2020年,人工智慧依然會“長驅直入”,為傳統產業創造價值,並深刻改變我們的日常生活;2020年,已不是辯論人工智慧能不能落地、怎樣落地的階段,而應該討論人類應如何與AI相處、融合,一起工作。
近日,知名商業雜誌Forbes刊文,預測了2020年人工智慧的120個發展趨勢。文章採訪了120個科技公司創始人/高管,從人工智慧的底層技術、行業應用、法律、倫理等等方面,以不同維度闡述人工智慧面臨的機遇和挑戰。全文共16593字,閱讀大概需要30分鐘。
1.Nauto執行長Stefan Heck自動駕駛汽車應該被設計為可以打破法律限制,它必須學會超速行駛,並與其他駕駛員的速度相匹配,以便確保其他駕駛員的安全。比如遇到車禍時,超速如果能拯救更多的生命,AI就必須學會違反法律/駕駛規則。2020年,我們將看到更多關於設計非法行為演算法的爭論。
2.Affectiva聯合創始人兼執行長Ranael Kaliouby我們將看到資料合成方法的興起,以應對人工智慧中的資料挑戰。基於深度學習的人工智慧演算法只有在經過訓練並在大量資料上得到驗證後才能正確工作,但人工智慧公司常常面臨著獲取準確資料的挑戰。
為了解決這一問題,公司可以對已收集的資料進行綜合,以建立新的資料。資料合成並不能消除收集真實世界資料的需求,但它可以擴大資料集,這對於開發更精確的人工智慧演算法至關重要。
3、Dynamic Yield執行長Liad Agmon全球最大的B2C品牌商已經將他們的注意力轉移到個性化和人工智慧驅動的客戶體驗上,而且正在努力將他們的願景變為現實。
這是由於部門結構、技術基礎設施老化,以及缺乏能夠闡明業務需求並將其轉化為技術解決方案的高階和中級管理人員造成的。這樣的轉變對他們的生存至關重要,所以我們將看到行業越來越重視AI創造的客戶體驗。
4.Trifacta聯合創始⼈兼CSO Joe Hellerstein在整個2020年,我們希望看到AI/ML更多的關注從研究轉向⼯程,更加關注管理和⽣產。還期望看到對資料探勘的更多投資,這是許多項⽬的最⼤瓶頸。而且應該更加關注對AI/ML通道的跟蹤,這有助於預測⽣產中的服務品質,形成資料探勘和產品品質的良性迴圈。
5.Aiqudo⾸席執⾏官John Foster隨著語⾳對消費者來說變得越來越有⽤,通過語⾳查詢將會激增。每⼀個查詢都代表⼀個消費意圖,而且與消費者想要採取的⾏動⾼度相關——⾯向交易的⾼價值消費者意圖。任何以消費者為中⼼的AI平臺都需要能夠收集和分析由語⾳命令代表的⼤量⾼價值消費者意圖。
6. 以⾊列創新局Aharon Aharon近年來,我們看到越來越多的國家在制定國家⼈⼯智慧戰略。⼈⼯智慧的巨⼤經濟價值將有可能提⾼⽣活各個⽅⾯的效率和幸福感。但是,從政府機構的⻆度來看,在實施這項技術的同時,必須有適當的基礎設施、資料庫的可用性和規章制度,特別是在自主決策和隱私方面。還必須有充分的人力資本,以應對AI時代帶來的勞動力市場挑戰。
7.LogMeIn高階技術總監Ryan Lester事實上,語音還不成熟,2020年也達不到目標。即使是一些最先進的基於人工智慧的語音解決方案,也只適用於某些特定的應用,在受控環境之外不穩定。
語音會變得更好,也會找到合適的應用場景,我們會習慣使用它,但是2020年,它還沒有準備好,應用範圍還很窄,所以不要把所有的雞蛋都放在那個籃子裡。
8. ActiveViam董事總經理GeorgeBory零售商將越來越多地將AI⽤作營銷推薦,許多零售商會努⼒將這些源⾃AI的決策轉化為可定價,供應鏈和商品銷售的業務規則。但並不是所有公司都意識到使⽤AI技術進⾏資料分析只是邁向真正轉型過程的第⼀步。
9. XLabs⾸席執⾏官Radhika Dirks到2020年,從全球的⼏個⻆落,我們將開始看到為解決棘⼿、有意義的問題⽽構建的AI;為幫助⼈類做我們⽆法做到的事情⽽構建的AI,⽽不是僅僅試圖模仿我們的能⼒。這就是我們所說的下⼀代AI。
10. Hailo聯合創始人OrrDanon隨著AI本身真正融⼊芯⽚中,⼀個全新邊緣計算時代才剛剛起步。⼈⼯智慧芯⽚已經能夠更有效地處理視覺資料,為未來的⾃動駕駛汽⻋鋪平了道路。
對於智慧城市,人工智慧晶片將協助完成實時交通監控、尋找失蹤人員和尋找被盜車輛等關鍵任務。對於智慧家居來說,晶片將通過在邊緣處理資料來確保更多的隱私和可靠性。人工智慧晶片的新時代意味著技術的新時代。
11.MemSQL CMO PeterGuagenti我們將在2020年開始看到⼀些重⼤突破和⼀些真正的變⾰。可以說,在某種程度上,AI/ML將走出實驗室並滲透到你的生活中。如果2020年出現衰退,將會加速即將到來的AI/ML影響,這是因為AI/ML已經在提高人類工作效率。
12.Aluxio創始⼈兼⾸席技術官李浩遠
昨天的Hadoop平臺團隊是今天的AI/Analytics團隊。過去的統計模型現在已經與電腦科學融合,並已成為AI和機器學習。因此,資料、Analytics和AI團隊不再相互孤⽴。實際上,他們需要合作並共同努⼒,以從他們都使⽤的相同資料中獲取價值。2020年,我們將看到更多的組織圍繞資料堆疊建⽴專⻔的團隊。
13. SIOS Technology全球營銷副Quattroporte
Frank Jablonski
機器學習和⼈⼯智慧將通過提⾼雲效率來節省成本。要做到這⼀點,將需要應⽤程式了解何時需要更多資源,然後⾃動擴充套件這些資源以滿⾜不斷增⻓的需求。相反,該技術將需要了解何時不再需要特定的資源,並安全地將其關閉以將成本最⼩化。
14. harmon.ie 聯合創始人
兼CEO Yaacov Cohen
影象識別和機器學習的新進展將使上下⽂識別和內容推薦成為可能,從⽽幫助資訊⼯作者應對資訊氾濫的問題。AI將有助於工作場所的數字化轉型,並通過基於⽤戶當前的上下⽂提供資訊減輕認知負擔。
15. UJET創始人兼CEO Anand Janefalkar
