对2024年大数据及其相关领域的预测

数据分析

随着全渠道商务的发展，广告分析的格局即将发生巨变。线上和线下消费者互动之间的传统竖井正在瓦解，为真正的全渠道消费者铺平了道路。虽然实体/数字墙在消费者的旅程中正在倒塌，但消费者隐私仍使分析变得复杂，这种全渠道消费者的增长将要求重新调整营销衡量模型。传统的数字最后一次点击归因将让位于一种更微妙的方法，认识到客户旅程中多个接触点的影响，这一转变将更准确地反映每个渠道在创造和转化消费者需求方面所做出的贡献。隐私问题将日益突出，需要在数据驱动的个性化和尊重用户隐私之间取得微妙的平衡。要想在保持消费者信任的同时充分发挥全渠道分析的潜力，实现平衡至关重要。在全渠道电子商务时代，广告分析的未来将以数据融合、属性重新定义以及与隐私的微妙舞蹈为特征，这不仅仅是一场变革，它是我们如何理解、解释和利用消费者数据用于广告艺术和科学的一场革命。

AI

AI不会取代低码，但会对其进行增强以改善结果：多年来，低码使公民开发人员能够在没有编码经验的情况下创建应用程序。现在，ChatGPT已经为编写代码带来了大幅提高生产力的承诺。然而，简单地使用ChatGPT来编写开发人员本来会编写的代码并不能以适当的规模解决生产率问题。重复使用和维护的问题仍然没有得到解决。开发人员花费了数月的时间来吸收上游团队的升级、执行技术堆栈升级、实施重新设计以将其应用程序升级到现代UI/UX模式等。因此，AI不会取代低代码，而是与低代码一起使用以提高生产率。明年，我们将看到企业软件供应商使用计算机视觉或经过训练的模型的组合来理解模式，然后在他们的低代码平台中触发生成代码。

所有权将成为公司AI倡议是否真的在2024年起飞的关键决定因素：企业渴望在2023年开始采用GenAI，特别是在他们看到它对内部生产率产生的直接影响的情况下。但在新的一年里，我们将开始看到，虽然公司很容易玩弄AI，但实际上推动商业影响需要的远不止这些。在没有明确问题或专注团队的情况下委托AI探索的公司往往会步履蹒跚，导致无效的结果。所有权将成为公司AI倡议是否真的在2024年及以后起飞的关键决定因素。当企业主对数字创新产生既得利益，确定了一个特定的挑战，并组建了一个团队进行试验和行动时，成功的可能性就会激增。所有权将是决定谁将成功利用AI的变革潜力，谁不会成功的关键驱动因素。

从企业AI到零信任AI：2024年，我们将看到企业对待AI的方式发生重大转变，从注重绩效转向强调问责。随着AI越来越多地融入关键决策过程，各组织将优先确保AI输出的准确性和可靠性。这种转变将导致“零信任AI”的发展，在这种情况下，数据源的验证和AI引发的修改的透明度变得至关重要。目标将是创建AI系统，其操作和决策不仅有效，而且所有利益攸关方都可以理解和审查，从而培养围绕AI使用的信任和责任文化。

AI将继续蓬勃发展，我们将在生活的几乎每个领域看到适应。虽然它无疑会在许多方面让我们的生活变得更轻松，但我们将看到错误率的上升，因为这项技术的智能程度取决于它所训练的语言。AI将不可避免地取代更多的人和工作岗位，但好消息是，它也将创造更多的就业机会。几年后，我们将看到许多物联网设备产生海量的高基数数据。有了AI，可能性几乎是无穷无尽的，我们现在才刚刚开始探索它们。

AI在2023年度过了相当不错的一年，占据了新闻头条，主要分析公司预测，AI在未来几年将产生重大影响。但为了在2024年及以后取得成功，AI将被迫依赖许多人担心这项技术将取代的资源：人和数据。零售数据是高度复杂和动态的，孤立的信息不断变化，无论是消费者的购买行为、延迟发货、产品短缺还是劳动力需求。配备零售订单和库存数据管理系统的团队明年将发挥重要作用，帮助生产和维护企业充分利用AI所需的干净、准确和可访问的数据。

