人工智能对公共政策的影响
摘要：公共政策是政策制定主体依据一定的价值判断，对其认定的政策问题给出的解答方案。人工智能时代的到来，使得公共政策议程的数据化、电子化、智能化、中立化等趋势日益明显。人工智能在公共政策议程中的应用，有利于精准识别政策问题、降低政策分析成本、提高政策分析质量、有效提升公共政策的科学性。同时，人工智能时代的公共政策议程也面临技术分析和价值考量如何有效平衡、数据霸权态势逐渐呈现、失业等社会问题加剧、决策责任主体认定模糊等困境。需要从明确人工智能的辅助决策地位、维系公共政策的公共性价值、明确责任主体、有效规制互联网企业等方式来确保人工智能时代公共政策议程的规范和有序运行。
关键词：人工智能；公共政策；议程；影响；规制
人工智能时代的到来，不仅深刻地改变着现代人类的生产方式、生活方式和思维方式，也对现代政府治理格局产生了重大影响。公共政策是政府实施有效治理的重要手段，人工智能技术在公共政策议程中的深度应用，对公共政策问题的准确界定、公共政策方案的科学设计、公共政策制定流程的优化、公共政策质量的提升等方面产生了积极影响。目前，学界关于人工智能对政府治理模式影响的研究主要集中于以下三个方面：一是大数据对政府治理模式的影响。例如雷丽萍对大数据推进政府治理创新的研究。［1］二是人工智能时代政府治理模式面临的深刻变革和积极创新。例如洪彬对人工智能时代政府治理模式的变革与创新进行了研究，［2］何哲论述了人工智能时代的政府适应与转型的问题。［3］53三是政府在公共政策上如何应对人工智能技术的快速发展，以实现发展和规制的有效平衡。例如贾开等对世界主要国家有关人工智能公共政策的历史、特征及其启示进行了研究。［4］上述研究主要从宏观上对人工智能与政府治理之间的关系进行了论述，有利于推动人工智能时代政府治理模式的有效变革。但是，现有的研究在对政府治理的具体领域和具体问题的论述上较为欠缺，例如关于人工智能对公共政策议程影响等方面的研究。当前，伴随大数据时代的到来和人工智能技术在政府治理中的深度应用，对人工智能时代公共政策议程的发展趋势、人工智能对公共政策分析带来的积极影响和不利后果、探索如何将人工智能技术和公共政策议程有效结合等问题进行深入分析具有很强的理论价值和现实意义，可以在充分发挥公共政策效果的同时有效防范社会安全风险等问题的出现。
一、人工智能时代公共政策议程的趋势
人工智能是“建立在现代算法基础上，以历史数据为支撑，而形成的具有感知、推理、学习、决策等思维活动并能够按照一定目标完成相应行为的计算系统。”［5］按照人工智能的发展阶段，可以分为弱人工智能、强人工智能、超人工智能。“虽然人工智能可以在很多领域和方面形成对人类智力思维的辅助和替代，然而究其根本，其主要呈现在三个领域的核心层面，分别在广泛的社会行为中产生作用：信息收集辅助与智能筛选；识别应答接受模糊任务并完成；替代人的自主决策与行为。其分别描述了由浅入深的人工智能对人的行为的辅助和替代。”［3］55目前，人工智能在公共政策议程中的应用主要集中于辅助信息收集和职能化筛选两个方面。伴随强人工智能时代的逐步临近和将来的超人工智能可能变成现实，人工智能可能会成为独立的电子式公共政策分析主体。公共政策是政策制定主体依据一定的价值判断，通过一定的程序，对其认定的政策问题给出解答的方案。其中，政策问题的界定、政策主体的范围、决策标准的取舍等对公共政策的方案选择和决策过程等都会产生很大影响。人工智能时代的到来，对上述几个公共政策议程的重要环节都产生了不同程度的影响，公共政策议程的数据化、电子化、智能化、中立化和去中心化等趋势日益明显。（一）公共政策问题识别和界定的数据化。公共政策是政策制定主体针对一定时期内的若干具体政策问题，所作出的关于社会资源和社会价值的权威性分配。公共政策制定的时效性和政策执行的绩效，与公共政策制定者对社会问题的有效认知和政策问题的准确界定关系密切。