对人工智能技术与正确的人力技能的影响

发布时间:2022年05月31日
       资料来源:CPDA 数据分析师网/作者:Data Jun 人工智能或人工智能不再是虚构的。它是目前在各种应用中使用的可靠技术,

并且在检测嵌入大量数据的模式方面显示出巨大的前景。
       特殊价值, 预测特定客户可能购买什么, 识别信用卡欺诈, 分析保修数据以查明质量问题, 并为保险承保人提供更准确的精算模型, 围绕人工智能的炒作更强烈, 一些组织受其驱动吸引了。这种诱惑很容易促使人们尝试将该技术应用于不太适合的任务, 使用人工智能来诊断和推荐癌症治疗计划, 最终使该组织付出了患者从未使用过的财富。 cpda 数据分析师将工具与工作相匹配。然而, 与此同时, 该中心正在尝试将 AI 用于更多常规任务, 例如为患者家属推荐酒店和餐馆。他们发现, 在定义明确的问题参数的情况下, 该技术产生了令人印象深刻的结果并显着节省了员工时间。更新客户文件、更换丢失的信用卡以及从法律文件中提取储备金等事情对于 AI 自动化业务流程和跨多个后端系统工作非常有用。 .但与人不同的是, 人工智能技术相对不灵活。在 IT 中使用 AI 的问题在于它过于死板。如果人工智能算法是围绕公司的网络基础设施构建的, 那么有人会尝试在看似相同的公司基础设施上使用它。人工智能算法, 然后他们会失望, 因为它与它学习的模式不同, 它不起作用, 即使 IT 团队声称在 AI 解决方案上取得了成功,

通常是因为他们错误地使用了这个术语, 人工智能与专家系统并不相同, 即使专家系统可以非常智能, 但没有学习算法的核心, 它就不是人工智能, 常识不是人工智能的特征。尽管如此, 人工智能及其基础技术(例如神经网络)仍具有相当大的前景——尤其是当它们继续改进学习并克服当前的局限性时, 事实上, 随着时间的推移, 今天出现了许多令人叹为观止的人工智能。炒作和炒作完全有可能虚假陈述将成为现实。
       至少就目前而言, 人工智能可以被理解为具有不同的风格, 每一种都对应着不同的复杂程度。底部是用于日常后台业务流程的自动化工具。中间层是通过分析获得洞察力的系统, 例如在大量数据中寻找模式、识别语音或识别图像。与业务流程机器人不同, 第二梯队已经学会随着时间的推移进行改进, 而梯队最重要的是认知参与, 包括系统自动化(例如, 自动扩展基础设施和其他类型的补救措施)、用于回答员工问题的内部站点以及提供来自供应商的零售建议, 以提高销售和客户参与度。但他们仍然不是很擅长, 他们发现 70% 的客户请求都是由待命人员回答的。
       但人工智能已经可以提供某些类型的 IT 用户支持。例如, 对于不擅长监控的 IT 团队成员, AI 可以帮助过滤掉噪音中的信息。数字, 使他们的工作更轻松, 更快, 除此之外, 人工智能似乎注定要成熟到高强度的需要, 随着时间的推移在管理复杂的 IT 网络和流量方面更有帮助, 即使是非常聪明的人也可以轻松压倒,

但我们没有尚不存在, 因此需要相应地调整预期。