组织将任命一名首席AI官来监督安全和负责任的AI使用：2024年，组织将越来越多地任命高级管理人员进入其领导团队，以确保为AI的安全、合规和治理影响做好准备。随着员工越来越习惯于在个人生活中使用AI，通过接触ChatGPT等工具，他们将越来越多地寻求使用AI来提高工作效率。组织已经意识到，如果他们不授权员工正式使用AI工具，他们将在未经同意的情况下这样做。因此，组织将任命一名首席AI官(CAIO)来监督他们对这些技术的使用，就像许多组织的领导团队中有一名安全主管或CISO一样。CAIO将专注于制定政策，教育和增强员工安全使用AI的能力，以保护组织免受意外违规、知识产权泄露或安全威胁。这些做法将为AI在组织中的广泛采用铺平道路。随着这一趋势的发展，AI将成为一种商品，就像手机一样。

2024年将是AI和数据C-Suite领导者的一年：如果说2023年是企业AI突然出现的一年，那么2024年将是整合之年，因为企业希望了解如何利用它来获得竞争优势，并遵守不可避免的未来法规。对于面向未来的AI部署，组织将越来越多地寻求在C-Suite级别建立一个角色，以监督AI创新和合规，但这不一定是首席AI官的形式。相反，AI可能会创造新一代首席数据官，让现有的数据领导者开发新的技能集。正如我们已经看到首席数据和分析官的崛起一样，我们可能即将看到新一代首席数据和AI官的开始，他们专注于确保AI模型的数据基础符合新的立法，并具有足够高的质量，以获得业务的竞争优势。可以肯定的是，AI治理委员会的崛起，在确保安全高效的企业AI方面发挥着跨职能的作用，并以与数据官员在过去几年相同的方式与法律、道德、安全和隐私部门合作。

AI丑陋的一面被进一步揭示：2024年的总统选举是来年将如何揭示更多AI邪恶能力的一个例子。预计将看到旨在影响选举的深度虚假和其他AI生成的虚假信息以惊人的速度出现。如果被精明的威胁行为者利用，这些图像可能会成为令人信服的宣传，为选民创造一个名副其实的镜子荒野，他们将很难区分现实和精心制作的虚假信息。随着两位候选人的竞选活动进入高潮，这将成为一个越来越受关注的领域。也许没有比AI生成的滥用图像更好地展示这项技术丑陋一面的例子了，近几个月来，这种图像一直在增加。我们将在2024年看到更多的注意力集中在防止这种情况上，发布了一系列新的解决方案来解决这个问题。当然，我们也可以预计黑客将越来越多地利用AI来开展他们的谋生活动-攻击组织和员工以泄露敏感数据。想想威胁参与者利用这项技术来改进他们的恶意软件代码，或者依赖GenAI来制作更多合法的钓鱼电子邮件。随着这种情况的发生，组织将需要调整他们的培训-例如，糟糕的语法，曾经是钓鱼活动的标志，将不再成为危险信号，这要归功于GenAI。

AI的巅峰炒作将会消退。然而，最具创新力和竞争力的公司将接受AI数字颠覆的真正挑战——它的员工。公司寻求的最高技能将是“良好的判断”，将其从一项软技能提升为关键的人在回路中的必需品。公司将意识到，他们采用AI的挑战不是获得技术，而是找到拥有技能和带宽的人来支持这些项目。

AI法规：我们将在2024年开始看到AI法规：例如，围绕监控消耗大量GPU计算的前沿模型开发展开了讨论。考虑到2024年的总统选举，还需要在互联网上设置针对DeepFake的护栏。我们认为，这些努力将使AI更安全，类似于FDA监管制药业的方式。

2024年，我们将看到AI将超越炒作周期，将IT效率推到超速状态：像任何其他新技术一样，AI仍在经历炒作周期。人们开始更好地理解AI是什么样子，在2024年，我们将超越炒作，转向更有效的用例。这样做的一个结果是，CIO需要证明他们不是为了AI而使用AI。随着我们看到IT专业人员采用AI来自动化工作流并提高效率，CIO需要专注于为其团队配备AI工具，以改善他们的业务并优化整个团队的IT工作流。