一定时期内的社会问题往往很多，那些社会关注度高、与人民群众利益关联度大、情势发展较为急迫的问题应该优先进入政府公共政策的议程，成为政策问题。人工智能通过对大数据的智能化筛选以及人群热度地图等的分析，可以非常准确地做到对社会问题的及时感知和对政策问题的精准界定，政策问题识别和界定的数据化趋势越来越明显。（二）公共政策制定主体的电子化。人工智能在公共政策制定过程中，扮演着重要的角色。在弱人工智能时代，人工智能作为人类物质器官的延伸，拥有超越人类的统计、计算和分析能力，使其成为公共政策制定主体的重要辅助。随着人工智能技术的不断发展，人类会将模拟人类心理、情感和意志的功能应用软件植入人工智能，人工智能可能由此产生自主意识，这时的人工智能就进入了强人工智能时代。此后，在公共政策制定过程中，人工智能将会从原有的辅助决策工具系统变成公共政策的决策主体，政府部门及其工作人员反而可能会成为人工智能决策结果的被动接受者，公共政策制定主体的电子化趋势日益明显。（三）公共政策制定过程的智能化。人工智能时代的到来，人的数字化生存和现实社会的网络化、数据化将成为常态。人工智能技术通过对有关人类行为信息、网络舆情等大数据的分析和对各种决策方案执行过程和结果的技术模拟，可以将公共政策议程的全过程进行全景式的呈现，公共政策制定过程的智能化进程不断加快。在人工智能时代，“我们发现、分析和解决问题以及将政策方案付诸执行的方式，催生数据化决策及智能化决策，推动政府决策的民主化和科学化；大数据可以让我们了解真实情况，带来更为开放、透明和负责的政府；大数据可以从数据共享、内部竞争、细分服务、智能决策、创新驱动等方面改进政府绩效。”［6］（四）公共政策决策标准的中立化。公共政策是政策制定主体为了解决特定的问题，依据一定的利益和立场，从若干个备选方案中选取一个方案的过程和结果。其中，政策制定主体自身的利益诉求和价值评判标准，会对政策问题的识别和特征界定、决策方案的选择等议程产生很大影响。经过科学化和民主化决策程序产生的某项公共政策，看上去与价值无涉，实际上背后隐藏了激烈的价值分歧，大多数决策都是多方利益博弈的结果。人工智能被广泛应用到公共政策领域后，政策问题的界定和政策方案的设计，主要依靠客观数据的采集、处理和分析结果，决策程序更加科学化，价值分歧和利益博弈等在公共政策制定中的影响力逐步减弱，技术标准带来的情感中立正取代价值思考成为公共政策议程中决策的主要依据。
二、人工智能给公共政策议程带来的积极影响
（一）政策问题的界定更加精准。后工业社会的到来，人的生存形式发生了根本变化。“人的本质是一切社会关系的总和，在一个由数据构成的世界，人也是一切数据足迹的总和。人工智能时代，公民个体社会经济生活以数据形式留下记录，每个个体无时无刻不是数据的生产者。数据是人工智能的重要组成内容，人工智能基于海量数据的提炼与分析，数据特性赋予政治行为过程的数据信息化特性。通过信息收集和智能筛选，在政治决策领域形成智能化的‘科学建议’。国家的治理、政治的管理、公民的社会生活等都基于数据，对数据产生巨大的依赖度。”［3］大数据时代的到来和人工智能在大数据处理和应用上的优势，可以有效提升公共政策问题界定的准确性，而“由谁决定哪些社会问题成为政策问题，对于政策制定过程来说是关键性的。决定哪些问题成为政策问题，甚至比决定这些问题的解决办法更为重要。”［7］人工智能凭借在海量数据自动收集、分类和筛选以及对人群热点的时间、空间分布等方面的优势，可以以很低廉的成本、很快速准确的方式将特定社会问题的性质、范围、时间、空间、人群、舆情发展态势呈现给决策主体，有利于政策制定主体更加快速准确地找到政策问题的症结所在，推动决策方案的及时出台，极大地提高了公共政策的时效性。（二）政府决策的科学性大幅提高。