2020年,人工智慧將顯著改善員工體驗(EX)。能夠自動、即時地從多個渠道收集資料、分析資料並提供可操作的洞察力,這將使支援代理能夠更快、更輕鬆、更準確地處理客戶查詢,並獲得非常令人滿意的問題解決方案。
16. Cleo 產品開發高階副QuattroporteJorgeRodriguez
由於供應鏈行業在數字化方面歷來採用緩慢,因此收集的資料根本不足以讓人工智慧/ML演算法提出可靠的建議。當我們開始看到一個更現代化的供應鏈在2020年出現,AI/ML演算法將使我們能夠更全面看到供應鏈,並提供寶貴的見解,以簡化以前繁瑣的過程,如產品重定向、新的合作伙伴和供應商培訓、訂單取消、供過於求。
17. Mastercard高階副Quattroporte
兼Brighterion負責人Sudhir Jha
會有越來越多企業在大規模生產中部署複雜的人工智慧模型。到目前為止,大多數人工智慧應用要麼是實驗(即不在生產中),要麼是簡單的推薦/預測/迴歸模型,要麼是應用在較小的問題上。到2020年,我們將看到更多的企業更加大膽地實現他們的人工智慧雄心,並要求他們的供應商支援大規模部署。
18.Cloudian CMO JonToor
隨著資料量持續爆炸式增長,關鍵挑戰之一是如何獲得這些資料的全部戰略價值。Object儲存將有助於在2020年處理人工智慧和多語言工作負載,因為這種新的儲存體系結構以傳統檔案儲存不具備的方式利用元資料。
19.雅虎小企業商務工程師PhilGrier
到2020年,人工智慧將有助於縮小許多資源有限的小企業面臨的商業能力差距。有了人工智慧,小企業可以通過自動化工作流程(如員工管理、IT服務管理或合規性管理)實現更好的庫存和交付管理,無縫高效地管理其門店。基於人工智慧的聊天機器人和虛擬助理進一步簡化業務交易,提高運營效率,同時也提供了最佳的客戶體驗。
20.Moz高階SEO科學家Britney Muller
到2020年,非技術性SEO將更容易應用人工智慧技術。從人工智慧自動化元描述,到自動化標題或重定向,這項技術將滲透到日常任務中,這些任務通常是耗時但必要的。但是專家們不應該害怕新事物,相反,他們應該保持一個行業創新的脈搏,並儘可能與資料科學領域更緊密地結合起來。
21. Intuition Robotics市場副Quattroporte
Dafna Presler
我們將開始看到特定領域的數字伴侶,它們將幫助我們完成任務並更好地利用技術,例如,一個AI副駕駛員,將幫助我們在車內使用技術,成為更安全的駕駛員,並在駕駛過程中預測我們的需求。
22. Infosys Consulting自動化
和人工智慧全球合作伙伴Simon Moss
5G、物聯網整合以及將分散式和多樣化的資料來源連線到‘智慧系統’的相關能力,將推動消費者在內容管理、網路優化以及基於感測器的資料來源數量激增的整合領域的巨大人工智慧機會。電信公司、娛樂和能源公司在這些領域的障礙相對較低。
23. PagerDuty⼯程⾼級副Quattroporte
Tim Armandpour
到2025年,“實時”還不夠好。整個⾏業將需要AI才能超越實時性來進⾏預測。我們將需要更進一步,以預測即將發⽣的事情,就像⽓象學家預測天⽓⼀樣。⼤量準確的資料集可以提供背景資訊並突出新出現方式,揭示概率的程度。在人工智慧的幫助下,預測是可以實現的。
24. ASCM執行長Abe Eshkenazi
到2020年,我們將見證更多從以人為中心到以資料為中心的自動化決策轉變,這一轉變利用了預測性和規定性分析,包括人工智慧。這將要求各行業在其供應鏈中更好地利用技術和分析,以滿足客戶對定製產品和服務的需求。
隨之而來的將是對勞動力重新配置和資料基礎設施改造更大需求。我們已經看到對供應鏈內專業發展課程和認證的需求超過了⾮專業4年制 學位課程的需求。
25.Synaptics首席技術官PatrickWorfolk
邊緣處理與人工智慧創造了更好的物聯網體驗。物聯網裝置製造商知道基於邊緣的處理的好處,但直到現在,在成本、效能和安全性方面的許多挑戰使得在消費品和系統中實施變得不切實際。將邊緣處理與雲連線結合使用的轉變已經開始,並將在2020年繼續發展。從消費者的角度來看,這一趨勢將帶來更快、更可靠、更私密的物聯網體驗。
26. Virtana執行長PhilippeVincent
到2020年,AIOps(即 Artificial Intelligence for IT Operations,智慧運維)的解決方案將有更大需求,它基礎監控設施、工作負載自動化和容量規劃整合到一個平臺中。因此,未能採用AIOps服務模式的供應商和未能投資於端到端基礎設施的企業將無法滿足客戶要求。
27. Laserfiche公司戰略副Quattroporte
和資訊長Thomas Phelps
到2020年,我們將開始看到傳統的企業內容管理(ECM)(包括企業內部(Intranet)內容管理、Web內容管理、電子商務交易內容管理和企業外部網(Extranet)資訊共享內容管理)平臺開始專注於協作服務,以使內部和外部業務夥伴都能夠訪問內容。傳統的ECM提供商專注於為指定的受眾(業務主管、客戶等)提供資料和自動化儲存庫,但在未來的一年裡,我們將看到企業在AI/ML方面的投資轉變,讓工作流程更視覺化。
28.Taranis聯合創始人兼CEO Ofir Schlam
隨著氣候變化的迫近,農民和農學家面臨著許多艱鉅的挑戰。農業也逐漸數字化管理,人工智慧將簡化整個過程,從收集影象到提供可操作的決策,它將提高準確性和減少人為錯誤。農業數字革命將使農民及其農藝合作伙伴更容易制定進一步的解決方案,以應對氣候變化的影響。
29. Credorax執行長IgalRotem
人工智慧在支付領域的作用不僅是推動資料科學和防範支付欺詐,它還需滿足全球支付領域的新需求,我們將看到人工智慧在確保商戶合規性和客戶體驗方面發揮著不可或缺的作用。在未來的幾年裡,人工智慧將使企業能夠簡化運營,更好地服務客戶,並反過來在經濟和文化上創造指數級的發展。
30. Skyline AI聯合創始人