AI采用的未来和障碍：AI的采用将加速，并将蔓延。我们将继续看到模型能力的巨大进步，我们对它们工作原理的理解将会增加，这本身就会带来新的进步。我们将看到更多的模型针对特定的用例进行调整，从代码到DNA，再到CAD，再到化学结构，再到图像分析。我们还将在应用程序和工作流中看到更好的集成和用户体验设计，而不仅仅是在文本框中输入散文。让模型“自然”使用实际上可能成为最具影响力的发展，就像调整GPT-3并将其打包成聊天应用程序使其可供数百万用户使用一样。明年，即使在金融体系的状况下，对构建GenAI技术的公司的投资和融资也不会放缓。然而，可能会减缓GenAI发展的是没有足够的硬件来满足需求。在这种情况下，只有最大的公司，或者那些已经拥有大量硬件的公司，才能继续大规模开发新的方法。

肤浅的AI解决方案将被曝光：过于复杂的SaaS插件和功能，声称可以自动化，但实际上只是在顶部有一个AI贴纸，在减损生产工作时间后将被曝光。在AI方面，用户变得越来越聪明，最近的一项调查显示，大多数IT专业人士(71%)正在使用AI来支持自己的工作负载。坚持不懈的应用合理化和审查至关重要，特别是在新的AI时代。

AI盈利能力的斗争将继续下去——这没什么：构建大规模AI应用的公司短期内不会盈利，这意味着真正能够运营这些应用的人只有谷歌和微软等现金充裕的公司。但这些公司将在2024年继续奋力度过这一难关，并在很长一段时间内亏损，直到规模经济将芯片和加工的价格拉低。随着这些公司的发展，需要考虑的问题是开源如何适应这一切。这些较大的公司面临的风险是，他们可能会在自己的模型上进行大量投资——然后真正获胜的模型是开源模型。因此，对于他们来说，思考如何在他们的模型中创造超越开源社区所能处理的差异化将是至关重要的。

道德框架和监管对AI是必要的，而不仅仅是组织在追求利润时的分心。我们无法避免AI，因为这是我们在不对称的网络战场上扩大我们行动的唯一途径。道德框架和监管治理将变得至关重要，以帮助AI高效和公平地运作。每一款新的软件或服务都会有AI或ML元素。由于AI技术的发展速度如此之快，建立AI伦理方面的最佳实践是一项挑战，但几个公共和私营部门组织已经自行部署了框架和信息中心来解决伦理问题。所有这些活动可能会在主要经济体和贸易集团引发越来越多的监管，这可能会在一段时间内导致监管格局越来越零散，至少目前是这样。可以肯定的是，目前AI和ML的“狂野西部”时代将迅速消退，当组织想要利用这项技术时，他们将面临相当大的合规负担。

随着董事会和高管加强对AI的关注，聚光灯将放大解决潜在数据问题的紧迫性：2024年，更多的首席执行官和董事会将越来越意识到数据是AI成功的关键。我见证了高管心态的巨大转变;多年来，首席执行官们第一次积极寻求增加技术支出，特别是在AI方面，因为他们看到了巨大的前景。首席执行官们不仅对AI的潜力感兴趣，他们还被GenAI重新定义我们开展业务的方式的承诺所吸引-从革命性的客户体验到优化供应链和加强风险管理。AI的吸引力是不可否认的;它掌握着打开新市场、节省数百万人以及将公司一举打造成自己的联盟的关键。然而，每个CIO都明白的一个发人深省的事实是，AI并不是即插即用的奇迹。阿喀琉斯的致命弱点在于我们的数据——由于其支离破碎的性质，数据是最有价值但表现不佳的资产。如果不统一和管理我们的数据以确保数据的清洁、连接和可信，对AI的投资是徒劳的。通向AI承诺的道路是通过数据统一铺平的。它是关于将数据转换成一种单一的、可互操作的产品，能够真正催化数字转型并利用AI的变革力量。

