AITSM：看人工智能如何重塑IT服务管理
人工智能技术在IT运维领域的应用不断深入，由ITOM逐渐向ITSM方向发展，而Gartner提出的AITSM恰恰是人工智能与IT服务管理的融合点，在改进服务管理实践和推动行业创新方面具有巨大潜力。
本文论述了IT服务管理领域的现状及其面临的问题，云智慧使用AITSM相关策略和方法体系塑造新一代ITSM的实践，以及AITSM的典型场景、关键技术和用户价值。
新一代IT服务管理必然是AI使能的传统IT管理以技术为向导，是孤立的、分散的、被动的、救火式的，IT与业务彼此割裂，IT投入成本和效益往往无法保证。而IT的精细化管理要求企业实现IT与业务的有效融合，IT管理模式必然会转变为面向服务价值、高效协作、可预防、自动化（减少人工）、智能化的新型IT服务管理模式。
【IT架构复杂度越来越高，来源Gartner】
目前，ITSM在国内外都存在着发展停滞不前的状况。导致这种状况的除了顶层的模型、标准和理念之外，技术变革的因素也不能忽视，业务系统越来越复杂，IT架构向容器化、云化的方向发展，数据规模和复杂度与十年前相比是指数级变化的。
以往通过人工利用流程和工具解决问题的方法逐渐失效，改变的途径只有一个：以数据为基础，利用人工智能技术解决IT服务管理问题。ITSM工具向AI方向演进成为必然。
AITSM的概念和意义AITSM是Gartner提出的面向IT服务管理领域的新概念，是指在ITSM工具和实践中综合应用人工智能、自动化和大数据技术，以提高运维人员的整体效率和减少错误。
随着企业对IT需求的增加，利用人工智能和大数据实现自动化和主动管理，将人和大型机器产生的结构化、非结构化数据集输入到工具中，优化ITSM实践和数据处理，对于具有流程优化和数据处理实践需求的IT管理部门尤为重要。利用各种数据提供事件响应和问题处理流程的智能建议，实现可重复操作和执行任务的自动化能力是AITSM的两个基本特征。
AITSM体系及应用场景以综合利用大数据、人工智能和自动化技术为典型特征的AITSM对IT服务管理的重塑将是全方位覆盖的。这种全面性体现在最新的ITIL4的各个实践中，也体现在新一代ITSM产品的系统构建中，最终都会变成软件的功能，落地于一个个实际用户场景，最终实现IT管理效率提升的目标。
【AITSM对ITSM的赋能将是全方位覆盖的】
智能的虚拟服务助理【AITSM中的智能服务助理】
智能的虚拟服务助理（VSA：VirtualServiceAssistant，或VirtualSupportAgent）是一种会话式的代理业务应用程序，它提供信息、常见问题的答案和执行事务，以便在IT服务台的IT服务管理场景中提供IT支持和协助。
面向IT服务管理的实践，基于即时通讯（IM）前端的智能服务助理，应该具备以下能力：为终端用户提供关于QA问答、工单辅助、监控辅助、巡检辅助、服务请求以及任务脚本的智能与自助服务，促进用户和IT服务人员的扁平化协作，提升沟通效率、降低人力成本。
智能决策大脑在IT服务管理的很多实践中，一个决定的产生往往是多种因素综合考虑的折中结果，单纯依靠个人经验，其速度和准确性经常很难保证。智能决策大脑的核心是将人的知识（经验、技术等）转化为数字化知识，把依赖专家转变为以数据为核心，依托算法与机器学习的手段。
智能决策大脑作为新一代ITSM的"神经中枢"，服务于IT服务管理组织中需要决策的各级人员，具备实时、闭环、自动进化、可自动识别问题、全局优化等特征，充分展现了数据汇聚和知识融合的价值，提高了用户在工作过程中各种决策的效率和质量。
知识工程知识管理（KnowledgeManagement）是ITIL中非常经典的一个实践（ITILV3中称为流程），在新一代的ITIL4和ITSM工具中，知识管理的边界已经到达了知识工程范畴。
【知识管理、知识工程和人工智能】
AITSM的所有实践必须利用知识工程的技术手段来进行构建或优化，包括对知识的关注将推动数据的收集，用于自动化、服务设计、测试、预测分析、自动恢复、自助服务和其他服务管理实践等，基于AI的知识工程实现方法可提高效率、降低成本、消除错误/浪费以及提高整体价值。
面向预测和分析的监控与事件管理监控与事件管理（Monitoring&EventManagement）是一个比较特殊的实践，ITIL对此进行了严格和标准化的定义。但是在落地的产品中，会将之划分到ITOM领域作为独立产品，如云智慧的数字化运维事件管理产品（DOEM）。
监控和事件管理的目标是对事件的产生、通知与处置进行更加规范的管理，而难点是对于IT复杂度高的系统，事件繁多、数据量大、会有告警风暴的影响，如果管理手段松散，则会存在巨大风险。
利用AI赋能的智能事件管理将会很好的解决这些痛点，依托大数据技术和机器学习算法，对来自于各种监控系统的告警消息与数据指标进行统一接入与处理，然后进行告警事件的智能过滤、通知、响应、处置、定级、跟踪以及多维分析，从而实现事件的智能告警收敛、异常检测、根因分析、智能预测和全生命周期的统一管控。