兼執行長Guy Zipori
在未來幾年,企業應該少關注科技如何取代傳統工作,而更多關注人工智慧和人類專長如何相互補充。我們堅信人工智慧和人類專長的結合,我們稱之為科學和藝術。
科技永遠能夠比人類更快地完成任務。但也有一些領域的技術永遠無法取代人類。例如,談判需要直覺、信心和交易經驗,而計算機無法複製。我們的信念是,我們需要繼續努力,爭取在2020年在科學和藝術之間找到完美的平衡。
31. Qlik全球市場高階主管Dan Sommer
現在比以往任何時候都容易在資料庫搜尋和分析,我們有工具,以確保資料可以用到正確的地方。資料的神祕主義已經消失:2019年Hadoop分銷商的整合和迅速消亡是這一轉變的訊號。下一個重點領域將是非常分散的,或“廣泛的資料”。資料格式越來越多樣化和碎片化,因此,適合不同型別資料的不同型別的資料庫增加了一倍以上。
32. Jiminy聯合創始⼈
兼⾸席執⾏官Tal Guttman
現在,許多AI解決⽅案都試圖將⽤戶資料轉化為⼴告收⼊,我希望在2020年看到更多的AI解決⽅案每天如何為我⼯作,⽽不是用來“關注”我。AI的隱私問題在很多領域都存在,包括養育⼦⼥,⼈際關係和受教育程度等等。從積極的⻆度來看,AI帶來了個性化。但是,這些AI公司必須優先保護他們收集的個⼈資料。
33. Genpact首席數字官Sanjay Srivastava
我們將看到數字道德官員的出現,他們將負責實施道德框架以做出決策,包括安全性、偏⻅、⽤途等。
34. Gloat InnerMobility聯合創始⼈
兼CTO Amichai Schreiber
2020年⼈⼯智慧將被證明是改善職業的重要⼯具。通過⼈⼯智慧,僱主將能夠為員⼯提供更多的機會,並促進他們獲得更多多樣性經驗。藉助AI,員⼯將能夠擴充套件和增強他們的技能,並確保他們在快速發展的市場中保持重要地位。問責制將繼續與AI發展並駕⻬驅,尤其是在解釋結果和防⽌偏⻅⽅⾯。
35. Sapiens CMO Yaffa Cohen-Ifrah
保險業正在發⽣根本性的轉變:保險公司知道他們需要⼤⼤改善客戶體驗,並確保其產品具有針對性和個性化。2020年,⼈⼯智慧使保險公司能夠更好地利⽤他們掌握的⼤量資料,以從客戶洞察中受益,從⽽最⼤程度地提⾼其服務和產品。這將提升客戶滿意度,讓業務更加⾼效。
36. Udemy Learning副QuattroporteShelleyOsborne
機器學習和神經網路是人工智慧創新背後的力量,這些創新正在席捲全球。在過去3年中,我們看到Udemy平臺上的人工智慧和資料科學課程發生了決定性的轉變,因為企業試圖解決他們的知識缺口。
隨著對資料科學家和人工智慧專家的需求不斷增加,我們預計,我們所稱的Capability學院將繼續增長。Capability學院是一個深入培訓計劃,旨在發展和維持支援特定業務戰略和功能領域的技能能力。
37. Serrala技術和產品
高階副QuattroporteVishal Awasthi
到2020年,人工智慧和機器學習在現實世界的應用將會增長,特別是在銀行業和金融業,人工智慧解決方案將能夠加速和改進財務和財務流程。具體來說,我們將看到智慧聊天機器人的部署,這些智慧聊天機器人將回答客戶和供應商的查詢,以及用於發票獲取、現金應用、異常或爭議處理、計算客戶信用風險和檢測欺詐的智慧軟體代理。
38. Jabra⼤型企業
⾼級副QuattroporteHolger Reisinger
機器對話中的同理心將變得非常重要。如果機器在對話中能有一定同理心,那麼語音助手的應用將會得到極大的改善。Alexa和其他玩家可能會變得更加情緒化,並在使用者的反應中察覺到挫敗感。在2020年及以後,這將是一個重大的改進。
39.QentelliQuattroporteSanjay Jupudi
2020年將更加關注可解釋的人工智慧,以減少預測中的偏差。資料科學家將成為產品團隊的一個組成部分,並與他們密切合作,為應用程式開發創造一種資料優先的方法,而不是專注於讓應用程式生成的資料變得有意義。
40. Splunk傑出⼯程師Eric Sammer
自然語言處理(NLP)與人工智慧相結合,將越來越多地做出人類觀察者難以理解的決策,無論是通過分析股票資料來做出投資決策,還是通過解析堆積如山的非結構化社交媒體來對品牌進行廣泛的情緒分析,或是圍繞品牌或特定智慧進⾏⼴泛的情感分析。
但是,訓練就是一切。許多演算法正在對存在固有偏見和問題的現有人類實踐進行訓練。如果你認為可以在一開始就從NLP演算法中消除這一點,是很幼稚的。
41.OST CIO Jim VanderMey
到2020年,醫療機構將利用人工智慧幫助醫務人員為患者提供症狀預測。開發可以從一個衛生系統轉換到另一個衛生系統的人工智慧工具將是一個難題,但一旦醫療行業積極推動,該解決方案將成為醫療行業重要組成部分。
42. DataStax開發人員關係副Quattroporte
Patrick McFadin
隨著越來越多的公司著手解決有關事物、地點和人之間關係的問題,影象技術將在企業中變得更加重要。2020年影象技術面臨的問題是缺乏具有特定技能的人才。
43. WillowTree執行長TobiasDengel
語音使用將繼續爆炸式增長,但不會像你想象的那樣。像Alexa和Siri這樣的助手在音樂、播客和天氣等方面的體驗中已經有了一些突破。語音互動已經深入我們的生活,例如訂購晚餐、購買電影票或研究產品。2020年每一個應用程式都必須重新設計為語音優先,就像十年前我們都以移動應用功能為第一一樣。
44. FogHorn軟體工程副QuattroporteSenthilKumar
利用邊緣人工智慧和自學習模型的力量,到2020年,機器學習模型可以超越傳統的分析能力,顯著提高預測功能和總體投資回報率。有了邊緣AI,軟體可以主動地與實時資料流進行互動,並滿足原始碼或原始碼附近的智慧需求,從而提高整體生產力、效率和節約成本。