2024年将是AI工具的适应性和可用性年：2023年是AI工具谨慎试验的一年，但在2024年，组织将把重点转向负责任的部署。虽然公司对AI及其相关风险仍有许多不完全了解的地方，但仍有许多机会可以利用在商业和生活中向前发展。在AI采用竞赛中落后可能会给组织带来重大挑战。然而，没有一种适用于所有组织的模式可供遵循。技术领导者将需要评估哪些用例受益于新的AI工具的集成，以及哪些工具最好保持不变。他们还需要确保以安全和负责任的方式使用GenAI工具，并由组织治理流程进行治理和控制。这一战略方法确保AI的采用与组织的独特目标和需求保持一致。

AI是经济衰退和通胀的防御性因素：尽管经济逆风或顺风，但无论经济转向哪个方向，人们对AI的兴趣在2024年都将保持强劲。AI在驱动创新和竞争优势方面的潜力是必备的，在预算中有自己的项目。衡量AI的投资回报率将是至关重要的，实际用例将被置于显微镜下。例如，证明AI如何使数据分析等日常任务变得更便宜，并更广泛地为商业用户提供，这将是关键。同样，投资者将对AI公司更加警惕。

在一个不可信的世界中确保AI的完整性：随着深度假冒和自动内容生成等AI技术的激增，对验证AI的机制的需求越来越大。Web3技术通过为透明、可验证的AI操作提供框架，为这一挑战提供了解决方案。对于越来越依赖AI的行业来说，这一转变将是至关重要的，确保AI仍然是一个值得信赖的工具，尽管其运作具有去中心化和往往不透明的性质。

2024年将是小企业转向AI的一年：在过去的一年里，我们看到许多大公司利用了AI“淘金热”，而大多数小企业还没有拥抱它。AI是一种快速发展的工具，可以提高运营效率和生产率，其好处是不可否认的。到2024年，更多的小企业主可能会开始将这些工具直接应用到他们的公司中，他们所依赖的更多应用程序将使用AI来增强现有功能。通过利用AI自动化许多传统上耗时的任务，如发票、数据输入和调度，小企业主可以在管理工作上花费更少的时间，而将更多的时间集中在发展业务和提供卓越的客户体验上。

60%的员工将使用他们自己的AI来执行他们的工作和任务。企业正争先恐后地利用AI的机会，但他们的创新速度还不够快，无法超过员工普遍使用的消费者AI服务-也被称为自带AI(BYOAI)。企业现在应该专注于建立管理和保护BYOAI的战略，同时开发正式的公司批准的AI资源。

访问、规模和信任：2024年，AI公司将面临的三大挑战是获取AI工具、特定行业内的可扩展性以及用户对流行AI工具的信任。我们已经看到信任问题在2023年出现，当我们看到AI法案的影响时，这个问题将在2024年变得更加严重。

2023年是AI承诺年-2024年将是AI行动年。我们将开始看到公司一直在实施的举措的切实成果，并发现它们对客户的影响。那些选择投资于资源并为AI与人类智能协作(而不是取代它)寻找机会的人，将是那些准备好占领市场的人。

2024年，我们有望看到建筑工地数据收集过程自动化的进展。如今，团队肩负着按时、在预算内完成项目的重任——同时仍要牢记安全和质量要求。有了AI，无论是计算机视觉还是GenAI，公司都将能够在项目的整个生命周期内组织和标准化他们的数据。无论是在设计过程中使用建筑信息建模(BIM)和图纸、输入信用卡购买材料，还是验证保险信息以保护工人和项目，建筑业都需要处理大量数据。我们已经开始看到总承包商以独特的方式利用数据来改善他们的业务，但许多数据是非结构化的，没有充分利用其潜力。据报道，一个典型项目近20%的时间都花在了搜索数据和信息上。AI将能够通过自动数据收集解决这个问题，允许个人花费更多的时间和资源从他们的数据中提取见解，以降低风险并改善业务。

数字化转型通过AI进行了改头换面：AI将通过更快、更好地回答问题、在第一次接触时解决问题、清晰地沟通，并让客户感到满意，来帮助工程师为成功做出贡献。这将导致以AI为中心的新数字化转型战略，以设计、执行和衡量新的或重新想象的客户服务体验。根据弗雷斯特的说法，2024年S许多改进的关键将是幕后GenAI，它增强了客户服务代理的能力。

