2024年人工智能和数据科学的五大关键趋势

 每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/ 。 

2023年，人工智能和数据科学成为了头条新闻，其背后的主要推动力是生成性AI的崛起。那么，在2024年，这个领域可能会发生哪些事情，继续保持其在头条新闻的地位？这些趋势将如何实际影响企业？

近几个月，有关方面进行了三次针对数据和技术高管的调查。其中两次调查是在麻省理工学院首席数据官及信息质量研讨会上进行的，一次由亚马逊网络服务（AWS）赞助，另一次由Thoughtworks赞助（尚未发布）。第三次调查由Wavestone（原名NewVantage Partners）进行，该公司过去的年度调查曾被广泛报道。这些新调查共涉及500多名高级执行官，可能有一些人参加了多次。

这些调查虽不能预测未来，但确实揭示了那些与公司数据科学和AI战略及项目紧密相关的人员的思考和行动。根据这些数据高管的观点，以下是五大发展问题，值得业界密切关注：

1. **生成性AI引人注目，但亟需交付实际价值**  
   虽然生成性AI吸引了大量商业和消费者的关注，但其是否真正为采用它的组织带来了经济价值尚待商榷。调查结果显示，尽管对这项技术的兴趣很高，但其实际价值大多还未显现。大部分受访者认为生成性AI具有颠覆性潜力；AWS调查中有80%的受访者认为它将改变他们的组织，Wavestone调查中有64%的受访者认为它是一代人中最具变革性的技术。然而，大多数公司仍然只是在个人或部门层面进行试验，AWS调查显示仅6%的公司在生成性AI上有实际应用，Wavestone调查则是5%。

2. **数据科学从手工艺向工业化转变**  
   为加速数据科学模型的生产，该领域正在从手工艺向工业化转变。企业正在投资于平台、流程和方法论、特征存储、机器学习操作（MLOps）系统等工具，以提高生产力和部署效率。这些工具大多来自外部供应商，但一些组织正在开发自己的平台。自动化，包括自动化机器学习工具，正在帮助提高生产力，使更多人参与到数据科学中。

3. **数据产品的双重版本将占据主导地位**  
   在Thoughtworks的调查中，80%的数据和技术领导者表示他们的组织正在使用或考虑使用数据产品和数据产品管理。数据产品是指将数据、分析和AI打包成软件产品，供内部或外部客户使用。组织对数据产品的理解存在两种不同的观点：一部分人将分析和AI能力纳入数据产品的概念，而另一部分人则将这两者视为分离的领域。

4. **数据科学家的角色变得不再那么“光鲜”**  
   数据科学家曾被誉为“独角兽”和21世纪最性感的工作，但随着数据科学领域的变化，他们的地位正逐渐

降低。公民数据科学的兴起，即非专业人士使用自动化机器学习工具创建模型，减少了对专业数据科学家的需求。然而，开发全新算法或解释复杂模型等任务仍然需要专业数据科学家的参与。

5. **数据、分析和AI领导者的独立性减弱**  
   过去一年，越来越多的组织减少了技术和数据领域“首席”职位的数量，包括首席数据和分析官。这些职能被逐渐纳入更广泛的技术、数据和数字化转型职能中，通常由向CEO汇报的“超级技术领导者”负责。Thoughtworks调查显示，许多组织中的人对于寻求数据和技术相关服务感到困惑，而且组织内部的协作相对较低。

预计在2024年，将出现更多具备全面能力的综合技术领导者，他们能够从向其汇报的数据和技术专业人员中创造价值。这些领导者将需要强调分析和AI的重要性，因为这是组织理解数据并为员工和客户创造价值的方式。同时，这些领导者还需要具备强烈的商业导向，能够与高级管理层讨论战略，并将其转化为现实。