公共政策议程中，政策问题被科学准确的界定后，公共政策方案的制定和选择就成为公共政策议程的重要任务。围绕一个特定的政策问题，设计的公共政策方案一般较多，如何在诸多方案中选择令人满意的方案，成为公共政策方案选择的难题。近些年来，各种各样公共政策分析工具的出台，为公共政策方案制定和分析提供了更多的选择。但是，公共政策制定主体在决策时面临的认知局限、信息不完备和时间有限等方面的难题并没有消解，影响了决策的科学性。伴随人工智能技术的快速发展和深度应用，深度学习算法正在公共政策领域得到广泛应用。通过深度学习算法的不断演进和运用，人工智能技术不仅可以更加精准的分析和界定政策问题，也可以有效突破传统决策主体在编制政策方案时面临的信息、数据和时间等方面的障碍，有助于决策主体更快速地对各种政策方案的执行结果做出精准预测，从而大大提高决策的科学性。（三）有效降低公共政策分析成本和提高公共政策分析质量。在公共政策议程中，为了确保政策分析的质量，在政策问题的识别和界定、决策方案的科学性和可行性论证、政策执行监控、政策效果评估和反馈等环节需要投入大量的人力、物力和财力。同时，引入外部专家参与公共政策议程也是确保政策分析质量提升的重要环节。公共政策分析专家具备的专业知识和技能有助于决策方案的有效选取，但很多专家在决策时也容易受到自身的决策立场、价值观、利益关联和思维惯性等方面的制约，使得公共政策分析质量受到一定程度的影响。人工智能在公共政策分析过程中的深度应用，可以对公共政策分析所需的数据收集、信息整理加工等大量基础性工作进行替代，也可以对在公共政策方案的可行性、合法性、成本收益等分析和论证环节所需的技术专家、律师、财务分析人员等专业人士进行部分替代，从而可以大大降低政策分析成本，保证公共政策分析过程的客观公正，有效提升决策的质量。（四）推动公共政策议程从被动回应走向主动设定。公共政策方案的出台一般在政策问题界定之后，公共政策议程呈现出“自下而上”的模式。传统的公共政策议程存在较为明显的被动性特征，一个社会问题只有严重到一定程度才会引起政府相关部门的回应，将社会问题纳入政策议程，然后出台政策予以解决。由于政策出台后，既有的政策问题已经发生一定的变化，导致政策效果难以确保。人工智能时代的到来，使得我们可以借助不断成熟的人工智能技术，通过智能信息收集和分类筛选数据，由人工智能自身主动地对特定目标群体的行为、心理和问题的发展历程、现状及其存在的内在规律展开实时分析，并对特定目标群体未来行为的发展趋势和心理变化进行精准预测，从而为公共政策问题的尽早界定和方案的尽快出台提供了可能和便利，公共政策在政策问题界定后很长时间方能出台的困境将可以得到有效解决，政策议程与问题进程同步可能会成为未来公共政策议程的常态。
三、人工智能对公共政策议程带来的不确定性风险
（一）公共政策议程中的技术分析和价值考量如何有效平衡。公共政策的制定和分析是一项技术性很强的工作，对于一些技术工具的运用和技术分析的结果依赖性很大，这从当前公共政策分析工具的多学科化、多元化等方面可以很明显地判断出来，而大数据时代的到来和人工智能技术的深度应用更是对这一趋势的强化。同时，公共政策的制定和分析过程也涉及到利益分配和价值排序等多方面的问题，不能完全以技术分析工具得出来的结果作为政策制定的唯一依据。数据和技术工具是没有情感的，效益和效率是其评判公共政策方案的主要标准。由于公共政策涉及到价值和资源的重新配置，技术分析和价值思考的有效平衡是公共政策分析应遵循的原则，很多在技术上最合理、在成本收益比例上最优的方案未必是最好的方案。技术分析可以成为我们成为解决社会问题、制定公共政策的参考，但不应该也不可以成为决定公共政策分析全过程的主导因素，公共政策分析的过程离不开价值思考和价值对话，如何寻求技术分析和价值思考在公共政策议程中的平衡，应成为人工智能时代公共政策分析必须要回应的问题。