数据和人工智能工具的结合可以实现新的分析和自动化形式，而在企业应用程序中，这些技术仍在不断发展和演变。

企业领导者面临数字化颠覆的现实，发现即使在人工智能上采用快速跟随策略也很难应对。迅速发展的技术以及人工智能对未来工作的影响，将导致工作岗位的变化和知识型员工难以保留等迫在眉睫的问题。

采用人工智能的好处以及带来的问题

经研究调查发现，人工智能主要用于分析、自动化和数据管理。正在启用新功能，使原本不可访问的域更容易访问。例如，大学教授现在可以使用一系列工具来检测作弊行为，这曾经是一个人工检验和基于经验的繁琐过程。在人力资源部门，也采用了能够筛选简历、预测应聘者是否合格成功的技术，以及执行许多其他任务的技术，这些任务曾经被认为难以处理。

不仅仅是人工智能功能使这些应用程序更加可行，它也是对业务任务的重新构想，以利用现有数据并开辟新的思维方式。与此同时，不断变化的隐私法规使企业和网络犯罪分子以惊人的新方式使用先进的技术，这迫使企业采用更多资源处理与数据安全和治理相关的问题。

当今的业务环境越来越复杂，很难应对这种混乱。随着第二代数字原生代的兴起，需要对不断增长的人工智能和大数据的应用进行探索和研究。

根据调查，人工智能技术目前在大多数组织中都有一定程度的使用。这一发现与其他行业机构的研究是一致的，这些研究指出，人工智能技术已从认识和早期采用过渡到全面实施，并从使用中创造了附加业务价值。

现实情况是，许多人工智能应用程序，特别是那些需要丰富的稳定数据集合得出结论的人工智能应用程序，一直受到数据发现和管理的复杂性的困扰。然而，随着大数据技术的发展，使组织能够保持和管理越来越多的数据，利用物联网和移动网络等新技术的新应用开始产生有希望的结果。其中一些例子包括执法中的面部识别、智慧城市技术、自动驾驶汽车和无人机等。

人工智能和大数据的正确组合

仔细考虑人工智能使用的数据同样重要。在相关调查中，很多组织表示，缺乏正确的数据是进一步实施人工智能的最大障碍之一，28%的受访者认为缺乏内部专业知识也是一个主要障碍。

　随着数据的生产和存储量呈指数级增长，人们将开始看到人工智能系统的适应和改进。虽然人工智能从业者可能对数据量有合理的处理，但大数据环境中的变化速度仍然是某些人工智能应用程序的重要问题。流媒体数据是数据样本经常被忽视的一个很好的例子。

数据准确性是另一个越来越重要的问题，特别是对于分类方法和其他无监督的人工智能方法。数据是必须建立任何技术(尤其是人工智能)的基础。错误的数据基础(例如使用包含偏差或被错误操作的数据)通常会导致错误的技术方法产生错误的见解，而且可以通过压力以消极的方式得到强化。

人工智能的发展对其商业价值至关重要

但是，随着数据的持续生成和存储量呈指数增长，人们将开始看到人工智能系统的适应和改进。这种演变是人工智能的商业价值所固有的特征。正如人工智能技术在某种程度上具有自我诊断的能力一样，人们将开始看到出现复杂的系统，这些系统不仅可以从人类代理那里学习，而且还可以从经验中学习——其很好的例子包括对抗人工智能和集成方法。

此外，下一代数字原生代的人工智能和数据科学从业者将更加细致地对系统进行观察。这些未来的数据科学家将进行鉴别诊断，就像医生一样，可以区分具有相似症状的疾病。

人工智能和大数据的结合将继续发展，组织可以确保继续增加对该技术的实验和部署。然而无法保证这种演变将朝着积极的方向发展。事实上，一些伟大的预言得出的结论却恰恰相反。

数字颠覆的新科学与商业和人工智能的发展息息相关。似乎可以肯定的是，这种进化的速度将继续增加。事实上，人工智能和大数据并不总是完美地结合在一起。在这一领域，最终会产生最佳结果的是不同分析方法和思维的日益成熟。