45. Zoom Video Communications
CPO OdedGal
通過Echo和Siri等服務,物聯網(IoT)已經普及給家庭消費者。2020年,隨著廉價的即插即用技術的出現,物聯網將在工作場所實現普及化,從而提高會議的使用者體驗和效率。人工智慧對這一過程至關重要。
46. Emergency Capital合作伙伴Jake Saper
GDPR和CCPA是監管資料的良好開端,但很快,人工智慧和資料解決方案公司將超越這些準則,並承諾他們收集的任何使用者資料將被用於直接造福於這些使用者。能夠做出承諾的組織將提供人工智慧和資料解決方案,收集使用者行為和環境的資料,將使用者的行為與最佳結果關聯起來。
47.Adobe Analytics產品管理總監
John Bates
到2020年,人工智慧將在推動與資料的雙向對話方面發揮更大的作用。人工智慧完成了繁重的工作,深入到資料中,並發現了一些洞察(團隊一開始甚至不知道要尋找的洞察)。
隨著時間的推移,人工智慧可以了解到什麼有利於終端使用者,並相應地進行搜尋。它延續了人與機器之間的和諧,將人類創造力和環境的力量與機器的力量結合在一起。人工智慧作為一個“永不停歇”的助手,可以填補資源缺口,讓團隊有更多的創造性,從事更高價值的工作。
48. Talend CTO和COO LaurentBride
隨著智慧化的興起,利用人工智慧增強人的能力將繼續是一個微妙的平衡。無論是用於重複性任務,還是理解互動對話,人工智慧將開始滲透到業務的幾乎所有領域。
49. Looker⾸席 產品官Nick Caldwell
2020年,視訊deepfakes和對話聊天機器人的有力結合,幾乎可以以假亂真。這些AI善於進入客戶服務、購物和醫療保健領域。他們轉向社交媒體、安全和政治活動等方面。歸根結底,我們不知道做假和做假的人有什麼區別。
50.Calabrio首席產品官MattMatsui
到2020年,公司將意識到只考慮由人工智慧驅動的基於事實的理性決策,限制了對客戶行為的理解。但作為人類,我們決策的核心是情感。未來,企業必須學會平衡使用人工智慧和人工人性,這是人類決策背後的情感驅動因素,有時是非理性驅動因素。
51. Adobe Sensei副QuattroporteScott Prevost
人工智慧推動了軟體領域的變革,更廣泛地說,推動了跨行業企業如何提供數字體驗。進入2020年及以後,公司將通過以“人工智慧優先”的心態設計客戶體驗,而不僅是為特定任務智慧化工具,或為傳統軟體新增“智慧”功能,而是將人工智慧作為解決問題的重要元素,從而變得更具前瞻性。
52. CommScope超大規模解決方案
副QuattroporteJohn Schmidt
我們預計,隨著企業越來越多地使用他們收集的資料來構建和部署支援新服務和產生新業務決策的人工智慧模型,2020年人工智慧的使用將加快。AI公司不僅要在其核心資料中心配備更快的網路和伺服器,還要在邊緣資料中心部署更接近終端使用者的人工智慧模型。到2020年,我們預計資料中心運營商將越來越關注如何為客戶提供其所需的人工智慧雲服務。
53. Commvault 技術推廣員MattTyrer
2020年,隨著業界對analytics的關注,將受到越來越大的監管壓力。如果沒有“乾淨的”有價值的資料,那些人工智慧專案將步履蹣跚。我預計更多的企業將在他們的“資料成熟度”中達到這一點,其中analytics專案是重點。
54. Adobe內容與商務⾼級總監Loni Stark
⼈⼯智慧的最⼤潛⼒不是“⼈⼯”⽽是“增強”智慧。我們如何設計和製造可訪問的機器智慧,以幫助我們做出最佳決策和採取⾏動?當我們讓⼈⼯智慧與其他各式各樣的⼈坐在⼀起時,我們可以提⾼團隊的績效。我們才剛剛開始探索增強智慧的潛⼒。
55. Pexip副QuattroporteJordanOwens
2020年將最終創造出一種與電話會議一樣具有適應性的會議內體驗。對使用者來說,這意味著要確保合適的人得到合適的關注,使用者能在合適的時間獲得合適的資訊,每個人都能夠更快地做出更具活力的決策。從基礎設施的角度來看,這意味著在多個系統中收集資訊並通過利用人工智慧來調整基於預測行為的未來需求。
56.Teradata⼯業智慧諮詢業務主管Cheryl Wiebe
當今世界所稱的人工智慧將在2020年分為幾個領域,市場營銷人員將不可避免地為這些領域建立更簡潔的名稱。其中包括:機器人過程自動化(RPA);自動化特徵工程和選擇;感知人工智慧,即物理感知的自動化和精細化;資源分配人工智慧,即優化技術與實時感知和響應需求的結合。
57.Soft Robotics執行長Carl Vause
關於人工智慧,因為資料存在於組織內並不意味著資料是可用的、可轉移的格式。2020年企業將開始認識到他們的資料沒有為人工智慧準備好,他們的業務流程會效率低下或不準確。
58.InfluxData⾸席執⾏官Evan Kaplan
物聯⽹的⼤規模擴充套件和軟體⼯具的增⻓趨勢將在2020年將更多地集中在時間序列資料上。智慧汽⻋和與互聯⽹相連的機器正開始產⽣⼤量需要公司分析的資料。許多企業將認識到,他們需要一個特定的時間序列資料戰略,以挖掘其業務潛力的全部價值。
59.Gainsight⾸席資訊官Karl Mosgofian
⼈⼯智慧被低估和誇⼤了,因為它可以改變業務,但是企業不確定如何充分利⽤它。CIO 應該評估哪些流程可以實現⾃動化,從⽽為員⼯騰出時間來為企業提供更深⼊的⻅解。那些使SaaS公司提供較低交付成本的產品將隨著環境的成熟和競爭的加劇⽽控制市場。
60. TCN聯合創始⼈兼⾸席技術官Jesse Bird
隨著人工智慧的發展,它將很快成為接觸中心技術標準的預期入口。此外,小型聯絡中心和大型聯絡中心都可以使用人工智慧。人工智慧還將開始與全渠道解決方案整合,以立即解決消費者的問題/需求。然而,人工智慧應用的最大轉變預計將來自於collection行業,因為它看起來既能趕上,又能自動遵守不斷變化的聯邦通訊委員會(FCC)法規。