（二）数据霸权与公共政策的公共性价值旁落的风险。公共政策主体是指那些参与和影响公共政策问题界定、议程设定、方案选择、政策执行和监督等公共政策过程的组织、团体和个人的总称。公共政策主体虽然包含的类型很多，但国家机关特别是国家行政机关在公共政策问题界定和议程确立中一直占据着中心地位。政府拥有权力、数据、信息、政策议程规划等诸多方面的优势，企业和公民个人在很大程度上只是公共政策结果的被动接受者。与具体公共政策利益关联度大的企业和个人，除了利用媒体制造舆论、组织部分程度较低的抗议活动外，更主要的是通过利益诱惑等方式来俘获政策制定部门，诱发了大量“管制俘虏”现象的出现。人工智能时代的到来，给公共政策分析带来了很多便利，但也冲击了传统的以政府为中心的公共政策主体格局。在人工智能时代，公共政策主体的核心逐渐从政府转移到拥有海量大数据特别是核心数据优势的商业巨头，政府在数据上的优势不在，拥有数据优势的企业所主导的数据霸权态势逐渐呈现，公共政策的公共性存在旁落的可能。（三）失业、收入分配差距等社会问题面临加剧的风险。人工智能技术水平的提升和在生产领域的大范围运用，带来了生产效率的大幅提升，减少了人类的劳动强度，增加了人类的休闲时间，为人类的自由而全面的发展提供了更多的空间和可能，有利于解决马克思提出的工业时代中出现的人的异化问题。但是科技是一把双刃剑，人工智能在部分取代人工、解放人类的同时，也增加了技术性失业群体的数量。人工智能作为一次全新的技术革命，同之前每次技术革命进步一样，会因机器在部分领域和环节取代人工而诱发部分群体的技术性失业。但人工智能带来的技术性失业同之前的技术对人工的替代不完全一样。首先，人工智能时代的技术性失业不是技术对部分劳动环节的替代，而是对部分职业的整体替代，造成的失业者总量较多，部分职业将永久性丧失。其次，人工智能导致的失业在不同人群中的影响分布程度不同，呈现出对在产业链低端就业人口的影响远大于在产业链中高端就业的人口，部分失业者因自身学历低和适合其工作的就业机会的大幅度减少而面临持续性失业的可能，社会收入分配差距面临不断扩大的趋势。（四）人工智能辅助决策诱发决策责任主体认定上的道德风险。人工智能凭借强大的数据采集、计算、分析和预测能力，在公共政策制定过程中扮演着非常重要的角色，甚至在部分人看来人工智能决策就是最好、最科学的决策方式，而忽视了对人工智能决策可能诱发的决策责任认定方面存在道德风险等问题的担忧。人工智能虽然功能强大，但毕竟是依据过往和现有的数据来对未来情境下可能发生的场景及其后果的预测，部分数据和信息的缺失、既有信息和数据在传输过程中的变异和失真以及未来环境发生变异的可能性，都可能会导致人工智能在公共政策方案制定环节出现失误。同时，人工智能在公共政策过程中，扮演的是辅助决策的作用，人是决策的中心，人的主观判断和操作的失误也可能会导致人工智能在辅助决策制定时出现问题，这就牵涉到决策失败的责任由谁来承担的问题。如果决策出现失败，政策制定主体出于避责的考虑，往往会将客观的和主观的责任全部推给人工智能。而由于人工智能是人工设定的辅助决策系统，虽然存在一定的自主性和能动性，但终究不是政策制定主体，不具备承担决策风险的主体资格和现实能力。决策者的避责和人工智能缺乏担责的能力，将会导致没有主体来承担决策失败责任的局面，决策责任认定上的道德风险问题开始凸显。
四、公共政策议程中对人工智能进行有效规制的对策
