部署AI战略从哪里入手？这篇文章也许帮到你

​IT变革时不我待，如今已有很多企业意识到了需要利用AI、IoT这些新技术能力，但他们却面临不知道从哪里开始的困境​​。因此，知名咨询机构Forrester Consulting进行了一项全球在线调查，调查了353名AI技术决策者。根据调查结果，Forrester Consulting整理出了​​AI战略的​​八​​个步骤，旨在帮助CIO们主导AI战略，以推动业务成果并降低整个企业的风险。​

​01​

​塑造公司的AI计划​

​利用CIO的角色优势，成为利益相关者之间的桥梁，以减少孤岛。同时主动推动整个公司的AI对话，不仅仅是通过倾听企业的AI需求和愿望，而是通过投资预算来满足这些需求。​

​02​

​衡量IT的影响并追踪其进展​

​当公司最为重要的关键绩效指标（KPI）开始受到人工智能的影响时，就要研究和跟踪这一过程和进展。​​这KPI将作为一种通用语言来评估和证明整个企业的人工智能计划。​

​03​

​现代化并自动化基础设施​

​调查中，54％的公司报告说，落后的软件阻碍了其人工智能举措。有半数的公司发现他们的人工智能举措缺乏自动化。此外，​​数据是人工智能的基石，需要实现数据管理技术的现代化，确保数据集成，数据库和数据仓库为人工智能计划提供动力​​。​

​04​

​部署用于构建人工智能解决方案的平台​

​部署能够支持多种业务的平台，以构建人工智能解决方案并能够使用彼此解决方案中的组件。例如：​

​ ​
• ​部署预测分析和机器学习平台，使数据工程师和数据科学家够跨团队在模型和数据管道上进行协作，并简化基础架构的供应，以在生产中培训，部署和管理其模型。​
​ ​
• ​部署文本分析，自然语言处理和语音分析平台，可应用于客户服务，市场营销，销售和研发等各种用例。​
​ ​

​05​

​投资规模化人工智能基础设施​

​投资人工智能所需的基础设施硬件。机器学习，尤其是深度学习需要更高水平的计算能力，以及高带宽，低延迟的网络和存储。​

​受调查公司中有61％受到缺乏专用处理器（如GPU和FGPA）的服务器的挑战。 81％的受访者表示需要新的服务器来实现高性能计算。80％的人认为需要加速器将模型训练时间从几天，几周缩短到几分钟和几小时。作为企业，升级基础设施的需求只会继续加剧。​

​部署更多的人工智能构建模块。 CIO们现在必须投资于具有加速器的高度可扩展的高性能计算服务器，以支持业务对人工智能的需求。​

​关于人工智能基础设施，戴尔易安信在上周的戴尔科技集团全球大会上，​​推出了针对机器学习及密集型工作负载的PowerEdge R940xa和PowerEdge R840，还有包括内置机器学习引擎的PowerMax在内的一系列产品和解决方案​​。以加速人工智能、机器学习和深度学习等技术变革的支持和部署。​

​06​

​充分利用公司的人工智能战略​

​当你身为一名CIO，应该负责推动公司的总体人工智能战略。最终，无论成功还是失败，你所在公司的人工智能冒险都会落在你的肩上。​

​07​

​同时建立IT部门和公司的人工智能能力​

​评估你可以有效支持的人工智能项目。从具有明确定义的用例，相对成熟的商业解决方案技术开始。​

​增加自动化项目的规模，以最大限度提高IT流程的运营效率，并利用这些专业知识帮助内部利益相关者实现业务流程的自动化。​

​部署新的基于机器学习的文本和语音分析平台，以帮助客户服务，销售，市场营销和产品团队提取新的有价值的客户洞察。​

​使用KPI来跟踪和广播整个公司的人工智进程，以保持高级领导层和其他利益相关方的信息畅通。​​跟踪IT团队帮助整个公司推动业务价值和进一步投资的良性循环的业务成果尤为重要。​

​通过构建这些解决方案所需的数据科学，数据工程，DevOps和开发人员技能来构建IT能力。引导他们走向最有价值，最容易处理的问题。​

​08​

​持续构建商业案例以进一步人工智能投资​

​研究和追踪对公司持续影响最大的业务绩效指标，尤其是当它们受到人工智能计划的影响时。证明人工智能对企业的积极影响将推动增加投资。这将构建一个增加投资的良性循环，这反过来又会增加人工智能的价值。​

​定期扫描新的商业机会，寻找新的投资，甚至在业务线知道它们之前。我们的研究发现，更多成熟的组织投资更多，获得更多回报。例如，接近一半的企业平均在人工智能上花费3600万美元，其投资回报率是2到5倍。这不便宜，但CIO必须推动这些新的投资，并将整个业务的优先级放在整个IT部门的整体之上。​

​AI快速发展​

​汽车行业的自动驾驶技术​

​就是很好的例子​

​这些以数据为“​​燃料​​”的技术​

​引入了对IT基础设施的颠覆性要求​

​ 特别是存储系统​

​需要通过改变游戏规则的存储解决方案， 针对高性能、高并发性和大规模可伸缩性进行专门优化。​