公司将在2024年对AI的采用进行自上而下的授权：许多团队负责人将从假期回来，从他们的首席执行官和首席财务官那里找到授权，并提出AI采用应该实现的明确目标。运营支出减少20%，CSAT/NRR提高10%，以及通过基于AI的产品和体验产生10%的背线收入等预期将位居前列。为了实现这些目标，一些高管团队将任命一名AI领导角色，模仿过去十年数字转型获胜者的成功。我们预计，随着组织努力解决如何将这项新技术快速整合到遗留运营中，首席AI官或类似头衔的角色将变得常见。这一新角色将在某种程度上引起争议，因为CIO的角色越来越零碎。CIO们能否部署足够的自动化，以便将重点放在AI上，或者最终将这一领域让给这位首席执行官中的新人，这是一个值得密切关注的问题。

在过去的几年里，首席技术官的角色已经成为精通技术的人和精通商业的人之间的桥梁，负责使正确的解决方案创造最佳的整体业务成果。随之而来的是沟通方面的挑战，因为CTO需要导航如何将技术转化为组织董事会和高管的ROI。2024年，随着AI(AI)技术变得司空见惯，培训C级同事的能力将变得更加重要。首席技术官不仅需要能够与业务的技术方面合作，以确保AI领域的现实可能性，而且还需要在业务层面上沟通其潜力-从员工生产力和产品角度。

AI将弥合经理和他们的直接下属之间的差距。2024年，AI将填补管理者无意中造成的缺失空白。无论是精心设计更深思熟虑的绩效评估，还是为他们的直接下属确定内部增长机会，AI都将为经理们缺乏经验或过于疲惫而无法处理的任务提供亟需的支持。这些AI能力将帮助他们成为更强大的经理，进而使他们能够更好地授权他们的直接下属。

AI将需要自我解释：用户将要求对他们的AI之旅有一个更透明的理解，并要求一种方式来表明所有步骤都符合治理和合规法规。白宫最近发布的关于AI的行政命令将给各组织带来更大压力，要求它们证明自己遵守了有关网络安全、消费者数据隐私、偏见和歧视的新标准。

2024年，AI将经历一次品牌重塑。虽然AI传言者预测将会迎来“AI冬天”——或者人们对这项技术的兴趣将会放缓，部分原因是这项技术在某些方面的过度曝光——但值得注意的是，目前的很多注意力都集中在AI的负面方面。埃隆·马斯克最近谈到了AI将如何“结束所有工作”，而最近在布莱奇利公园举行的“AI安全峰会”本身就暗示了一种风险缓解的因素。事实是，恐惧是有销路的，在某种程度上，它会让人们更有可能关注。但是，随着越来越多的人习惯于使用AI工具，随着像ChatGPT这样的东西进一步提高人们的意识，明年应该会有更多的人睁开眼睛，看看AI应该如何被使用——在许多方面，已经是这样——作为一种他们从未欣赏过的生活中的善的力量。当然，他们需要在不忽视技术的风险或局限性的情况下做到这一点，并通过寻找实用、实用的方法将这些风险降至最低。随着AI变得更加主流和时尚，我们可以看到更多面向消费者的品牌通过差异化和吸引客户的方式，更清楚地阐述他们使用AI的方式。

AI将迫使我们把数据整理得井然有序：AI的好坏取决于它提供的数据。随着我们将AI应用到我们生活的更多部分，由劣质数据源和优质数据源提供信息的领域将变得越来越明显。明年，产品负责人、数据科学家和首席架构师将需要更紧密地合作，以确保支持他们产品的数据是最新的，而不是孤立的，作为单一的真理来源，并且版本适当。

AI对2024年总统选举的影响：AI承诺塑造2024年的竞选方法和辩论;然而，有趣的是，到目前为止，即使是具有科技背景的候选人也避免了AI的细节。我们看到人们对AI和机器学习产生了极大的兴趣，因为它们改变了世界的工作方式、做生意和使用数据的方式。作为一个全球社会，我们需要意识到并仔细考虑AI的潜在缺点，例如意外的偏见、错误的基线数据和/或伦理考虑。即使这个话题没有在辩论中涉及，AI的挑战和机遇也是下一届政府必须努力应对的。

