人工智能（AI）的應用無處不在，這個領域吸納了大量投資，也涌現了大量創業公司。福布斯訪問了業界大咖對2019年人工智能的發展預測，德勤的首席技術官、聯想的首席運營官和Salesforce首席科學家都提出了自己的觀點，然而共同的特點是AI將會繼續滲透到各個領域中，包括醫療、金融、教育和機器人等，同時投資也會加大。
　　
　　Salesforce首席科學家Richard Socher表示：“有些AI應用已經被廣泛宣傳，然而在短期未來AI還不會那么快完全顛覆現在的世界。人們一直在研發自動駕駛汽車，有些人還擔心人工智能的完全應用可能僅要20年就可以實現，但事實是我們離真正的自動駕駛汽車還有很長的路要走。至于完全應用人工智能，在短期的未來這只會存在于科幻電影。我的預測是，我們對人工智能及其能力的期望跟現實可以達到的水平，應該會中和一下。未來5年社會看起來會像現在這樣，但我們的日常工作將發生微妙而重要的改變，我們會越來越高效。AI機器人將可以更有效地回答問題和審查客戶服務，智能助理將會更有能力完成任務，自動駕駛汽車功能將會繼續改進，但他們不會大規模在道路上行駛。”
　　
　　聯想公司總裁兼首席運營官Gianfranco Lanci表示：“人工智能產品的采用將在2019年繼續擴展到制造、教育、零售等不同的垂直領域。例如，在醫療保健領域，人工智能增強型應用程序能夠減少緊急等候時間，甚至可以使用AI檢測和診斷腫瘤，來幫助醫生節省時間。隨著技術取得新的進步，應用程序會進入各種垂直領域，而技術成本降低，組織和業務產品或者成果改善，這都預計會加速人工智能的采用。在聯想，我們已經在供應鏈和零件規劃流程中使用人工智能，這樣我們就可以為渴望利用人工智能來轉變業務的客戶提供一流的體驗。”
　　
　　德勤Converge HEALTH首席技術官Dan Housman表示：“除了目前在移動應用和其他醫療保健IT平臺上可用的聊天機器人之外，患者還可以自己通過各種全渠道用戶界面也能進行交談。像Alexa和Google Home這樣的對話體驗應用，它的消費者框架可能會增加HIPAA隱私支持。這樣機器人可以在人類醫生不方便的時候跟患者保持對話。在護理過程中，以客戶為中心的機器人醫療助理可以代替護士，來完成呼叫按鈕、收集健康史的表格，還有一些繁瑣的調節工作。”
　　
　　MapR數據和應用高級副總裁Jack Norris：“2019年，市場焦點將會轉向邊緣執行分析。公司將通過在邊緣處理和分析數據，而不是將數據移回中心、再存儲和然后再應用的傳統分析模式，這樣可以節省時間和費用。用例包括異常檢測（欺詐）、模式識別（預測故障/維護）和持久流。早期應用實例包括自動駕駛汽車、石油和天然氣平臺和醫療設備，而我們將在2019年看到這些技術的進一步擴展。這其中的成本驅動因素是使用成本相對較低的半連接環境可以減少帶寬成本，而減少發送到云的數據也可以減少信息存儲壓力。”
　　
　　Salesforce道德AI實踐架構師Kathy Baxter表示：“公眾對人工智能道德問題會越來越關注。2018年是公眾這個意識覺醒的一年，那么2019年將是采取行動的一年。不僅是數據倫理學家和人權倡導者要求公平、問責和透明的使用過程。消費者也已經在改變他們使用Facebook的方式，或者甚至完全刪除他們的帳戶，這種趨勢可能會蔓延到其他社交媒體，或利用個人數據的其他服務平臺上。未來會出現更多規范人工智能創建和使用的聲明，而公司不得不采用。在人權方面，公眾將反對政府使用有偏見的人工智能工具。更多員工將會要求對他們創造的東西增加影響力和話語權，會拒絕為有害的自動化工具做出貢獻。”
　　
　　SIOS技術總裁兼首席執行官Jerry Melnick說：“高級分析和人工智能將繼續變得更加專注，專門針對特定需求而構建，這些功能會越來越多地嵌入到管理工具中。這種備受期待的功能將簡化IT運營、提高基礎架構和應用程序的穩健性，而且降低總體成本。隨著這一趨勢，人工智能和分析將嵌入高可用性和災難恢復解決方案，和云服務產品，來提高服務水平。能夠快速、自動、準確地理解問題并診斷復雜配置中的問題，云服務的可靠性和可用性將極大地改善。”
　　
　　Pigeon聯合創始人兼首席戰略官David Cohn：“隨著聊天機器人和人工智能的不斷發展，他們可以執行的功能在深度和廣度層面都將會增加。這對勞動力來說意味著什么，積極還是消極？一方面，機器學習將幫助人們篩選大量數據并更有效地完成工作。另一方面，隨著人們對機器人交互越來越熟悉，客戶服務和客戶支持的崗位將逐步取消。這將在2019年開始更全面地進行，因為越來越多的企業采用人工智能和聊天機器人來提高現有員工的生產力，或者逐步淘汰可以借助這些技術來完成的職位。”
　　
　　Grammarly研究主管Joel Tetreault表示：“在工業強度人工智能中，許多系統都是由數千（或更多）人類評估者創建和標記的數據集的基礎之上進行調試和評估的。隨著我們解決的人工智能問題更加復雜，大量高質量人工判斷的需求將會增加，但在利用機器學習技術來收集這些判斷時會有更多時間來取得突破，成本效益更明顯。同時，使用最少甚至沒有標記數據（也稱為無監督技術）的方法將減少我們對大量標記數據的依賴，使深度學習模型能夠在新型和不同類型的問題上進一步發展。”
