过去的一年展示了数字技术克服现实世界挑战的力量。 当客户关系受到大流行限制的威胁时，许多公司走出他们的舒适区，以新的虚拟体验、服务和便利来应对，以维持甚至发展这些重要的客户关系。
这种反应会更快吗？ 对于许多组织来说，答案是“是”。 如果说过去一年数据和分析专业人员需要学习一个关键事实，那就是我们的数据和 AI 基础还没有做好应对这一挑战的准备。 我今天与每个客户的谈话几乎都集中在加速投资和现代化或部署新的运营模式计划上。
我们还看到了前所未有的关于将数据和 AI 嵌入到事件驱动和实时功能中的问题。 与客户的大规模联系越来越多地涉及个性化、智能自动化和基于客户所在位置的即时调整。 对于许多组织而言，这导致他们意识到用于构建模型的云数据和数据科学平台只是难题的一部分。 数据和 AI 需要位于应用程序、移动设备和机器中的业务边缘，客户可以在这些应用程序、移动设备和机器中与业务进行互动。 这是互联智能的新世界，它不仅适用于大型科技公司——它是任何现代企业都需要的状态。
现在是时候将 AI 设想为不仅仅是流失模型、聊天机器人和语言处理器了。 拥抱互联智能的组织使用 AI 来弥合业务孤岛并生成整体体验，所有接触点和渠道都可以在其中捕获、共享和组合智能。 拥有一个清晰的框架来定位数据和 AI 操作模型与技术是前进的正确方法。
考虑到所有这些，以下是业务、技术和分析领导者在推进互联智能战略时可以期待的：
合作伙伴演变成生态系统。 我们看到保险、能源和制药等行业扩大了用于设计、开发和部署数据和 AI 以实现互联智能的主题专家 (SME) 的数量。 这些中小企业正在利用来自不同团队的内部合作伙伴，包括法律和风险团队，不仅要构建模型，还要塑造整个 AI 功能，以增强客户体验和业务成果。 随着企业进一步转变和扩展其生态系统，外部业务合作伙伴也加入其中，以提供额外的专业知识并支持人工智能的全渠道体验。
实践变得高度协作。 由于多个合作伙伴 SME 处于互联智能表中，因此它们如何协同工作变得越来越重要。 运营模型设计正在扩展，不再局限于支持特定任务和组织结构，而是专注于不同角色如何参与、协调和交付数据和人工智能。 一家全球能源生产商已将旅程地图技术应用于其数据和人工智能实践领域。 这决定了角色和团队如何通过更好地使技能和职责与目标保持一致并设想新的流程和方法来优化协作、协调和支持来协同工作。 此外，我们还看到服务提供商如何在客户之间安排分布式模型培训，以在投入生产之前验证和优化这些模型。
平台是为业务优势而设计的。 如果没有合适的平台来提供互联智能并启用和加强最佳实践，新的合作伙伴和实践模型就不可能成功。 对云、边缘计算、区块链和 5G 的投资正在为 AI 提供更强大的骨干网和网络，以实现互联智能。 但新的协作功能和平台也在不断涌现，以创建可信赖的环境，在这些环境中，数据、模型、培训和见解可用于生成 AI。 行业内和跨行业的数据和人工智能交易如雨后春笋般涌现； 人工智能协作平台允许在可信网络中的外部各方之间可信地共同开发模型。 集成平台即服务开始过渡到数据工程和应用程序开发之间，以加强数据、人工智能和实时边缘应用程序之间的联系。
