人工智慧（AI）產業作為數位經濟的重要組成部分，企業在數位轉型的初期階段更關注基礎類數據應用，例如基於數據查詢和數據分析的管理支援或流程支援。
許多數位化從業者認為，資料本身就是一種產品。完成資料治理後，能夠清楚地識別資料並了解其真實業務意義，這已經是相當了不起的成就了。
數位轉型的未來趨勢將主要受益於人工智慧技術的應用。近年來，大規模模型的興起進一步推動了這一趨勢。
越來越多的企業開始體認到，人工智慧技術正是數位化2.0的核心要義。
數位化已經演變為數智化，這意味著軟體公司將面臨新的挑戰。傳統的SaaS和ERP邏輯通常圍繞著流程設計和IT實作展開，而這些邏輯可能需要重新思考。
在智慧化趨勢下，甲方單位和軟體廠商都應重視資料的實際價值，從流程導向轉變為資料要素導向。
資料的價值分為顯性價值和隱性價值。顯性價值在資料整合和通暢運用時就已得以體現，而隱性價值則需要藉助先進的演算法技術進行加工和發掘。
將資料類比為食材是合理的。數據的品質至關重要，而加工數據的技術和手段也同樣至關重要，相當於一位出色的廚師。隨著雲端運算能力的普及以及「低程式碼」的MaaS平台的發展，人工智慧技術的門檻逐漸降低，使更多人能夠接觸和應用AI技術。
企業能夠輕鬆取得AI技術後，下一步關鍵的工作就是建立專門針對AI應用的資料治理流程，這將是資料治理發展的新方向。
在AI資料治理活動，除了需要不斷完善基礎的資料品質提升工作，還需要建立高品質的AI資料集。
例如，基於特定的策略篩選出對模型提升有重要價值的代表性資料樣本，再或者，採用手動或半自動的方式建立符合訓練過程範式的規則化資料集。
那麼問題來了，基於AI的數位化應用，一般都有哪些具體的落地思路方向呢?
其實很簡單，AI的本質，就是自動化，人工智慧本身也是自動化技術的重要分支。
一是感知類別應用。自動從多模態資料(圖片、文字、影片、音訊等)中，提煉有價值的商業訊息，回答what now的問題。發生了什麼事。
例如，文字智慧分析、語音特徵辨識、影像即時監控等。
二是認知類別應用。利用上述訊息，預測未知場景(當下不可知的場景或未來情況)，回答what future相關的問題。
例如，財務指標預測、天災預警、設備風險評估等。
三是決策類別(生成類別)應用程式。基於what now和what future的答案，告知人或機器應該如何做，回答how的問題。
例如，內容自動推薦、智慧文件產生、資源動態排程、檢修計畫制定等。
AI技術的智慧屬性來自於資料資源本身所蘊含的商業知識與專家經驗。
將資料要素以AI模型的方式建構與部署，可以快速複製業務產能，打造出高效率的知識型、智慧組織!
以上是AI技術的發展，對數位經濟到底有什麼用？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