（一）明确人工智能在公共政策议程中的辅助决策地位。人工智能是人工与智能的结合，但是随着人工智能逐步从初级的弱人工智能向强人工智能和超级人工智能的转变，人类对人工智能的控制能力将会不断减弱，具有强大自我复制能力的人工智能一旦具备了独立意识并超出了人类控制范围之后，那将会给人类带来巨大风险甚至灾难。对此，我们需要从法律上对人工智能在公共政策领域的运用进行积极有效地规制，明确人工智能在公共政策制定中只能处于辅助决策地位，不能任由其取代人类成为政策主体，更不能赋予其独立的法律人格。（二）寻求公共政策议程中的技术分析与价值考量的平衡。公共政策议程充满了利益的博弈和价值的分歧，各种各样的政策问题解决方案只是各主体之间在利益博弈和价值争论取得暂时平衡后的结果，没有哪一种决策方案是最优的，短暂平衡格局的打破，预示着新的公共政策将会取代既有的政策格局。人工智能在公共政策议程中的大规模应用，使得技术工具及其分析结果在公共政策议程中的功能愈发强大，技术分析开始成为很多公共政策问题界定和方案选择的唯一依据，价值分析在公共政策议程中的地位逐步淡化。人工智能通过算法和数据的使用，有助于公共政策分析质量的提升。但是，公共政策是有限理性与价值博弈的产物，在将人工智能运用于公共政策议程的同时，要注意将技术分析和价值思考进行有效平衡，不能任由技术分析成为公共政策分析的主导因素，技术分析只能是工具而已，不能成为目的本身。公共政策的出台除了要依据技术分析外，还需要价值思考的深入推进，以确保公共性价值得到有效落实。（三）确定人工智能参与公共政策议程后的责任分担原则。公共政策质量的高低与决策责任如何承担密切关联，谁决策、谁拍板、谁担责是公共政策决策责任界定的基本原则。在人工智能广泛应用于公共政策议程中的社会问题分析、政策问题界定、政策方案制定和选择等多项环节以后，人工智能和传统的公共政策决策主体在决策中扮演着共同主导政策议程的角色。如果通过政策的执行，政策目标顺利实现，将不存在责任界定的问题；但若出现政策执行失败，如何来界定决策主体的责任将面临很大困境。由于人工智能缺乏必要的独立人格和承担能力，由其来承担决策失败的责任暂且还不现实。因此，必须要明确人工智能参与公共政策议程后的责任分担原则，即人工智能仅仅是公共政策议程中的辅助技术手段，政策制定主体应当对决策的后果承担责任。不能由人工智能代替政策主体来承担公共政策决策失败的责任，否则将会导致没有主体承担决策失败责任和决策主体借助于人工智能来推脱责任的道德风险泛滥并存的状况，公共政策的决策质量将无法保障。同时，对于由人工智能技术应用而导致的决策失败，则应该由人工智能的设计者和运行者视具体情况来分担责任。（四）有效规制拥有大数据和人工智能技术优势的企业，防止数据霸权出现。在人工智能时代，数据已经成为重要的战略资源，算法主导着人工智能技术应用的方向，数据和算法构成了人工智能的两大基石。随着人们生活和社会交往方式的逐渐数据化，我们每个人都成了数据的生产者，而那些提供各种类型的应用软件和云存储技术的大企业却成了数据的拥有者，少数大企业掌握了海量的大数据。同时，这些企业在人工智能算法等技术研发上拥有明显的优势，数据和算法的叠加，使得少数企业对公共政策议程的影响力愈发强大。在具体实践中，政府一方面要出台相应的措施积极推动人工智能技术的发展，另一方面要从维系公共安全和坚守公共政策的公共性价值等视角出发，加快出台有关数据采集、使用、转让、深加工等方面的法规、规章和政策，对拥有海量大数据和工人智能应用技术优势的互联网企业进行有效规制，防止人工智能霸权的出现，确保政府在公共政策决策主体中的主导地位，以保障公共政策以公共性的维系为价值前提。
参考文献：
［1］雷丽萍.大数据推进政府治理创新［J］.中共山西省委党校学报，2018（05）.
［2］洪彬.人工智能时代政府治理模式的变革与创新［J］.学术界，2018（04）.
［3］何哲.人工智能时代的政府适应与转型［J］.行政管理改革，2016（08）.
［4］贾开，郭雨晖，雷鸿竹.人工智能公共政策的国际比较研究：历史、特征与启示［J］.电子政务，2018（09）.
［5］贾开，蒋余浩.人工智能治理的三个基本问题：技术逻辑、风险挑战与公共政策选择［J］.中国行政管理，2017（10）.