AI回应了帮助管理数据过剩的呼声：今天的数据专业人士指尖上有大量的信息，但许多人可能缺乏他们需要的可操作的洞察力。而且，随着跨分布式来源分类的数据不断增加(每天3.2877亿TB)，组织正在努力应对数据管理方面的挑战。数据是企业拥有的最有价值的资产之一，但除非它能够被有效地利用、理解和应用，否则它从根本上是无用的。随着我们接近2024年，数据管理正在迅速演变为一个由AI主导的未来。AI是IT团队在当今日益复杂的分布式和混合数字环境中导航的答案。由于这些技术处理的信息比任何人都多，因此它们通过确保应用程序和服务在不需要人工干预的情况下正常运行来支持资源受限的IT团队。尤其是AI支持的可观察性和ITSM解决方案，通过使IT团队能够自动执行任务、检测安全威胁和性能异常、优化性能并基于数据分析做出更好的决策，可以提升IT团队的水平。然而，我们在2024年的前进道路需要深思熟虑的规划，并敏锐地理解AI如何以及以什么方式帮助我们。今年在几个大型IT会议的展厅漫步时，我惊讶地发现，几乎每个供应商的展位上都挂着AI的说明。这些夸张的标题不会把一个差劲或平庸的产品变成好产品。而那些通过匆忙实施最新的闪亮新技术而不进行分析来开始AI之旅的组织，最不可能看到长期和可持续的成功。相反，仔细规划你的AI战略，你将在未来很长一段时间内收获回报。

公司将提高非技术团队在数据和分析方面的技能，为AI主导的未来做准备：AI具有巨大的潜力来转变许多知识工作者的角色，但存在一个问题：理解数据和分析的员工太少，无法有效地使用它们。生成性模型实际上是为生成数据而设计的。我们比以往任何时候都更需要人们在业务上下文或原始出站的调整中解释输出和层，以确保它是适当的。

网络运营的AIOps：网络优化可以支持更好的AI性能，但AI也可以支持更好的网络性能。虽然AIOps(面向IT运营的AI)还为时尚早，但它已经开始显示出潜力。虽然AIOps覆盖了IT运营的所有领域，但现在正在成为一个重要组件的领域是网络运营的AIOps。网络工程师正面临日益复杂的网络环境，将分散的劳动力、大量设备和云基础设施等结合在一起。AIOps通过基于大数据和机器学习的自动化、预测性分析和根本原因分析来简化网络运营管理。AIOPS可以为客户加快故障排除和解决问题的速度，同时降低成本，因为宝贵的NOC员工可以从事更关键的任务，这些任务是当今AI无法解决的。2023年末，一项调查发现，虽然只有4%的受访者已经在组织范围内集成了某种AIOPS，但另有15%的受访者实施了AIOPS作为概念证明，29%的受访者确定了未来实施的用例。预计未来四年市场规模将增加两倍，到2028年将达到近650亿美元。

优化AI的使用将决定未来供应链的赢家：AI和预测分析将在未来十年区分制造业和零售业的赢家和输家。利用大数据优化库存、预测需求、控制成本和个性化建议的领导者将主宰分析能力较差的同行。未能采用的公司将看到成本螺旋式上升，效率直线下降。

预计AI会遭到反弹，因为组织会浪费更多的时间和金钱来试图“把它做对”：“随着组织更深入地研究AI，实验肯定会成为2024年上半年的一个关键主题。那些负责AI实施的人必须以“快速尝试，快速失败”的心态来领导，但太多时候，这些角色需要了解他们所瞄准的变量，没有明确的预期结果，并且难以提出正确的AI问题。最成功的组织会很快失败，并很快从吸取的教训中恢复过来。企业应该预料到在AI实验上花费额外的时间和金钱，因为这些做法中的大多数都不是植根于科学方法。今年年底，如果得出正确的结论，AI将出现明显的赢家。失败也带来了围绕数据的更多质疑，这些数据助长了AI的潜力。例如，数据分析师和首席执行官都会提出这样的问题：我们正在使用的数据有多干净?我们对这些数据的合法权利是什么，特别是如果在任何新型号中使用的话?那我们客户的合法权益呢?任何新技术都会带来更多的质疑，反过来，整个企业也会有更多的参与。

