1月6日消息，据外媒报道，受新冠肺炎疫情影响，企业内部采用人工智能技术的速度明显加快，这主要归功于数字业务转型举措的加速。

最近，一项由Algorithmia发布的对403位参与机器学习计划的企业领导者的调查发现，83%的企业增加了AI/ML的预算，数据科学家的平均雇用人数同比增长76%。

涉及AI/ML技术的用例显然也变得更加复杂。调查发现，64%的企业需要一个月或更长时间来部署一个模型。38%的受访者表示，他们的数据科学家将超过一半的时间花在模型部署上，而不是训练这些模型。

Algorithmia首席执行官Diego Oppenheimer表示，这项调查清楚表明，在生产环境中大规模实施人工智能模型还有很多工作要做。

这个问题的核心是人工智能模型的部署和更新速度。一个数据科学家团队平均需要6个月的时间来训练和部署一个人工智能模型。部署之后，AI模型需要随着新的数据源的出现而更新。随着业务环境的变化，这个AI模型也经常需要被替换，因为训练AI模型的许多假设都不再相关了。

人工智能模型的生命周期管理催生了一种称为MLOps的新IT学科。反过来，MLOps流程需要与DataOps流程集成，后者现在需要管理数兆字节(有时甚至数兆字节)的数据，而DevOps流程则用于加速应用程序的构建部署，将人工智能模型嵌入其中。

完成这些任务之后，企业还需要关注治理。56%的受访者将治理、安全和可审计问题列为关注的问题，67%的受访者表示，他们的人工智能计划将需要遵守多项法规。

如今，MLOps通常由一组数据科学家管理，但Diego Oppenheimer表示，IT团队接管人工智能生命周期管理只是时间问题。

随着IT团队更多地依赖平台来自动化人工智能模型的管理，2021年将会看到许多这样的任务变得越来越自动化。构建人工智能模型的平台将使用机器学习算法来自动化大部分人工智能模型的构建和部署。

显然，到2021年，大多数企业应用程序将很快采用人工智能技术。