对于大多数IT机构，AI绝不仅仅是的业务驱动雷达：其根本性的影响是对公司业务功能本身而言的——自动化功能、IT团队的参与和新方法。目前，AI也正在潜移默化的以IT领导者们希望的多种方式重塑着IT行业，在这之中，我们总结了5个重点与您分享。

IT不仅是合作者更是AI主要消费者

能够实现传统故障修复和其他IT服务台流程自动化的工具并不新鲜，但这些工具近年来却越来越受欢迎。IT服务台（IT Service Desk）和客户服务操作一样易于复制（进而实现自动化）。

当然这也不是超级AI自动化在IT领域的唯一应用。IT利用AI进行安全和系统管理，实现流程自动化，推动企业快速发展。IT不仅是AI的合作伙伴，还迅速成为了其消费者。

存在扩展可能的Shadow IT

由于AI的影响，发生在技术核心之外的IT活动正在激增。从自助服务数据科学和分析工具，到在整个企业中采用机器人流程自动化（Robotic process automation, RPA）功能，再到企业开发的机器学习模型，企业中影子IT功能正在扩大。当然，“自助服务”和“影子IT”的定义和界限取决于不同的企业文化。

数据科学的深度融入

一些主流的企业应用（例如CRM）正在采用更多的AI和自动化技术。但对于更高级的AI应用而言，在IT和数据科学之间加强合作的必要性与日俱增。TIBCO的罗杰斯（Rogers）称：“早期将数据科学家藏在组织内部的时代已经结束了。如今，数据科学需要团队的力量，而IT正是这个团队中的一员。”

由于公司准备扩展其AI和分析功能的应用，因此需要更加深入地访问IT系统、数据和应用。构建AI主导的解决方案需要数据科学家和工程师之间的紧密合作。这二者单拎出来看都是十分深奥的领域，但成功的团队需要实现二者的协同合作，有时还要完成跨多领域任务，才能实现AI解决方案。

IT和数据科学深度交互

IT和数据科学之间的合作关系要求所有团队都能采用彼此的技术和方法，“即使不必熟知过于专业的内容，也至少要了解相关的基础知识”。

工程师们要能读取从本地数据集提取数据的源代码，理解探索性数据分析和特征工程，熟练掌握贝叶斯（Bayesian）等算法。他们需要具备这些知识来对代码进行重构和模块化，以便代码在企业IT系统上运行。

相反，数据科学家们则需要学习如何通过数据库连接器或API来取数据，如何在结构化存储中存储和处理数据，以及如何编写模块化代码以供之后使用。

这种对共同挑战的理解使得数据科学家和工程师之间的合作更加紧密。不少团队因深度的交互促进更密切的合作关系，也因此交付了更多与AI相关的复杂解决方案。

万众瞩目的AI治理

随着各机构采用了越来越多的AI自动化和流程，其监管和声誉风险也逐步增加。Gartner指出，应制定政策以打击AI领域潜在的偏见、歧视和其他问题。

AI是一个需要数据和IT共同合作的领域，Gartner建议重点关注以下三点：对数据源和AI成果的信任；数据和算法透明度要求；以及支撑AI伦理和准确性的数据、算法及观点多样性。