61. Neurala聯合創始人、
執行長Max Versace
隨著人工智慧和資料的集中化,製造商被迫向頂級雲提供商支付鉅額費用,以訪問保持系統正常執行的資料。因此,在邊緣部署和改進訓練人工智慧的新方案將變得更加普遍。隨著我們進入新的一年,越來越多的製造商將開始轉向邊緣,以生成資料,將延遲問題降到最低,並降低大量的雲費用。通過在需要的地方(邊緣)執行人工智慧,製造商可以保持其資料的所有權。
62.Run.AI聯合創始人、CEO Omri Geller
到2020年,我們將開始觸及深度學習的計算能力極限。隨著摩爾定律的放緩,公司將耗盡複雜人工智慧任務的計算資源。我們將不得不考慮優化,並以最有效的方式使用我們擁有的資源,而不僅僅是在問題上投入更多的GPU。
63.埃森哲倫敦Liquid工作室
創始人Laetitia Cailleteau
到2020年,我們將把對話式人工智慧的整合作為c-suite的首要任務。這是埃森哲從C-suite客戶那裡了解到的需求,這些客戶對將對話式人工智慧技術融入其商業模式感興趣。同樣的研究還引用了C-suite領導的承諾作為擴充套件人工智慧的必要條件。
64.HazelcastCTO、副QuattroporteJohn DesJardins
隨著5G帶來更多物聯網使用,併為disruption創造新的機會,實時記憶體加速機器學習將需要解決這些挑戰。AI/ML將越來越接近邊緣和物聯網裝置,並將成為創造卓越應用體驗的最佳途徑。
65.Moogsoft執行長PhilTee
我們今天熟悉的人工智慧技術,如神經網路、事件聚類和迴歸,將與不太熟悉的技術相結合,如拓撲資料分析(TDA)和生成神經網路。TDA在商業應用中有希望,因為資料有形狀和形狀的重要性。TDA對映資料集的幾何結構,這些資料集是大的、高維的或有噪聲的,以檢測模型並給出解釋。
66. Eggplant Software⾸席技術官
Antony Edwards
2020年,由於人工智慧演算法做出錯誤決策,銀行網站或零售網站將出現中斷。例如,人工智慧演算法將觀察到異常行為,並錯誤地確定正在發生的漏洞。然後,它會使系統離線,從而導致收入損失和影響使用者體驗。當人們變得更加懷疑和規避風險時,這一事件將導致轉向“決策支援”。
67. InCloudCounsel的聯合創始⼈
兼⾸席技術官Lane Lillquist
雖然2020年不會是我們交出汽車自動駕駛鑰匙的一年,但我們應該看到人工智慧方面的一些漸進但有意義的進展。看到人工智慧繼續以看似簡單的方式在各種技術產品中發揮作用,從而使流程更加高效,這將是令人興奮的事情。
68.Zinier執行長ArkaDhar
到2020年,公司將不再關注傳統應用程式的交付,而更多地關注銷售人工智慧用例。他們將為客戶提供特定用例的人工智慧模型(即在5G基礎設施中診斷維修需求)和不同用例的單獨模型(即確定何時需要停用石油和天然氣基礎設施)。企業將不再依賴於一刀切的應用程式,而是利用高度專業化的模型來定製用例,最終會產生更好的結果。
69.EasyVista北美高階副QuattroporteJohnPrestridge
對話式人工智慧的使用將為員工和客戶的參與提供一個新的渠道。除了簡單的聊天機器人,上下文感知、自然語言處理、智慧互動能力和更強大的意相簿的強大組合將使虛擬代理能夠採取行動。虛擬代理不僅能夠在對話中進行對話,而且能夠無縫地過渡到提供多媒體體驗,以指導使用者獲得資訊、答案或解決問題。
70.Mood Media全球首席產品
官Trey Courtney
我們在零售業使用人工智慧方面還很早。到目前為止,大多數的使用都是在供應鏈中進行的,例如自動化庫存資料管理和客戶服務(通過聊天機器人來回答問題)。我相信,我們將看到更多的零售商部署人工智慧技術,例如測量商店流量和調整數字螢幕內容的攝像頭,以及部署語音助手,客戶在商店購物時可以使用這些技術。
71. FreestarQuattroporteKurtDonnell
人工智慧將在構建理想廣告棧的不斷演進中發揮不可或缺的作用。AI將允許出版商動態調整需求源,這是一種歷史上由人類執行的行為,最終創造了一種實時實現收入最大化的方法。
72. CognitiveScale CTO Matt Sanchez
雖然越來越多的公司將採取‘人工智慧優先’的方式進行數字化改造專案,但許多公司仍將難以實施人工智慧,最大的挑戰來自於自動化決策系統缺乏信任和透明度。除非倫理問題得到解決,否則人工智慧的應用速度將會減慢,威脅到它在許多企業中的價值。平衡人工智慧的風險和人工智慧的價值,將成為大多數財富500強CEO和董事會的首要議題。
73.Centrline Digital集團客戶總監
Michelle Yancey
因為人工智慧,營銷人員收集、分析和執行目標營銷活動的速度將繼續加快,從而產生更有效的營銷策略。營銷人員將能夠為合適的人建立合適的內容片段,並實時將該片段放在合適的頻道中,而不是從現在開始的六個月內。
74.Tremor Video CTO Tal Mor
人工智慧引擎將繼續是廣告技術的重要組成部分。2020年,過度依賴人工優化的公司將進一步落後,因為沒有人能夠與人工智慧引擎的力量競爭。此外,越來越多的趨勢是將人工智慧工具從核心業務擴充套件到跨團隊的操作方面。隨著所使用的工具繼續商品化,它將使越來越多的團隊能夠利用它們,不管他們是否是人工智慧專家。
75.Anagram總經理Jenna Umbrianna
人工智慧的擴充套件應用,從機器學習和推理到面向消費者的實際應用(例如語音識別、機器人技術),將增加技術創新和消費者對資料收集和使用不信任之間的緊張關係。最終,這一動態將為推進一項針對消費者隱私的全國性全面監管政策帶來巨大壓力。
76. ViralGains執行長
兼董事長Tod Loofbourrow
廣告是說服的科學和藝術。勸說就是理解、預測和改進人類行為的科學。人工智慧將使我們更接近一個不那麼煩人、更討人喜歡、有用、相關和娛樂的廣告時代。
