正如Gartner最新发布的关于人工智能(AI)的炒作周期报告所指出的那样，AI在未来五年的CIO议程中排在首位，这是潜在的变革性业务影响的来源。但是，对于许多IT组织而言，AI不仅仅是作为业务推动者而在IT领导者的视野中：它对功能本身具有根本性的影响-从自动化一些长期存在的功能到要求IT团队更多参与和更新的方法。

人工智能开始以前瞻性的IT领导者希望遵循的多种方式重塑IT。让我们考虑五个值得关注的地方：

1. IT成为主要的AI消费者

ISG认知自动化和创新总监Wayne Butterfield表示，用于自动化传统中断修复程序和其他IT服务台流程的工具并不是什么新鲜事物，但如今，它们正变得越来越受欢迎。他说：“ IT服务台像客户服务操作一样容易重复(因此也很自动化)。”

这不是实现IT功能的支持超级AI的自动化的唯一领域。TIBCO分析战略副总裁Shawn Rogers表示：“ IT迅速不仅成为合作伙伴，而且成为消费者，利用AI进行安全性和系统管理来自动化流程并以AI驱动的企业的速度发展。

2. Shadow IT可以扩展

在技​​术核心之外进行的IT活动激增，有时是AI的结果。ISG的Butterfield指出，从自助数据科学和分析工具，到为整个企业采用功能性的机械流程自动化(RPA)，再到由企业生产的机器学习模型，企业在影子IT功能方面的力量正在不断扩大。 。当然，“自助服务”和“影子IT”的定义和界线取决于您的文化。

[获得针对IT和业务领导者的10个关键人工智能术语的快速扫描入门：备忘单：AI词汇表。]

3.数据科学需要与IT进行更深入的合作

一些主流企业应用程序(例如CRM)正在采用更多的AI和自动化技术。但是，对于更高级的AI应用而言，在IT与数据科学之间建立更大合作关系的需求变得显而易见。“将数据科学家藏在组织中的早期时代已经结束。今天，数据科学占据了一个村庄，而IT则是该团队的一部分。” TIBCO的Rogers说。

随着公司准备扩展其AI和分析功能的使用，他们需要更深入地访问IT知道的系统，数据和应用程序。“构建由AI主导的解决方案需要数据科学家和工程师之间的密切合作，”Fractal Analytics技术服务客户合作伙伴George Mathew说。“尽管每个领域本身都是一个深层领域，但成功的团队已使这两个小组能够一起工作，并且在许多情况下跨领域重叠，以生产AI解决方案。”

4. IT和数据科学需要共享的工具和策略

Mathew说，IT与数据科学之间的合作关系要求每个小组都采用彼此的技术和技巧，“至少是出于熟悉的缘故，如果不是出于专门知识的话。”

工程师将需要能够读取从本地数据集中提取数据的源代码，了解探索性数据分析和功能工程，并精通贝叶斯技术等算法来产生洞察力。“他们需要掌握这些知识，以便对代码进行重构和模块化，以便可以在企业IT系统上对其进行操作，” Mathew说。

相反，数据科学家将需要学习如何通过数据库连接器或API提取数据，如何在结构化存储中存储和处理数据，以及如何编写模块化代码以进行下游使用。

Mathew说：“我们已经看到了对常见挑战的熟悉和理解，从而导致了数据科学家和工程师之间的协作不断增强。”他指出，该组织的几个团队已凭借这些更强大的合作伙伴关系提供了与AI相关的复杂解决方案。

5.人工智能治理成为焦点

随着组织实施越来越多的基于AI的自动化和流程，法规和声誉风险也随之增加。Gartner指出制定政策以对抗与AI相关的潜在偏见，歧视和其他问题的重要性。(另请参阅：AI偏见：领导者应该问的9个问题。)