【监控和事件管理中的智能故障预测】
AITSM落地的关键技术AITSM的很多场景需要人工智能、机器学习和大数据技术的支撑，实现问题的推荐和自动化处置，历史变更和故障数据的智能分析，结合CMDB对相似变更进行故障预测等等，其中涉及的关键技术包括：
自然语言处理（NLP）：IT系统中存在大量文本数据，利用自然语言处理，通过预训练模型，结合IT知识库，构建IT词向量模型，对工单的实体进行抽取，使用文本纠错将工单进行更正；
知识图谱（KnowledgeGraph）：运维知识图谱不但要获取实体和实体间的关系构成，还要将事件和各种配置服务关系有效整合。通过知识融合将不同数据源整合到一个完整的图谱中，帮助运维人员实现知识积累和沉淀，以及快速故障排查和故障预测；
流式大数据处理技术：大部分的运维数据都是流式数据，针对流式数据需要构建相应的专业运维数据库，提供统一的、简单易用的数据采集、ETL、机器学习流程、建模分析等功能，还需要具备数据的安全、可扩展、高可用以及环境监控运维等基础能力。
AITSM的发展与展望ITSM已经到了必须要革新的关口，而国内新型基础设施与ABC等数字化技术的不断成熟都给ITSM的升级换代创造了良好的机会。
以人工智能、自动化和大数据技术为典型特征的AITSM，为下一代ITSM的发展指明了方向，为企业降低成本，提高运营效能，培养创新型人才服务，创造更多IT价值。
云智慧面向数字化业务的新一代IT服务管理产品——数字化运营服务管理平台DOSM（DigitalOperationServiceManagement），以ITIL4、ITSS、AIOps为理论基础，应用大数据和人工智能等AITSM核心技术，将企业的各种IT资源要素（人、事、财）进行智能化组织与管理，合理调配人力资源、有效管理信息系统软硬件、提高自动化运营管理水平、提升运维服务的整体效能。
开源福利云智慧已开源数据可视化编排平台FlyFish。通过配置数据模型为用户提供上百种可视化图形组件，零编码即可实现符合自己业务需求的炫酷可视化大屏。同时，飞鱼也提供了灵活的拓展能力，支持组件开发、自定义函数与全局事件等配置，面向复杂需求场景能够保证高效开发与交付。
点击下方地址链接，欢迎大家给FlyFish点赞送Star。参与组件开发，更有万元现金等你来拿。
GitHub地址：github.com/CloudWise-O…
Gitee地址：gitee.com/CloudWise/f…
超级体验官活动：bbs.aiops.cloudwise.com/d/712-flyfi…
万元现金活动：bbs.aiops.cloudwise.com/t/Activity
人工智能提升服务和运营管理的10种方法
一家欧洲的跨国电信公司采用BMC的HelixChatbot进行了标准化，为所有部门的120,000多名员工提供自助服务文章和目录项，并支持人工智能自动化解决方案。Gartner认为，在DevOps方面表现出色的企业更有可能成功实现基于人工智能的IT服务管理和运营管理计划，这家电信公司的成就也印证了这一点，这个案例成了BMC描述自动数字化企业(ADE)的一个很好的例子。该公司将DevOps的专业知识、集中式知识库、BMCHelix产品线和AutonomousDigitalEnterprise(ADE)框架结合在一起，用这种方式指导自身的人工智能战略，采用这种方式，他们减少了服务请求的平均解决时间(MTTR)，从而大大缩短了需要IT协助的员工的响应时间。这家跨国电信公司成功地采用了基于人工智能的方法来升级和巩固其ITSM和ITOM战略，这是一个很好的研究案例，从中可以看出大型企业能够如何成功地进行自身转型并提升服务运营管理。
电信行业的经验教训：改变IT的运营模式
基于人工智能的洞察力是IT部门的催化剂，可以帮助他们为内部客户提供服务并适应新冠肺炎疫情对流动IT环境持续不断需求。IT服务管理(ITSM)和运营管理(ITOM)需要成为统一框架的一部分，以支持当今IT服务支持的虚拟优先的世界。人工智能和机器学习需要提供围栏，让运营模型能够一直专注于客户定义的成功。
下图来自BMC最近的一份报告——《ADEEnterprise2025》，该报告将传统IT运营模式同基于集中式IT中心的运营模式进行了比较，而后者更好地满足了支持员工在虚拟优先方面的需求，从而使他们能够专注于创造并发展数字化优先的销售渠道。在Enterprise2025模型中，基于人工智能的见解为多个数字化业务部门提供服务，同时还可以为卓越中心(CentersofExcellence)提供急需的实时绩效数据。