77. MNI⽬標媒體⾼級副QuattroporteMatt Fanelli
人工智慧的一個經常被忽視的方面是它與人類智慧的融合。作為人,我們擁有獨創性、創造力和創新性的解決問題的能力;在可預見的未來,這很可能仍然是機器無法替代的。
因此,當高技能的個人指導並應用該技術為品牌實現穩固的業務成果時,人工智慧的真正價值就得以實現。在2020,廣告商將非常重視有強大的團隊,可以從A中獲取最大價值。
78. Rightpoint移動和新興技術副Quattroporte
Ben Johnson
我們已經看到智慧助理的轉變,我們預計這將在2020年繼續。智慧助理的製造者正從一種拉動式思維轉變為一種推動式思維(這被稱為“主動式”助理)。舉個例子,如果你的手機學習了你的日常工作,並意識到你已經偏離了它,比如說,由於交通問題,那麼它可以建議取消你即將到來的約會或者傳送一條“遲到”資訊。了解這一趨勢的公司也明白,這些用例只有通過人工智慧才能解鎖。
79.Babel Street首席資料科學家Brandon Haynie
隨著人工智慧繼續進入主流,它對資料的渴望將繼續增長。開發快速轉換和整合資料的工具,使其更易於構建模型,將大大減少資料準備的時間。結果將使資料科學家能夠自由地應用他們的技術,並允許較小的組織在不需要大型多功能團隊的情況下開發模型。
80. DarwinAI CEO Sheldon Fernandez
隨著圍繞可解釋性的技術制定新的標準,可解釋性人工智慧將在2020年及以後繼續取得進展,隨後將緩慢發展新技術,以解決商業領袖、非技術受眾的可解釋性問題。
例如,在房地產領域,隨著人工智慧應用的不斷普及,為拒絕抵押貸款提供一個令人信服的解釋是必要的。儘管我們將看到技術工具和標準不斷髮展,但外行工具的進展將緩慢,一些狹隘的、特定領域的解決方案將首先出現。就像90年代普通福斯對“網路”的理解一樣,隨著技術的能力和使用的普及,人們對人工智慧的認識、理解和信任也會逐漸提高。
81.Synaptics首席技術官PatrickWorfolk
2020年膝上型電腦和智慧手機的語音助理將繼續變得更加智慧,並支援您的日常工作需要。例如,你可以說“開啟我昨天處理文件”或“給我找大衛今天的郵件”。這一趨勢將使人們的時間變得更有效率,專注於更高層次的工作,而不是固定在他們的郵件或簡訊上。
82. XANT⾸席執⾏官Chris Harrington
人工智慧繼續受到很多關注和大量投資。隨著炒作週期的繼續,企業將更加重視人工智慧的真正製造者或破壞者:資料。人工智慧演算法只和提供它們的資料一樣好。到2020年,我們將看到那些沒有好的、乾淨的資料的人工智慧公司,在其他擁有可靠資料的公司蓬勃發展的同時,遇到絆腳石。
83.Intercom首席機器學習工程師Fergal Reid
我們現在正處於業務智慧化的轉折點,以正確方式整合自動化的企業將經歷前所未有的增長。2020年及以後,與客戶進行對話式互動的企業將看到團隊效率的提高、客戶關係的加強和更快的增長。
84. Capacity首席資料官DaveCostenaro
到2020年,我預計在醫療保健領域,人工智慧將取得重大進展。從生物學到後臺到臨床,醫學中充斥著複雜的、多變數的問題,是機器學習演算法的理想平臺。但AI還有很多問題需要解決,比如病人隱私,訓練資料的偏見,以及平衡人類和演算法之間的協作,但這些都不是不可克服的,都可以通過深思熟慮、有紀律的方法來克服。潛在的收益是如此之大,我相信人工智慧將在這一領域取得重大進展。
85.Talespin產品經理Remmelt Blessinga
到2020年,人工智慧和虛擬人技術,可以洞察我們如何將技能應用於現實和情感體驗。我們首次看到人們真正與虛擬人物打交道,這是通過人工智慧消除人與計算機之間的傳統溝通障礙(語音輸入、語音識別和情感分析)而實現的。這將有助於關鍵軟技能的真正發展,創造一個更具社會性和溝通性的工作環境。
86. Super Hi-Fi聯合創始人
兼執行長Zack Zalon
人工智慧將繼續激增,最令人興奮的是它如何幫助我們更好地了解我們周圍的世界,從醫學到媒體。人工智慧使我們能夠在更深的層次上學習音樂和內容,比如音樂迷是如何聆聽的,這樣我們就可以自動地提供更具吸引力和娛樂性的聆聽體驗。
通過人工智慧,我們現在可以在一毫秒內生產出過去在廣播工作室需要幾個小時的產品,隨著機器學習技術的進步,到2020年,它只會越來越好,越來越快。
87. VentureFuel創始人Fred Schonenberg
合成媒體將繼續改進,使我們能夠在任何GIF中看到自己,或改變我們的聲音,以便在任何地方使用,但這將導致越來越真實的deepfakes,使人們能夠輕鬆地假設和操縱人物角色,給網路安全帶來更大的壓力。
88.ClickTived聯合創始人
兼執行長Chris Roebuck
在2020年及以後,人工智慧將繼續在技術和營銷方面發揮關鍵作用。利用AI/ML有助於公司在其後端更智慧化,最終有助於更有效地與消費者溝通。能夠預測消費者想要什麼,並能夠為他們提供定製體驗(基於他們的興趣/購買模式和記錄),這將是非常有價值的進步。
89. VUniverse創始人
兼執行長Evelyn Watters
在2020年及以後,使用者不再自己尋找和試圖決定下一步要看什麼,內建的預測技術將根據你獨特的品味和觀看習慣,建議觀看什麼內容以及何時觀看。動態推薦不僅要考慮使用者的喜好和偏好,還要考慮生活事件、季節性的觀看習慣、時事和伴侶的偏好。
90. Resulticks執行長
Redickaa Subrammanian
2020年及以後,社交媒體營銷的關鍵區別在於智慧化。以前,品牌依賴社交媒體管理者或團隊來建立內容並在線回覆客戶的查詢,而這個角色將越來越多地被聊天機器人和人工智慧軟體所取代,這將使品牌擁有24*7的社交活動。機器學習演算法將幫助公司根據客戶在社交媒體上的行為,優化他們釋出的社交內容,並更好地在一個級別的細分市場上提供個性化的產品推薦。
