通过AI的助力，海量的往往是非结构化数据变得更容易处理。AI通过处理大量数据并加速洞察企业实际运营方式，帮助CIO们行动更快，风险合规公司Netwrix的CIO Michael Wetzel说道："价值在于将AI应用于真实的业务问题，而非为了技术而技术。"
AI能够帮助解决的一个问题是组织内部的可观测性。当AI基于身份和数据安全时，领导者可以看到人员、系统和数据之间的交互，Wetzel指出。"由于身份定义了员工如何出现、协作和贡献，从身份开始可以让CIO更好地理解组织内部的风险、访问权限和行为。"
企业中的AI应用
AI在识别数据中有趣的模式和异常方面变得非常有效，这在以前没有构建专门分析工具的情况下是很难做到的，微软核心AI部门的集团工程经理Vaibhav Kumar Bajpai说道。"今天，领导者可以要求AI基于现有数据模式预测结果，并在几分钟内得到答案，而非几天。"
重要的是要记住AI绝不应该用来替代人员——它应该增强他们，Wetzel说。"人类带来背景、直觉和判断力，但他们无法以AI相同的规模或速度分析数据，"他解释道。"AI可以持续处理信息并发现模式，让用户专注于更高层次的思考、决策制定和问题解决。"
人类很聪明，但他们会疲劳，AI技术开发公司Vurvey Labs的CTO Eric Poff观察到。"AI不知疲倦且一致，"他说。"AI可以通过在规模化运作的同时保持质量来帮助消除数量与质量的权衡。"这也意味着AI洞察通常更加一致。人类可能有糟糕的日子，导致不一致的结果。"然而，当构建得当时，AI能够提供一致、确定性的输出，"Poff说。
业务增值
AI明确增值的地方在于其将大量数据快速合成为简洁、结构良好洞察的能力，Bajpai说道。"它可以整理详细的数据点，突出关键驱动因素，并以一致的格式呈现解释，这些工作人类需要花费更长时间来完成。"在许多情况下，基于AI的洞察基于公认的数据源和参考资料，这有助于建立可信度。"正确使用时，AI通过加速分析而非替代分析来补充人类专业知识，"他说。
CIO犯的最大错误是在没有建立明确业务目的或理解其如何影响人员的情况下使用AI，Wetzel说。"一些组织过于关注安全控制或技术，而忽视了员工体验，"他指出。其他企业可能行动过快，导致创建缺乏适当可见性或治理的影子AI工具。"正确的方法是从人员如何工作开始，然后深思熟虑地分层加入安全和AI，"Wetzel建议。
在过去几年中，AI叙事被非结构化数据和生成式任务所主导，如总结邮件、编写代码或生成图像，Poff说。"AI可以通过在业务意图和结构化数据之间进行翻译来解锁新洞察；有效地桥接'什么'和'为什么'，"他解释道。Poff补充说结构化数据告诉用户发生了什么，而非结构化数据告诉他们为什么。"AI可以同时查看两者，提供静态仪表板根本无法获得的洞察。"
AI训练很重要
AI工具的有用性在很大程度上取决于它们在正确数据上的训练效果以及针对真实世界用例的严格评估，Bajpai说。"在AI评估方面工作多年后，我发现这些工具的真正价值来自于彻底的测试，如在与特定用户需求相关的生产场景中进行A/B测试，"他说。"在实践中，一个使用不太强大模型但针对明确用例进行广泛测试的AI工具，可以超越一个没有经过同等严格评估的更强大的大语言模型。"
Q&A
Q1：AI如何帮助CIO提升组织的可观测性？
A：当AI基于身份和数据安全时，领导者可以看到人员、系统和数据之间的交互。由于身份定义了员工如何出现、协作和贡献，从身份开始可以让CIO更好地理解组织内部的风险、访问权限和行为。
Q2：AI相比人类在数据分析方面有什么优势？
A：AI在识别数据中有趣的模式和异常方面非常有效，可以持续处理信息并发现模式，让用户专注于更高层次的思考。AI不知疲倦且一致，能够在规模化运作的同时保持质量，提供一致、确定性的输出。
Q3：CIO在使用AI时应该避免哪些错误？
A：最大的错误是在没有建立明确业务目的或理解其如何影响人员的情况下使用AI。组织不应过于关注安全控制或技术而忽视员工体验，也不应行动过快导致创建缺乏适当可见性或治理的影子AI工具。
热门跟贴