该公司的目标是从过去传统的IT运营模式转变为右图中所示的、更具适应性的Enterprise2025IT运营模式。有了人工智能出色的洞察力，业务线的领导们可以更快、更灵活地行动，创造新的数字化业务，支持所有的虚拟员工并始终适应因新冠肺炎疫情影响而迅速变化的条件。下图来自BMC最新的一份报告，该报告名为《ADEEnterprise2025》。
为什么说现在就该使用人工智能技术改善ITSM和ITOM系统
这家电信公司已经成功地将原来支持IT用户的40至50个独立门户整合成了一个统一的门户，新的统一门户每年的访问量超过600万次。该公司的一位产品经理解释了该公司是如何选择认知服务管理作为其自动数字化企业(ADE)之旅的最终目标的。从集中知识库开始，该公司随后尝试了如何利用人工智能自动地执行见解。事实证明，拥有不断学习能力的ITSM和ITOM系统对于改善ITSM性能和指标(包括MTTR)来说至关重要。
利用人工智能技术提升服务和运营管理的十种方式
根据从上述电信公司研究案例中获得的经验，下面是利用人工智能技术帮助你提升服务和运营管理的十种方式：
1、让任何ITSM和ITOM平台从专门针对IT转变为涵盖所有用户以及所有IT客户迫切需要一些洞察力，而人工智能可以提供这些洞察力。如果放任不管的话，支持它们的ITSM平台和ITOM系统将会断了与内部用户的连接，也就无法为包括合作伙伴和供应商在内的所有IT客户提供价值。基于人工智能的洞察力可以通过选择优先衡量客户成果，将其用于指导未来的发展，并通过这种方式扭转局面。
2、事实证明，人工智能虚拟聊天机器人在响应一级援助请求方面提供了难以估量的价值。选择实施由统一知识库支持的虚拟聊天机器人，可以通过提供文章、服务目录项和支持来减少问题的平均解决时间(MTTR)。该公司还使用Skype、Teams和Slack在移动设备上全方位地提供聊天机器人服务。他们甚至可以通过聊天机器人提供完全自动化的解决方案。
3、使用人工智能集成ITSM和ITOM，可以全面了解IT领域的整体健康状况。通过使用事件关联和发现数据了解服务的影响，该公司正在努力实现更高的运营效率并节省更多成本，并成功地使用人工智能改善了ITSM和ITOM系统的运营稳定性。
4、使用人工智能可以更好地控制IT安全性、服务性能和应用监控，所有这一切只要在同一个知识库内就可以完成。通过人工智能增强ITSM和ITOM还有助于获得所有IT活动的统一视图，从而创建更准确的服务和应用程序监视平台。
5、深入分析和了解更高级的IT故障单的根本原因，看看系统、服务器或者应用程序的配置中是否存在着系统性的问题。利用人工智能来解决为什么特定的服务器、操作系统、应用程序和连接选项的组合会造成网络延迟，或者在更糟糕的情况下应用会完全无法正常工作，这正是当今的IT部门正在追求的高级用例。LogicMonitor利用人工智能和机器学习的方式已经被证明在解决复杂系统配置中的瓶颈问题中非常有用。
6、使用人工智能了解特定门户网站上哪些功能使用频率最高、哪些功能使用频率最低，并且找到背后的原因，这对于改善ITSM的用户体验和ITOM系统来说是非常有价值的。使用人工智能分析点击流数据、生成热图并了解用户如何同门户互动都是非常宝贵的数据，可以改善导航以及每一屏的用户体验。该组织的目标是提供“类似于亚马逊”的用户体验，将新功能放到平台上，并通过降低服务成本来节省更多的成本。
7、通过获得问题原因的360°视图，提高非连锁ITOM和ITSM故障单的解决率，并减少问题的出现。人工智能可以提供完整的视图，说明为什么即使存在着因果数据，共享ITOM和ITSM故障单也难以解决问题。人工智能可以解释为什么特定业务应用程序会导致连锁故障，并可以帮助解决问题，让用户的工作变得正常。该电信公司获得的最有价值的见解之一就是该策略在这家大型企业中的有效性。
8、帮助客户服务专员优先处理他们的工作负载，让他们有更多时间接受培训以应对更具挑战性的IT问题并且推动自身职业发展。一线客户服务专员使用基于人工智能的应用程序，将可以通过自动工作流处理的用户查询进行委派。通常会由客户服务经理对工作进行设计，以便为客户服务专员提供更大的灵活性。
9、使用人工智能技术，通过解释非结构化文本加速工单发放，然后将问题推送给可能是最合适的技术人员可以节省时间并提高用户满意度。结合自然语言处理(NLP)和基于随机森林的分析等多种技术可以识别出可能是最合适的技术人员，从而可以在整个IT服务组织中自动分配工单。
10、利用人工智能升级公司的知识库，定义最有可能的新类别，然后将新的解决方案集添加到修订的分类法中，这是ITSM中知识管理的未来。在ITSM中的一个高级人工智能用例是创建和调整定义知识库的分类法。使用人工智能来完成这项工作每年可以节省数百小时，并且能够确保捕获在解决问题中创造的最新知识，并将这些知识保存在可以使用的地方。
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