组织将(最终)管理围绕AI的炒作：随着围绕GenAI的震耳欲聋的噪音达到高潮，组织将被迫缓和炒作，并培养一种现实和负责任的方法来应对这项颠覆性技术。无论是关于GPU短缺的AI危机，培训大型语言模型(LLM)的气候影响，还是对隐私、伦理、偏见和/或治理的担忧，这些挑战在好转之前将会恶化，导致许多人怀疑一开始应用GenAI是否值得。虽然企业压力可能会促使组织在AI方面做一些事情，但数据驱动必须是第一位的，并且仍然是首要任务。毕竟，确保数据是有组织的、可共享的和相互关联的，就像询问GenAI模型是否可信、可靠、确定、可解释、合乎道德和没有偏见一样重要。在将GenAI解决方案部署到生产中之前，组织必须确保保护其知识产权并计划潜在的责任问题。这是因为，虽然GenAI在某些情况下可以取代人，但LLM没有专业责任保险。这意味着，涉及GenAI的业务流程仍需要广泛的“人在回路”参与，这可能会抵消任何效率收益。2024年，预计将看到供应商通过添加专注于满足GenAI市场趋势的新界面来加快其产品提供的增强。然而，组织需要意识到，这些可能只不过是固定的创可贴。应对数据质量等挑战，并确保统一、语义一致地访问准确、值得信赖的数据，将需要制定明确的数据战略，并采取现实的业务驱动方法。如果没有这一点，组织将继续支付不良数据税，因为AI/ML模型将难以通过概念验证，最终无法实现炒作。

对AI的看法：与任何炒作周期一样，许多人会因为糟糕的计划或知识或能力不足而跳到这一步，他们将产生糟糕的、甚至危险的代码和应用程序。在AI上大举投资然后失败的组织可能会陷入困境。其他接受这些有问题的AI应用程序和流程的组织可能会遭受数据泄露、糟糕或错误的决策，以及对糟糕代码的依赖。

推动更大的AI可解释性：在过去的两年里，商界见证了AI的重大进步。然而，包括神经网络在内的复杂AI系统的一个决定性特征是，它们的行为并不总是像我们可能预期的那样。事实上，AI系统选择到达目的地的路径可能与人类专家应对相同挑战的方式有很大不同。随着AI系统变得越来越复杂，研究这些选择并构建AI可解释性工具将变得越来越重要。组织必须有能力分析AI系统的决策，以制定足够的保障措施。此外，AI系统提供的用于解释他们思维的输出将对随着时间的推移做出进一步改进至关重要。

平衡AI内容和禁令的行为-可见性与控制：出版商考虑AI禁令源于对其内容保持控制的愿望。然而，这种方法可能会导致搜索结果的可见性降低，因为搜索引擎越来越依赖AI来管理内容。整合与排除：虽然一些品牌可能会将AI禁令视为保护其内容的一种方式，但他们可能会错过AI，特别是LLM在内容匹配和查询理解方面提供的优势。反对AI禁令的理由是，LLMS可以利用替代手段访问内容，这使得完全排除具有挑战性。平衡法案：品牌将需要在保护其内容和利用AI来提高其在搜索结果中的可见度和相关性之间找到平衡。这可能涉及制定微妙的政策，在不完全排除的情况下规范AI与内容的交互。

AI当然可以帮助清理“杂乱的数据”，但它也有点循环，因为AI的使用应该建立在强有力的数据治理的基础上，因为数据保护法要求公司了解哪些个人数据被用于AI用例。因此，在2024年，我们将看到更多的关注数据库存和分类，作为希望依靠AI力量的公司的必要基础。

