Accenture:AI是新UI

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介:

根据Accenture(埃森哲)的说法,人工智能很快将成为面向内部和面向客户的应用程序的新用户界面(UI)。在其“技术愿景2017”的旗舰技术报告中,“AI是新UI”是Accenture预测在未来三到五年内将影响企业的五大趋势之一。

根据这一主题,报告中建议将软件设计理念从团队的编程转变为个人编程。Accenture技术实验室的总经理Michael Biltz表示:“二十年前人们建立应用程序的标准方式是为每个人提供一个界面。但是随着技术越来越成熟,人工智能,个性化,不同的界面,来自世界各地的数据……你有能力设计出能够特别适应人们的技术。”

Biltz表示,要开启“AI是新UI”的趋势,CIO应该关注那些需要最快改变速度的应用程序,或者以另一种方式与业务目标紧密地结合在一起。这可能意味着面向客户的应用程序将首先被触动,但Biltz认为这将迅速转移到内部应用程序,人造智能可以使员工更有效和更有效率。

尽管今天AI仍然是一个统称,但Biltz鼓励CIO们考虑使“互动或界面更加人性化或自然化”的技术,“因此请考虑语音识别和自然语言处理。”他说。

Accenture的技术路线图
Accenture的2017年报告是基于对5,000名企业高管进行的调查,以及与内部专家、初创公司和企业合作伙伴的访谈。

除了“AI是新的UI”,Accenture预测2017年更多趋势如下:

适应人类的设计:技术应该适应人类。生态系统作为宏观环境:组织正在与第三方公司建立联系,提供新服务并吸引新客户。但需要进行明智的选择,因为今天塑造的合作伙伴关系将在十年内影响到组织的形象以及客户的看法。劳动力市场:使用平台寻找项目成功所需的必要技能;团队将根据需要进行组装和拆卸。未知领域:三到五年的数字业务将会如何?早期采用者将有机会定义它。
根据Biltz的说法,以及Accenture的建议,在未来三到五年内企业应该将这些趋势落地为真正的企业战略路线图。

“这里没有提及像量子计算这类东西是有原因的。并不是因为我们认为它不重要,“他说, “相反,对于大多数公司来说,他们将会研究这种技术,并说:‘是的,我现在没有太多工作了。’”

总而言之,五个趋势给了CIO重要指示:员工、客户和企业目标将日益密切相关。焦点将从技术功能转向实际使用。

Biltz说:“谁将使用这项技术,他们的目标是什么,我们如何创造能够帮助他们实现目标的技术,这些将成为更重要的问题。”

现在渗透到IT部门的迭代式的工作方式将成为常态。 “我们如何相互行动和互动是一直不断变化的。如果你不是迭代,无论你是多么聪明,或者你的初始设计有多好,还是会随着世界的变化而过时的,”他说。

本文转自d1net(转载)

相关文章
|
9月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
2253 89
|
10月前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
1745 90
|
9月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
855 30
|
9月前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
886 2
|
9月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。
|
9月前
|
人工智能 算法 Java
Java与AI驱动区块链:构建智能合约与去中心化AI应用
区块链技术和人工智能的融合正在开创去中心化智能应用的新纪元。本文深入探讨如何使用Java构建AI驱动的区块链应用,涵盖智能合约开发、去中心化AI模型训练与推理、数据隐私保护以及通证经济激励等核心主题。我们将完整展示从区块链基础集成、智能合约编写、AI模型上链到去中心化应用(DApp)开发的全流程,为构建下一代可信、透明的智能去中心化系统提供完整技术方案。
549 3
|
9月前
|
消息中间件 人工智能 安全
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,涵盖AgentScope-Java、AI MQ、Higress、Nacos及可观测体系,全面开源核心技术,助力企业构建分布式多Agent架构,推动AI原生应用规模化落地。
882 0
构建企业级 AI 应用:为什么我们需要 AI 中间件?
|
10月前
|
存储 人工智能 Serverless
函数计算进化之路:AI 应用运行时的状态剖析
AI应用正从“请求-响应”迈向“对话式智能体”,推动Serverless架构向“会话原生”演进。阿里云函数计算引领云上 AI 应用 Serverless 运行时技术创新,实现性能、隔离与成本平衡,开启Serverless AI新范式。
912 12
|
9月前
|
人工智能 安全 Serverless
再看 AI 网关:助力 AI 应用创新的关键基础设施
AI 网关作为云产品推出已有半年的时间,这半年的时间里,AI 网关从内核到外在都进行了大量的进化,本文将从 AI 网关的诞生、AI 网关的产品能力、AI 网关的开放生态,以及新推出的 Serverless 版,对其进行一个全面的介绍,期望对正在进行 AI 应用落地的朋友,在 AI 基础设施选型方面提供一些参考。
1546 104
|
9月前
|
人工智能 缓存 运维
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
本文介绍联调造数场景下的AI应用演进:从单Agent模式到多Agent协同的架构升级。针对复杂指令执行不准、响应慢等问题,通过意图识别、工具引擎、推理执行等多Agent分工协作,结合工程化手段提升准确性与效率,并分享了关键设计思路与实践心得。
1370 20
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