智慧应用(1.7)

上周到广州和团队进行年度总结沟通，触发自己开始思考智慧应用这个词，在去年12月10日，我曾经写过一篇博客文章，标题是万物互联，再次强调了随着5G，物联网和人工智能的快速发展，万物互联和智能化将成为趋势。但是当时谈到这个概念的时候，更多的还是以物联网云平台和物联网类应用为主来谈的这个概念。而回归会传统的企业信息化建设，IT应用，智慧化和智能化也将成功趋势。

这里提出的智慧应用这个概念，绝对不是指原来我们经常谈的类似BI商业智能，大数据分析决策，也不是原来也谈到过的智能的零编码开发应用平台。那么如何给这里的智慧应用下个定义呢？

智慧应用本身应该是具备对人机交互的各种输入，结合数据分析和规则判断，能给做出自我规则调整，自我功能和路径优化的，不需要人工干预的自适应系统。这个智慧应用和自适应系统本身的发展可能需要经过两个关键的阶段，简单描述如下：

1. 人为的预设规则，系统只需要基于输入+预设规则作出做合适的判断和解决方案。

2. 具备自我学习能力，能给自己通过学习新增加最佳的规则，然后再作出最合理的判断和解决方案。

我们拿一个最简单的运营商手机套餐的例子来说明，最原始的方式是有客服人员对你的消费习惯进行分析和画像，然后给你推荐一个适合你的消费套餐。在这个基础上发展为：

1. 自动采集你的通话，上网等行为数据，然后基于预设的规则，给你推荐一个当前已有的最合理套餐。

2. 自动分析你的数据，基于学习，给你一个最佳套餐，这个套餐完全为你量身定做。

这里面的差异大家可以看到，发展到第二阶段的时候，不一定有明确的预设规则，同时规则库本身不断在调整和自适应变动，没有固定的套餐产品，而且做到完全的定制化推荐，给出个性化最合适的方案。这个过程完全不需要人为干预，而是由大数据加人工智能自己来完成，同时形成闭环。

那么人工智能的判断是否就一定准确？不一定。

但是任何人工智能最厉害的就是本身的自我学习和自适应优化调整机制，一开始不准确无所谓，但是机器可以通过后续跟踪的新数据的产生和分析，比如分析新套餐推荐后的营收数据，比如客户流失数据，比如客户行为数据来分析它自己的判断是否有错误，然后做出自适应调整。

在前面谈机器学习和人工智能的时候就谈到过，一开始可能并没有一个精确的模型，一定能够从A就推导出B，但是机器可以学习，告诉你从A到B是最佳的，具体通过哪个模型计算出来的，你不用管。

一个数据可能会骗人，但是海量并有关联的数据不会骗人。

智慧应用，最容易开始的两个方向，其中一个就是类似电商，营销类应用本身后期的个性化智能推荐引擎，这个已经大范围在使用，基本不需要太多人为干预；另外一个方向就是智能化运维，即对于整个运维化过程完全实现自动化和智能化。

运维的自动化容易，但是运维的智能化难。

自动化是针对资源层面的运维监控和处理，但是智能化则是针对真正客户，针对真实需求的智能化问题分析和解决。当用户在使用系统的时候遇到一个问题，无法继续填单；或者说当用户提交单据的时候发现异常无法提交，这些如何真正做到完全不需要人工介入就能实现智能化处理和解决方式推荐。这个将成为IT类应用系统后续必须关注和重点解决的一个问题点。

其次，既然叫智慧应用，那么应用本身就需要有自我适应，自我调整的能力。这种调整不是说要完全新增加功能，而是对已有的功能如何更好的进行优化组合，更好的为用户使用服务。举个最简单的例子，在你采集和记录了用户的操作和使用习惯后，你如何针对该用户给出最佳，最高效的操作路径推荐。当你发现大量用户在某个操作环节需要花费大量的操作时间或等待时间的时候，你如何完成自适应调整和优化。

这些点看似简单，但是真正做到却很难，如果能够做到上面这些点，那么我们的IT应用就有了智能的雏形，即这个IT应用能够自我适应，自我调整并发展，你会看到IT应用自己有了成长的能力，能够通过输入，规则处理，反馈输出进行闭环的自适应优化和迭代。

随着智能制造，人工智能的发展，可以看到传统的工厂很多工人已经下岗，工作完全转为自动的机器人所代替。而对于软件工厂也是同样的道理，随着人工智能的发展，软件开发和 程序员 一定会出现更加明显的两级分发，大部分只单纯会编码的人一定会被淘汰。