人工智能和机器学习将使许多业务和生活任务自动化，从驾驶卡车到驾驶船只到处理客户电话-实际上与他们进行基本的交谈。 然而，还不够经常讨论的是对人工智能创建者和管理员本身工作的实际影响-开发人员、分析人员、数据管理员和信息技术轨道上负责构建这些革命性系统的其他人。 从本质上讲，AI将在帮助平滑AI发展的粗糙点方面发挥作用。
IT和数据专业人士从人工智能革命中获益良多。 我最近有机会与领先的行业观察员探讨一些可能性，他们认为IT经理和专业人员的角色被提升到更大的业务责任，因为解除了人工智能的大部分繁重工作。
管理进入企业决策的数据的能力是人工智能和机器学习的下一个伟大前沿。 已经，“自我管理的基础设施比较普遍.. DXCTechnology的AI主管杰里？奥弗顿(Jerry Overton)表示：“我们认为，在基础设施中，这既是一种服务，也是一种平台。 “自我管理数据储存尚处于初级阶段。
在这一点上，“自主数据管理仍然主要是研究概念，还没有完全成熟，”他继续说。 最终，“自主数据管理将以类似于自然语言识别的方式发展。 现在人们普遍看到机器根据上下文和用法正确地解释口语。 数据库也是如此。 我们最终将看到数据库对数据提供同样的解释。 但是，那一天仍然有些遥远。
奥弗顿说，人工智能和机器学习的用例是“任何能加快从原始数据到重新定义数据所需时间的东西”。 “这包括自动掩盖数据、自动标记和匹配数据以及自动迁移和关联数据。
随着它的发展，人工智能和ML首先帮助解决低层次的数据问题，这些问题减缓了数据驱动的决策过程。 Alteryx的首席数据和分析干事Alan Jacobson说，这些技术正在帮助“以各种方式推动显著提高数据质量，包括：自动数据清理、去重复和数据增强”，在此过程中，“日常和重复的任务很可能会被自动化所取代，信息技术专业人员将能够更高程度地从事优化服务器的更高价值工作，侧重于安全和访问管理的人的一面。 他们将不再是一天如此之多的预定维修模式的奴隶。”
人工智能可能会将许多令人讨厌的工作降级到机器上，但这并不意味着人类专业人员被排除在这一过程之外。 企业数据库高级副总裁约翰·墨菲(John Murphy)说：“事实上，更高的自动化程度增加了跨技术阶层合作的必要性，“许多任务都在自动化，而且我们看到其他数据专业人员，如数据科学家和开发人员，正在自己提供服务。 “其目的是更快地移动，同时提供获取更多数据的途径。 以前你知道哪些数据很有趣-现在你不知道，所以人们想要访问所有的数据。 教育既有挑战，也有机会-DBA和数据分析师、科学家、开发人员需要更多地了解另一个方面。”
这意味着IT专业人员需要保持参与-我们需要更多的专业人员来参与人工智能和机器学习。 虽然技术可以使大部分肮脏的工作自动化，但仍然需要人的监督。 Jacobson说：“即使在算法实现之后，它也必须随着时间的推移进行监测和调整。 当实施过程由一个不具备较强业务或领域知识或不完全了解人工智能和ML如何工作的人领导时，可能会出现重大风险。
即使是在最好的情况下，“许多解决方案都无法实现生产，因为它们不能适应现有的流程，或者需要业务无法进行的更改，”Jacobson说。 或者，“糟糕的模型，不做造物主的意图可能发生。 这些风险与任何其他技术实施没有什么不同，可以通过适当的人员、经验和培训来解决。