對于大多數IT機構，AI絕不僅僅是的業(yè)務驅動雷達：其根本性的影響是對公司業(yè)務功能本身而言的——自動化功能、IT團隊的參與和新方法。目前，AI也正在潛移默化的以IT領導者們希望的多種方式重塑著IT行業(yè)，在這之中，我們總結了5個重點與您分享。

IT不僅是合作者更是AI主要消費者

能夠實現傳統(tǒng)故障修復和其他IT服務臺流程自動化的工具并不新鮮，但這些工具近年來卻越來越受歡迎。IT服務臺（IT Service Desk）和客戶服務操作一樣易于復制（進而實現自動化）。

當然這也不是超級AI自動化在IT領域的唯一應用。IT利用AI進行安全和系統(tǒng)管理，實現流程自動化，推動企業(yè)快速發(fā)展。IT不僅是AI的合作伙伴，還迅速成為了其消費者。

存在擴展可能的Shadow IT

由于AI的影響，發(fā)生在技術核心之外的IT活動正在激增。從自助服務數據科學和分析工具，到在整個企業(yè)中采用機器人流程自動化（Robotic process automation, RPA）功能，再到企業(yè)開發(fā)的機器學習模型，企業(yè)中影子IT功能正在擴大。當然，“自助服務”和“影子IT”的定義和界限取決于不同的企業(yè)文化。

數據科學的深度融入

一些主流的企業(yè)應用（例如CRM）正在采用更多的AI和自動化技術。但對于更高級的AI應用而言，在IT和數據科學之間加強合作的必要性與日俱增。TIBCO的羅杰斯（Rogers）稱：“早期將數據科學家藏在組織內部的時代已經結束了。如今，數據科學需要團隊的力量，而IT正是這個團隊中的一員。”

由于公司準備擴展其AI和分析功能的應用，因此需要更加深入地訪問IT系統(tǒng)、數據和應用。構建AI主導的解決方案需要數據科學家和工程師之間的緊密合作。這二者單拎出來看都是十分深奧的領域，但成功的團隊需要實現二者的協同合作，有時還要完成跨多領域任務，才能實現AI解決方案。

IT和數據科學深度交互

IT和數據科學之間的合作關系要求所有團隊都能采用彼此的技術和方法，“即使不必熟知過于專業(yè)的內容，也至少要了解相關的基礎知識”。

工程師們要能讀取從本地數據集提取數據的源代碼，理解探索性數據分析和特征工程，熟練掌握貝葉斯（Bayesian）等算法。他們需要具備這些知識來對代碼進行重構和模塊化，以便代碼在企業(yè)IT系統(tǒng)上運行。

相反，數據科學家們則需要學習如何通過數據庫連接器或API來取數據，如何在結構化存儲中存儲和處理數據，以及如何編寫模塊化代碼以供之后使用。

這種對共同挑戰(zhàn)的理解使得數據科學家和工程師之間的合作更加緊密。不少團隊因深度的交互促進更密切的合作關系，也因此交付了更多與AI相關的復雜解決方案。

萬眾矚目的AI治理

隨著各機構采用了越來越多的AI自動化和流程，其監(jiān)管和聲譽風險也逐步增加。Gartner指出，應制定政策以打擊AI領域潛在的偏見、歧視和其他問題。

AI是一個需要數據和IT共同合作的領域，Gartner建議重點關注以下三點：對數據源和AI成果的信任；數據和算法透明度要求；以及支撐AI倫理和準確性的數據、算法及觀點多樣性。