［6］陈振明.政府治理变革的技术基础——大数据与智能化时代的政府改革述评［J］.行政论坛，2015（06）.
［7］托马斯•戴伊.理解公共政策（第十二版）［M］.北京：中国人民大学出版社，2011：28.
作者:陈鹏单位:安徽师范大学
人工智能如何影响新时代项目管理
人工智能始终是计算机科学的前沿学科，计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
人工智能在计算机上实现时有2种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（ENGINEERINGAPPROACH），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（MODELINGAPPROACH），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。遗传算法（GENERICALGORITHM，简称GA）和人工神经网络（ARTIFICIALNEURALNETWORK，简称ANN）均属后一类型。
通过对项目管理的核心技术的学习，关键路径法、计划评审技术、工作结构分解技术、挣值法，来反思如何应用人工智能来更好地更高效地管理项目？随着信息技术革命、全球化及互联网及人工智能的发展，市场竞争越来越激烈，客户的需求越来越个性化，产品更新迭代德尔周期也变得越来越短，在这样的趋势下，原先非项目性质的工作，越来越呈现项目的特征。通过项目式的管理，不仅可以缩短时间、节省成本、而且可以有效整合跨职能的资源，更快捷的满足客户需求。因此，新经济模式和时常环境下，项目和项目管理，不再简单是管理临时工作的工具，逐渐成为组织实现战略目标，推进战略实施的有效手段和工具，项目管理进入项目化管理和战略项目管理的时代。
项目管理包括工程、软件、产品、技术、变革、活动，项目是为创造独特的产品、服务或成果而进行的临时性工作。在有限的资源约束下，运用系统的观点、方法和理论，对项目涉及的全部工作进行有效地管理。即从项目的投资决策开始到项目结束的全过程进行计划、组织、指挥、协调、控制和评价，以实现项目目标。管理已明确需求，识别未明确需求，项目管理过程就是一个，不断地完成已识别德尔需求，不断地识别新需求的过程。项目需要整合的资源包括人力（man）、材料（material）、机械（machine）、资金（money）、信息（message）、科学技术（methodofS&T）及市场（market）等，通常7M。项目管理也是内外资源整合的过程。在项目管理中，及时是在同一件决策事件上，相关方的需求往往也是不同的，项目管理团队需要识别相关方的需求，对相关方的要求进行不断综合、平衡和折中，找见共同点和共识点，进行有效地决策和推进项目的进程。项目管理的各个时期都充满着各种矛盾、挑战和不一致，项目管理团队需要进行各种平衡管理。
人工智能能在项目管理过程中最大的应用是作为数据分析的工具，分析方法包括：专家判断（也是需要基于数据分析）、问卷调查、相关方分析、备选方案分析、亲和图、思维导图、系统交互图、原型法、多标准决策分析、标杆对照、项目管理信息系统、类比估算、参数估算、三点估算、自下而上估算、储备分析、模拟、关键路径法、进度网络分析、质量成本、历史信息审核、资金限制平衡、成本汇总、定性及定量风险分析、亲和图、因果图、流程图、直方图、矩阵图、散点图等等。如何驾驭好市面上已有的软件和数据库，结合商业智能（BusinessIntelligence，简称：BI），又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。
商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。
因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具（大数据魔镜）、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。
提供商业智能解决方案的著名IT厂商包括微软、IBM、Oracle、SAP、Informatica、Microstrategy、SAS、Royalsoft等。
实施商业智能系统是一项复杂的系统工程，整个项目涉及企业管理，运作管理，信息系统，数据仓库，数据挖掘，统计分析等众多门类的知识.因此用户除了要选择合适的商业智能软件工具外还必须按照正确的实施方法才能保证项目得以成功.商业智能项目的实施步骤可分为：
（1）需求分析:需求分析是商业智能实施的第一步，在其他活动开展之前必须明确的定义企业对商业智能的期望和需求，包括需要分析的主题，各主题可能查看的角度（维度）；需要发现企业那些方面的规律.用户的需求必须明确.
（2）数据仓库建模：通过对企业需求的分析，建立企业数据仓库的逻辑模型和物理模型，并规划好系统的应用架构，将企业各类数据按照分析主题进行组织和归类.