91.Aidoc聯合創始⼈
兼⾸席執⾏官Elad Walach
2020年將是人工智慧成為醫療領域主流的一年。2019年是早期採用人工智慧的一年,之後,隨著人工智慧的口碑在社會上的傳播,更多的醫療中心將開始意識到人工智慧的好處。相反,這會導致人工智慧醫療公司整體數量減少,因為會有贏家和輸家。
92.Explorium資料科學副QuattroporteShaiYanovski
隨著人工智慧技術的廣泛應用,人工智慧的發展將呈指數級增長。這已經開始通過神經架構搜尋和自動特徵生成等方法來實現了。
93.Dataiku⾸席客戶官Kurt Muehmel
隨著越來越多更好的人工智慧超過資料科學家和工程師的可用性,公司將轉向技術、培訓和教育,使現有的團隊升級,並引入更多以前前所未聞的聲音。這將有助於減少偏見,提高人工智慧的責任感。
94. JDA 公司BlueYonder的戰略顧問
兼創始⼈ Michael Feindt
人工智慧將在2020年及以後推動可持續發展。通過利用人工智慧演算法,公司可以測量環境和社會影響,自動進行糾正,並優化運營以實現可持續性。儘管可持續發展的挑戰日益複雜,但這些技術可以幫助企業通過減少浪費、提高生產效率、採用更智慧的運輸策略和減少資源消耗來負責任地運營和盈利。
95. Unbounce產品營銷總監TamaraGrominsky
到2020年,越來越多的小企業參與者將開始積極嘗試採用人工智慧技術,但由於現有工具成本高昂,以及對‘機器’缺乏了解,他們將受到阻礙。軟體供應商以一種易於理解、普通企業都能負擔得起的方式構建人工智慧,他們將看到獲得市場份額的巨大優勢。
96.Splice Machine⾸席執⾏官
Monte Zweben
到2020年,那些將機器學習作為其關鍵任務流程的一部分成功運作的公司將打破組織孤立,組建多學科團隊。這些團隊將包括資料工程師、應用程式開發人員和資料科學家,他們將專注於應用程式而不是資料湖。他們將把本地機器學習整合到應用程式中,以避免資料沼澤。
97. Kinetica首席產品官IrinaFarooq
鑑於人工智慧技術的現狀,可解釋的人工智慧並不是一個合理的目標或期望;然而,我們需要確保新的機器學習資料平臺有必要的基礎設施來實現治理、透明度和可重複性。
如果我們能夠預先評估培訓模型所需的資料,並持續評估模型的效能,那麼我們就可以發現系統中產生無意偏見的缺陷,並對這些缺陷加以糾正。
98. Conversocial執行長
Ido Bornstein HaCohen
機器人不再侷限於簡單的客戶互動。它們利用自然語言處理來更好地理解使用者的意圖,並提供有用的、適當的響應。隨著越來越多的對話被機器人成功導航,品牌將提高其使用率,以提高響應時間,並推動更高的聯絡中心效率。
99.Resonai CEO Emil Alon
到2020,我們將把增強現實視為一種解決跨行業問題和改變企業經營方式的商業解決方案。人工智慧將繼續擴充套件到新的行業,如商業房地產、商場和其他零售設施。主要產品功能包括室內導航AR、AR搜尋、AR售票系統。領先的應用程式/用例將包括用於建築物維護和運營的應用程式、作為物聯網中央控制器的應用程式以及用於建築物訪問控制和導航的數字門房。
100. AlphaSense產品搜尋和
人工智慧主管Chris Ackerson
雖然整個企業對人工智慧的投資有了巨大的增長,但一個主要的挑戰,尤其是對IT專業人士來說,是衡量其投資回報率。由於建立培訓資料集的挑戰、機器學習的不確定性以及機器學習平臺工具的不成熟,人工智慧驅動的企業產品的生產時間比預期的要長。不管這些挑戰如何,人工智慧將對應用和行業產生不可忽視的影響。
101. Altimetrik首席資料官Abhijit Sahay
人工智慧將在明年東京奧運會上全面展示。我們可以期待,由人工智慧驅動的機器人助理將成為奧運會前的宣傳噱頭之一,並在現場活動中積極幫助官員,例如在足球比賽中標記“場外”。人工智慧還可能參與預測美國總統選舉中的投票和預測,進一步將這項技術納入主流觀點。
102.Uniphore執行長UmeshSachdev
語音分析工具是支援機器人流程自動化(RPA)的重要橋樑,到2020年,我們將看到這兩項技術繼續攜手合作。我們將通過實時將情感與歷史資料進行分層,看到預期意圖方面的最大進展。在接下來的1-2年裡,我們將能夠確定人們支付過期賬單的可能性。這種型別的客戶意圖最終將成為業務分析和規劃的關鍵所在。
103.Credit Sesame聯合創始人
兼執行長Adrian Nazari
得益於機器學習的顯著進步,2020年將是人工智慧全面解決金融服務問題的一年。2019年,投資管理等資產領域的機器人顧問(robo advisor)崛起,但事實證明,破解個人金融的負債問題要困難得多。現在,人工智慧已經發展到可以考慮到債務管理的所有因素,為消費者提供個性化和可操作的建議。
104.Primulabs執行長VickiHolt
由於廣泛的資料收集能力,加上高效能的可訪問計算能力,我們將看到人工智慧和機器學習在工業的許多方面支援製造業。通過提供設計速度、反饋和優化來提高他們的體驗。
其次,機器學習將極大地影響製造效率,以改善諸如過程控制、錯誤檢測和需求預測等領域,從而使供應鏈更加靈活。
105. Fiddler聯合創始人
兼執行長Krishna Gade
基層思想領袖和初創企業將掀起一股熱潮,讓人工智慧變得公平、負責和透明。鑑於此,更多的財富100強公司將尋找治理人工智慧的方法,以最大限度地降低演算法風險,美國更多的州將出臺有關人工智慧的法規。可解釋的人工智慧將很快成為幫助解決這些問題的主流。
106.CCC資訊服務執行長
Githesh Ramamurthy
到2020年,我們將看到人工智慧和機器學習在汽車保險領域的大規模應用。普通的文書工作將通過大量基於人工智慧的流程來解決,而人類將獲得自由,以提供高接觸度、個性化的體驗,在經歷創傷事件後為投保人提供情感支援。