　　
　　埃森哲應用智能部總經理兼首席技術官Jean-Luc Chatelain表示：“谷歌知識圖譜會迎來更多變化，所需的技術NLP、圖形數據庫和內容分析都可以讓知識圖譜能夠更輕松來編寫各領域知識。現在已經出現聊天機器人、引導流程工具和自動化顧問，在未來我們將看到越來越多的行業和領域在使用這些工具，包括醫療保健、金融服務和供應鏈。”
　　
　　Sophos的CTO Joe Levy：“通過自動駕駛汽車、智能揚聲器和面部識別工具的創新，AI已經成為主流。AI應用程序在物流、制造、醫療保健和網絡安全領域的應用雖然不太明顯但同樣具有影響力。網絡安全的獨特之處在于它是所有其他技術的重要組成部分。無論我們選擇生活在“智能”還是“人工智能”的世界，有一點是可以肯定的：如果AI和深度學習沒有增強網絡安全策略，那么更有可能會被黑客入侵。人工智能加強網絡防御可以阻擋一部分網絡犯罪分子。”
　　
　　Salesforce數據科學副總裁Vitaly Gordon：“人工智能正在進入商品時代。消費者不需要知道微波技術如何工作就可以來使用，因為這只是一種工具。隨著無代碼、點擊式工具的大量涌入，AI的使用也進入了同樣的階段，每個人無論技術背景如何，都會廣泛使用AI這種實用的工具。因此，未來幾年，大多數AI應用程序將由很少或沒有AI培訓技術的人員來構建。”
　　
　　Indico首席執行官兼創始人Tom Wilde：“機器人過程自動化（RPA）在過去兩年中一直是最熱門的技術領域之一。因為簡單又好理解，過程自動化意味著效率提高，可以釋放資源，專注于更高價值的活動等。但這項技術有根本的限制，它只對死記硬背且重復的過程有效，并且沒辦法影響非結構化內容的工作流程，而大多數企業80％以上的數據是這種非結構化數據。與此同時，人工智能和機器學習又過于深奧，需要較多的數據科學專業知識才能采用，因此不確定性比較大，和投資回報率不一定理想。公司將在2019年尋求一種可以融合這兩種技術好處的方法，也是許多專家稱為智能過程自動化的一種工具或者技術。”
　　
　　UJET創始人兼首席執行官Anand Janefalkar表示：“對于聯絡中心等行業來說，人工智能（AI）和機器學習（ML）的許多實際應用都被夸大。例如，通過圖像或數據識別特定模式的做法取得的效果不太好，公司通過智能應用的自動化來增加自助服務會話工具，以解決常見問題和引導用戶流的業務流程，后者反而效果更好。員工可以專心解決不能有效自動化的流程，那么呼叫中心將可以進一步優化運營模式。”
　　
　　Espressive創始人兼首席執行官Pat Calhoun表示：“在2019年，人工智能工具包將轉向特定企業問題，例如IT和人力資源方向。到目前為止，企業一直用AI工具包來構建自定義應用程序，來解決困難問題。而現在正在轉向使用人工智能解決常見的企業問題。”
　　
　　Oracle的自動適應智能應用副總裁Melissa Boxer表示：“2019年，最早采用AI技術的企業會希望從投資中獲得更多價值，因為他們期望云應用程序在功能、用戶體驗和可訪問性方面會出現更多、更豐富的內置AI解決方案，比如多設備應用、聊天機器人和數字助理等。公司將會投資第三方數據源和智能數據（比如動態信號和定期更新的靈活分類），來優化輸出。隨著公司采用機器學習，AI技術的信任、透明度和可解釋性問題會越來越受關注。”
　　
　　Demandbase的CMO Peter Isaacson表示：“營銷人員長期以來都在討論一個理想的行動方案。然而，如果沒有AI實時合成大量數據，理想的方案是不太可能實現的。人工智能會接管大量數據集的人工任務，這意味著2019年可能會為營銷界帶來變化。”
　　
　　Kinetica的CMO Daniel Raskin表示：“在2019年，人工智能將成為營銷戰略的重要組成部分。預測分析、情緒分析、程序化廣告等領域的AI模型將徹底改變營銷人員自動化營銷渠道的各個方面，他們還可以開發高度針對性的營銷（ABM）策略。這需要投資新技術，但也可以通過提高營銷成本來降低定制購置成本。”
　　
　　Commvault的高級總監Don Foster表示：“人工智能和機器學習將會成為簡化操作的新解決方案。IT技能差距會讓先進企業實施新的創新解決方案，來實現復雜操作的自動化。機器學習和人工智能將成為新IT解決方案的關鍵，更智能的運營和現代IT解決方案可以幫助企業縮小技能差距。企業軟件公司都會讓各自的供應商把AI和ML集成到現有產品，提供更高效的運營模式，達到期待值。”
　　
　　Dynatrace數字性能專家Dave Anderson表示：“幾乎每個IT部門都會采用人工智能來自動化企業監控，減少IT員工的人工工作，努力實現可以自我修復的應用程序。”
　　
　　TUV Rheinland的測試工程經理Ryan Braman表示：“機器人行業會出現許多創業公司，他們試圖占據可能多的市場份額。然而，為了取得成功，機器人初創公司必須從設計之初就兼顧監管法規，讓產品符合適用的安全法規，否則在上市時也會失敗。”