（3）数据抽取:数据仓库建立后必须将数据从业务系统中抽取到数据仓库中，在抽取的过程中还必须将数据进行转换，清洗，以适应分析的需要.
（4）建立商业智能分析报表：商业智能分析报表需要专业人员按照用户制订的格式进行开发，用户也可自行开发（开发方式简单，快捷）.
（5）用户培训和数据模拟测试：对于开发—使用分离型的商业智能系统，最终用户的使用是相当简单的，只需要点击操作就可针对特定的商业问题进行分析.
（6）系统改进和完善：任何系统的实施都必须是不断完善的.商业智能系统更是如此，在用户使用一段时间后可能会提出更多的，更具体的要求，这时需要再按照上述步骤对系统进行重构或完善。
新时代项目管理的核心竞争力最终还是人才竞争，以最少的人，最大化利用人工智能，降低项目管理成本以及提高管理品质，达到项目管理的终极目标。
从软件开发到建设到物流金融，每个公司都有需要进行规划、管理和监督的项目。但是我们用来做这些工作的工具通常很复杂，是为专家设计使用的，并没有尽可能地对潜在的问题发出警告。基于人工智能的决策支持系统和自动化是否可以通过降低成本和错误，分析风险，提高工作效率或按时按预算完成工作，从而使项目更成功地完成?
根据实际的项目管理需求，基于人工智能技术的基础上，研发出符合现代化企业项目管理需求的智能化项目管理软件，以WBS架构带动项目计划与执行的全局掌控，以“动态管理，实时共享”的先进理论实现项目进度、成本、资源、绩效、风险等的有效跟进，解决项目管理过程中因信息滞后问题导致的项目延期或者失败的问题，提升企业项目管控的能力。
1.数据自动总结分析：
项目管理系统可以实现人一样的分析和思考，把原本人需要思考的东西，通过系统公式的方式输入系统，系统通过学习这些人为思考的过程，从而实现输入元素，自动分析并输出结果，用户可以根据个人分析的喜好，选择数据输出的展现方式（包括图标、报表等），供给用户数据总结分析。
2.预测承诺水平：
准时交货且不超出项目预算是项目实施的最好状态，规范化的承诺管理是员工工作责任追究的保障，从而避免员工由于各种不具有说服力的“接口”作为推卸责任的理由。项目管理系统把项目与规划要素与商业目标、战略、交付时间与资源、约束费用、法律义务联系起来并结盟。同时，能够自动追踪责任预计加强问责，捕获每个人的承诺行为统计资料供给机器学习，由系统预测每个人每个项目活动的依赖和承诺水平；并且，支持可交付成果的承诺–>履行/重议/违诺管理。
3.合理资源分配：
资源分配需要管理者有着清醒的大脑，列出所有事物与需要的人力、物力需求，进行资源合理分配，如果一个项目日程发生变化，资源分配需要重新处理。项目管理系统能够学习人类的技能，借鉴其发展、成就、流动性和偏好数据，学习依赖、风险与费用信息结合起来，为企业项目活动自动或者提供建议进行合理的资源分配。
人工智能的理解能力、判断能力、图像识别能力、数据传送能力等，是人工所无法超越的存在。一台机器不是取代一个人，而是取代上千上万人；并且，只需要花适当的电费即可24小时工作，便宜、精确、及时的工作处理能力。项目管理系统嵌入人工智能技术，突破原有的企业项目管理的局限，人工智能核心的深度算法和即时传送，解决人为数据处理的失误或者不透明交易问题，提高项目管理效益。
人工智能还可有助于工作自动化，让项目经理有更多的时间去实际管理。“现在任何一个行业中，在很大程度上，人工智能都是去处理那些枯燥乏味的工作，让人们把注意力放在机器无法完成的工作上。项目管理中的许多工作并不是数据处理，而是去做我们设定了明确目标的工作，让每个人都朝着同一个方向前进，协调一致。”
可以使用预测方式来细化调整项目执行工作，并减少失误。如果真的想用人工智能来改善项目工作，必须寻求一些方法进行实验和改进。这些做法将在未来五年使一些组织脱颖而出。（来源：CharlieLinSuccessBeautyWine1913）返回搜狐，查看更多