2020年，新冠病毒在国内外大规模爆发，人人自危时，各行各业也受到了极大的冲击力。为共同抗击疫情严重化扩散，人工智能被挖掘出来，并首次在人类突发重大公共卫生事件中快速得到了推广和应用。智能经济、智能社会提前在这这个慌乱的“社会大实践中”得到培养和验证。一些AI公司发现了商机，人脸识别测温仪，语音识别电梯控制，行动轨迹智能化监测等等，这些智能软件的广泛运用，给了致力于AI发展的企业和技术人员一个商业化的契机。IDC 预测，人工智能驱动型企业的响应速度将比其同行快 50％，无论是响应客户和合作伙伴的需求，还是应对监管机构的要求。
尽管越来越多的企业已经察觉，人工智能对于加速企业数字化转型至关重要，但是企业级人工智能的规模化和实质性的应用却进展迟缓。IBM 商业价值研究院的数字显示，中国只有不到 14% 的企业真正用 到了人工智能。数据的质量和复杂性、对人工智能的信任程度、构建和部署人工智能的技能差距等因素，导致很多企业止步于试验阶段。经过调查发现，60% 的企业面临数据治理带来的挑战，62% 的企业缺乏拥有 AI 技能的专业人才，而 62% 的企业对 AI 系统和流程存在质疑。
数据是 AI 的生命线，而数据的多重复杂性减缓了 AI 的进程。在体系结构层面上，大量的 AI 算法无法克服数据不足的问题，从而导致数据收集与准备成为 AI 应用当中最耗时且最困难的部分。如果把企业看作是一个餐馆，数据就相当于做菜所需的原材料，原材料必须保证新鲜度和高质量。如今，客户业务的海量数据中蕴藏着丰富的深度见解，企业希望能自由地选择将人工智能应用于数据，而无论数据存储在何处。解决数据的应用问题是企业遇到的挑战，也是专业技能人才未来的人工智能研究方向之一。
信任与可解释性对于人工智能的采用至关重要，它让组织可以了解和解释 AI 给出的建议和预测的结果，并管理其业务中由 AI 驱动的决策，尤其是与法规要求相关的决策，同时确保组织对数据和见解的完全所有权和保护。全球受访者中有 78% 表示，企业需要确保能够相信 AI 输出信息的公平性、安全性和可靠性。
专业的技能人才也面临着极大的挑战，很多企业认为，员工掌握的人工智能专业技能或知识有限，不能做到极为专业的工作领域，这极大程度的阻碍了企业成功应用人工智能，早日发展人工智能的目标。实现日常的数据收集和分类工作的自动化对于促进人工智能的规模化部署非常重要，这样可以减少对人力的依赖，让人工智能成为增强人类技能、辅助人类决策的工具。
因此不少用工企业与职业类培训院校强强联手合作，职业院校负责培训专业人才，采用“订单班”的方式，以企业实际用工需求对口化培养学生专业技能。等到学生学有所成后，院校直接将学生推荐到合作企业实习工作，既做到了高效率用工，又一定程度上解决了专业人才大量缺失的问题。
未来，随着更多规模化、普惠型的人工智能基础设施平台的建成，整个中国人工智能产业将进入一个发展的快车道，人工智能企业与专业人才将会逐渐增多。
免责声明：部分资讯来源于网络
-end-