107.Facebook美洲區負責人
Christine Trodella
人工智慧將無縫地、逐步地融入到我們的日常工作中,使我們在工作中更有效率、更有效率。與人們在電影中看到的“殺手機器人”不同,這種智慧化幾乎是看不見的。
隨著越來越多的任務智慧化,領導層需要優先考慮對工作職責可能發生變化的員工進行持續培訓。他們還需要在招聘溝通、團隊合作、同理心時強調軟技能,我們知道這是一種演算法無法替代的技能。
108.Sutherland首席分析官Phani Nagarjuna
隨著人工智慧的不斷髮展,2020年裝置和應用程式將提供更加個性化的服務;這將通過對使用者行為和搜尋模式的進一步了解而成為可能,使組織能夠更深入地了解使用者偏好,從而實時提供更多以人為中心的體驗。
109.Functionize資料科學主任Jon Seaton
未來,隨著人工智慧技術變得越來越關鍵,每個人都將採用某種型別的人工智慧技術。但團隊知道如何構建人工智慧並不意味著他們知道如何正確使用它。
你可以為幾乎任何東西構建一個演算法,但這並不意味著它在業務中會有實用性,或者有能力適應新的資料。隨著軟體的複雜性增長,理解AI和使用它之間的差異將是至關重要的,因為我們進入2020。
110. Globality首席財務官Keith Hausmann
AI通過理解和響應人類意圖的複雜性,徹底改變了傳統B2B服務的買賣,以及傳統模擬的過程。機器能夠通過直觀的需求識別過程對潛在貿易伙伴優勢和能力的廣泛了解,定義複雜需求並將其與理想貿易伙伴(供應商)匹配。隨著人工智慧在每次互動中更好地了解個人偏好和公司要求,特別是企業文化和價值觀等無形領域,使用者體驗將繼續得以改善。
111.Lentiq產品和工程副QuattroporteAlexBordei
5G將帶來高頻寬,並支援廣泛應用(比如車聯網),將把大量的機器學習計算和模型服務推向邊緣。這將要求應用程式開發人員使用類似CDN(Content Delivery Network,即內容分發網路)的服務,用於資料處理和提供模型。我們也將開始看到人工智慧技術在其他領域有更多有趣的應用。
112.BIP Capital風險投資家Dan Drechel
人工智慧將被用來了解更多關於消費者產品和服務的資訊,以便讓商家了解消費者最感興趣的內容。Facebook很早就把人工智慧應用於營銷,其他平臺也緊隨其後。這些平臺能夠通過人工智慧、機器學習和預測分析對資料作出反應,更個性化為客戶問題提供資料驅動的解決方案。
113. Illinois Technology Association
執行長Julia Kanouse
雖然人工智慧和機器學習將使工作場所更智慧化,但只有一小部分工作將被完全取代。相反,我們將看到,人類將越來越多地與機器並肩工作。這在過去發生過,從農場拖拉機到辦公電子表格。日常任務或複雜分析的智慧化將有助於豐富許多工作職能,並使個人能夠擁有更多的時間和注意力集中在企業戰略需求上。
114. Flybits創始人兼執行長
Hossein Rahnama
過去幾年,人工智慧一直在大肆宣傳,但現在我們開始看到這項技術的真正能力和侷限性。雖然人工智慧可以做出預測,但它缺少適應現實世界場景的人類元素。現在的人工智慧最大的缺失環節是缺乏上下文理解。為了填補這一空白,到2020年,我們將開始看到語境智慧的增加,以及通過資料分析來獲取使用者位置、天氣等資訊。
115. Paylocity執行長Steve Beauchamp
2020年,我們將看到人力資源主管利用人工智慧更好地確定哪些員工可能離職。隨著人力資源資料集維度(如調查回覆、員工互相評價和員工參與度等)的擴充套件,評估員工演算法的品質也會隨之提高。這對於更好地確定員工離職和提高留用率的人力資源主管來說,使用人工智慧來洞察員工敬業度將是至關重要的。
116. Cielo首席技術和產品創新官
Adam Godson
到2020年,人工智慧將逐漸取代人類來幫助企業流程智慧化,它可以幫助招聘人員確定他們在哪些領域可以消除偏見。人工智慧不太可能做好最後的招聘選擇,但它將大大加快今天招聘人員完成的許多步驟。
117. Envoy Global 執行長RichardBurke
2020年,我們預計人工智慧將更頻繁地用於以就業為基礎的移民領域,為律師、人力資源主管和外國人才提供更無縫、壓力更小的移民程式。通過將人工智慧和技術融入移民過程,人力資源主管將擁有所需的資源、工具和資料,以支援外國公民,並以周到、高效和持續的合規性管理移民計劃。
118. Modern Hire創新招聘
執行副QuattroporteEric Sydel
到2020年,我們預計人才招聘團隊將繼續使用人工智慧來推動公平,更好地預測招聘,簡化流程和改善候選人體驗。人才招聘團隊還將使用人工智慧來更好地預測候選人在工作中成功的可能性,實施偏差控制,併為候選人提供實時反饋。由於人工智慧在招聘中繼續發揮著重要作用,各組織必須確保其招聘技術有利於單個應聘者,並採用透明、可驗證、可複製和可釋出的開放標準。
119.BNED數字學生解決方案Quattroporte
Kanuj Malhotra
2020年,高等教育將繼續看到人工智慧的價值。我們將看到人工智慧在學習工具中的應用越來越廣泛,這些工具可以預測各種學科的使用情況,特別是在STEM中,它能為學生提供更個性化路徑。此外,人工智慧在寫作定性分析方面(包括論據結構、相關性和風格),將使高等教育更多地使用基於人工智慧的寫作解決方案。
120. Lightico聯合創始人
兼執行長Zviki Ben Ishay
隨著企業在2020年從使用向評估轉變,人工智慧的應用案例將發生變化。那些採用人工智慧解決方案的公司,其目的是讓客戶和員工產生意想不到或超乎想象的互動效果,而不僅是利用人工智慧簡化流程。人工智慧的真正優勢將被揭示出來,它將消除繁瑣的任務,為利益相關者提供一致、積極的互動,使他們的日常生活變得更輕鬆。