在我看来，营销界正准备从广泛的营销独白转向互动的、AI驱动的客户对话。这一变化将要求重新评估营销技术堆栈，以优先考虑实时、有意义的互动。与此同时，个性化将从感知到的侵扰性过渡到通过响应性对话建立信任。我相信这将逐步淘汰传统的导航，如下拉菜单，取而代之的是搜索和聊天界面。在这种不断发展的格局中，公司将认识到他们的AI战略与他们的数据战略内在地联系在一起。要有效、合规地利用新的接口和工具，确保数据质量和相关性处于这些技术进步的前沿，强调精益数据变得至关重要。

优化AI的使用将决定未来供应链的赢家：AI和预测分析将在未来十年区分制造业和零售业的赢家和输家。利用大数据优化库存、预测需求、控制成本和个性化建议的领导者将主宰分析能力较差的同行。未能采用的公司将看到成本螺旋式上升，效率直线下降。

对于开发人员来说，AI已经被证明是一个极其强大的工具，尽管许多人对其能力的程度表示怀疑，并担心它有可能扰乱传统的工作场所做法、工作和流程。在我看来，AI将增强开发人员的日常工作流程，而不是取代它。越来越多的开发人员将使用AI来自动化简单的任务，如扫描性能问题、发现工作流中的模式和编写测试用例。它实际上将把开发人员解放出来，把更多的时间花在有影响力的、创新的工作上，而不是“AI顶升”。

随着每个行业的领导者开始接受这项技术，AI将使团队更紧密地联系在一起：在未来一年内，AI将成为开发生命周期的主要驱动力-不仅是作为IT助理，而且作为协作工具。开发人员和工程团队的工作主要局限于后端，但我预计，随着AI在企业总体目标中变得更加根深蒂固，IT领导者将成为关键顾问。随着组织寻求利用AI进行自动化、原型制作、测试和质量保证，以大幅减少开发新项目所需的时间，技术人员和非技术人员都需要协调他们的AI战略。这将使技术人员能够更频繁地创新，而非技术人员可以参与构建解决方案，而不仅仅是提供需求。

关于采用/投资AI：投资AI工具可以成为帮助一些开发人员提高生产率的杠杆。提示方面的培训越多，您就越有可能从开发人员那里获得更高的生产力。缺点是，AI通常并不真正了解问题空间，并且可能使用低于平均水平的代码。互联网上的许多培训代码不适合您的应用程序。其中一些并不适合任何应用程序，所以指望AI让开发人员变得更好是不太可能的。AI是一种工具或杠杆，而不是训练和技能的替代品。

推动AI进步的数字容量竞赛：AI是一项渴望数据的技术，未来几年对移动和处理这些数据的带宽需求将飙升。AI应用程序的发展速度远远超过了基础设施建设的速度，导致了容量短缺的风险。网络基础设施必须迅速发展，以满足连接需求并避免紧缩。这将需要在新技术和基础设施方面进行投资，并在网络运营商、超大规模巨头和其他利益相关者之间采取更具协作性的方法。AI是一个价值万亿美元的机会，它将推动前所未有的带宽需求，使其与5G和物联网等其他炒作周期有很大不同，这些周期的货币化尚不清楚。严重依赖数据和计算的行业——如医疗保健、金融和制造业——将首先受益于AI。超大规模巨头将在数字基础设施上投入巨资，为这一激增做好准备，在我们展望未来时，规模较小的参与者必须效仿，否则就会被甩在后面。

公司将优先关注数据基础和AI创新之间的差距。没有数据战略就没有AI战略，公司将需要优先填补数据战略中的差距;具体地说，就是更高效、更安全地访问更准确数据的基本要素。

总体而言，理解和利用AI的全部价值的门槛仍然很低，但这不会持续很长时间，因为市场压力继续加速AI的采用。企业AI的未来将集中在已在使用的产品和服务中内置AI。但随着AI创新的发展，我们将看到企业学会建立自己的内部AI数据平台，并将部分工作流转移到自己的基础设施中。对于想要走在前列的企业来说，现在就开始投资建立他们的内部专业知识是至关重要的。与分散在公司各处的单个AI项目相比，建立一个AI和数据科学的中央“卓越中心”将更有利。

实时AI监控：数据驱动的未来：2024年将见证实时AI监控系统的崛起，能够即时检测和解决数据异常。这项变革性的技术将确保数据的可靠性和可访问性，特别是对于不断增长的非结构化数据。