banner.jpg)
相關專題：
作者系 Gartner首席研究分析師Pankaj Prasad & Gartner研究總監(jiān)呂俊寬
盡管人工智能炒得火熱且看似發(fā)展前景光明，但目前僅有少數(shù)的企業(yè)機構(gòu)能大規(guī)模部署與使用人工智能。還有絕大部分仍在努力制定其人工智能戰(zhàn)略：確立人工智能的用途與適用性、制定技術與商業(yè)模式、并試行早期項目。
在創(chuàng)建敏捷的基礎架構(gòu)以制定高效人工智能戰(zhàn)略方面，基礎架構(gòu)與運營（I＆O）的領導者面臨著挑戰(zhàn)。Gartner的數(shù)據(jù)顯示，相比今年的4%，到2022年，25%的企業(yè)將投資與部署人工智能項目。
要想成功開展人工智能項目，需要應用新技術、新流程與新的治理模式。但是，由于眾多因素，例如：缺乏具備相關技能的員工、基礎架構(gòu)的高速擴增與管理復雜性、呈指數(shù)增長的數(shù)據(jù)量、要求增加對支持決策的見解、以及逐漸緊縮的IT預算，很多機構(gòu)都難以制定出合理的基礎架構(gòu)戰(zhàn)略。這會導致技術應用延后并易處于競爭中的劣勢地位。
除了使用基礎架構(gòu)支持人工智能項目之外，基礎架構(gòu)與運營團隊也將使用人工智能技術。Gartner預測，到2020年，未能在企業(yè)業(yè)務中有效利用人工智能的數(shù)據(jù)中心中，30%將不具備運營與經(jīng)濟效益。
為避免成為上述30%中的一部分，首先需要分析已經(jīng)成功開展的人工智能項目。這也說明了一個常規(guī)模式：要想成功制定戰(zhàn)略意味著要將人工智能項目與商業(yè)價值相結(jié)合。要做到這一點，必須采取四項基本措施；然而，在這些措施中，有些在實施的過程中比其它措施要更加困難并且更加耗時。
1. 使用智能自動化解放技能熟練的IT人員并實現(xiàn)數(shù)字化辦公。
隨著諸如人工智能和物聯(lián)網(wǎng)這樣新的商業(yè)動力與數(shù)字化商業(yè)項目的產(chǎn)生，基礎架構(gòu)與運營領導者則需要面對一個復雜性急劇上升的局面。因此，基礎架構(gòu)與運營團隊經(jīng)常陷入低價值的重復性任務中。例如：當出現(xiàn)問題時，分析日志文件并嘗試對其進行根本原因分析。
通過開展基礎架構(gòu)與運營智能自動化并優(yōu)化實現(xiàn)基礎架構(gòu)管理，可從低價值、重復性任務中解放出技能熟練的IT專業(yè)人士。取而代之的是，專注于利用新的人工智能和數(shù)據(jù)分析技能來重新培訓表現(xiàn)能力較好的基礎架構(gòu)與運營團隊。通過解決技術技能差距、對變革意識（change-aware）的文化進行投資以及更多功能的角色來實現(xiàn)數(shù)字敏捷度（digital dexterity）。
2. 推動業(yè)務部門制定高效基礎架構(gòu)戰(zhàn)略
為了在人工智能方面取得成功，需要帶領基礎架構(gòu)與運營團隊，完成從IT服務中心的定位到協(xié)同商業(yè)部門和首席數(shù)據(jù)官（CDO）機構(gòu)的轉(zhuǎn)變。通過與業(yè)務部門進行合作，制定出與實際狀況相符并與收入關鍵結(jié)果相一致的戰(zhàn)略，就能夠為人工智能設計出高效且優(yōu)化的基礎架構(gòu)戰(zhàn)略。
與其試圖一次性解決所有機構(gòu)中的問題，不如從小型試點項目開始；使用卓越中心（centres of excellence）來促進成功；并利用敏捷方法快速驗證與商業(yè)相關的項目并取消起反作用的項目。
3. 開展戰(zhàn)略數(shù)據(jù)收集與數(shù)據(jù)連接項目
諸如數(shù)據(jù)豎井（data silos）、數(shù)據(jù)的數(shù)量和質(zhì)量管理方面的挑戰(zhàn)，是人工智能項目陷入停滯的另一個主要原因。即使是對于最好的基礎架構(gòu)與運營團隊而言，想一次性解決所有的挑戰(zhàn)也絕非易事。
那么需要采取的措施就是，通過區(qū)分“數(shù)據(jù)收集”（ data collect）與“數(shù)據(jù)連接”（data connect）來加速人工智能的應用。通過在正確的人工智能體系下使用數(shù)據(jù)收集及數(shù)據(jù)管理（清理與轉(zhuǎn)型）戰(zhàn)略，可以制定出符合收入關鍵結(jié)果的基礎架構(gòu)戰(zhàn)略。而數(shù)據(jù)連接戰(zhàn)略的設計可能會導致人工智能使用過程中產(chǎn)生新的顛覆性結(jié)果，因為連接數(shù)據(jù)元（data elements）可以發(fā)掘具有更高價值的功能。
4. 根據(jù)人工智能工作負載要求來推動技術選擇
提供支持人工智能項目的基礎架構(gòu)可能會帶來新的集成復雜性、生產(chǎn)力以及成本方面的挑戰(zhàn)。尤其是集成FPGA、ASIC和GPU等計算加速技術的復雜性可能會導致基礎架構(gòu)過度配置或與目標用途不匹配。在很多情況下，基礎架構(gòu)與運營領導者都會過度配置特定技術架構(gòu)，造成基礎架構(gòu)利用率不足且項目成本超支。
使用人工智能工作負載需求來指導基礎架構(gòu)選擇戰(zhàn)略，例如：加速計算基礎架構(gòu)、云計算和混合戰(zhàn)略的機會投資。選擇具有廣泛生態(tài)系統(tǒng)支持的技術。如果需要部署計算加速器，請選擇具有最廣泛軟件架構(gòu)支持與具有成熟軟件部署環(huán)境的技術，從而主動降低風險。
關于作者
Pankaj Prasad現(xiàn)任Gartner公司首席研究分析師，主要研究數(shù)據(jù)中心性能分析與基礎架構(gòu)監(jiān)測（ITIM）。
呂俊寬先生現(xiàn)任Gartner公司研究總監(jiān)，同時也是位于臺北的個人技術研究團隊成員。他通過提供與設備、智能手機、可穿戴設備、生物測定技術、聯(lián)網(wǎng)家庭、智慧城市和會話式人工智能相關的新興技術與商業(yè)模式咨詢服務，幫助IT提供商和用戶發(fā)展并創(chuàng)新自己的業(yè)務。此外，呂先生也關注那些通過數(shù)字化業(yè)務來發(fā)展一個融合虛擬與現(xiàn)實世界平臺的數(shù)字顛覆者。
