)習(xí)（AutoML）更快地實現(xiàn)數(shù)以百計的AI用例，從而有機(jī)會后來居上，雛鳳清于老鳳聲。

　　辦公AI將增加自動化的需求

　　在2021年，超過三分之一處于調(diào)試期與成長期的企業(yè)將會把目光投向AI，寄希望于AI來顛覆部分員工的辦公方式：包括有固定工位、從事實體性工作、會與人接觸的員工，以及居家辦公的知識工作者。相關(guān)的AI應(yīng)用包含智能文檔提取、輔助客戶服務(wù)、返工健康追蹤以及助力社交隔離的半自動機(jī)器人等。

　　在AI的可信數(shù)據(jù)方面獲得更大進(jìn)步

　　2021年我們將看到數(shù)據(jù)對AI或好或壞的影響：正面的合成數(shù)據(jù)可以幫助客戶擴(kuò)大數(shù)據(jù)集，更好地訓(xùn)練AI模型；負(fù)面的假數(shù)據(jù)將會干擾AI模型，帶來一系列安全風(fēng)險。企業(yè)也面臨著來自消費者和監(jiān)管機(jī)構(gòu)日益增加的壓力——他們要求企業(yè)證明AI所用數(shù)據(jù)的來源，包括數(shù)據(jù)的審查和追蹤來確保其合規(guī)與倫理性。在2021年，區(qū)塊鏈與人工智能的聯(lián)合將被提上日程，一起支持?jǐn)?shù)據(jù)出處、完整性以及使用追蹤。