在未来，更多AI细分领域的技术会贴合行业开发出更多实际应用，帮助企业在寻求突破业绩增长难题、建设更高行业、业务壁垒以及快速推进管理自动化等方面做出实质性的改变。
2019年最后一个月，Gartner推出了《预测2020：人工智能与未来工作》一文，文中对于AI技术在日常工作中的应用给出了大胆预测：
从大趋势来看，人工智能在未来3-5年必然将对企业用户产生更多影响。AI技术的落地对于企业用户而言，终极目的分为3点：
求增长：在企业经营流程的任意阶段，数字化工具都是辅助企业进行数据收集、处理、分析、再利用的手段，数据收集是基础，利用数据支撑业务决策，快速发展才是重中之重。对于不同行业的业务特点差异，数字化工具需要在各方面紧贴业务逻辑和需求，综合利用内部数据、外部数据和行业经验，结合先进的预测算法，给出满足高准确度要求的需求预测结果，才能真正企业决策做出贡献。
例如，可解释性AI（XAI）。AI技术给出用户答案的过程中，AI的推理逻辑是不可知的，即称之为“黑盒”，可解释性AI将整个黑盒尽可能地透明化，使客户信任AI给出的推算答案。举个例子，当业务数据分析系统给出结论：请减少对华东地区渠道的资金支持。这时企业管理者需要在可解释性AI的帮助下理解为何有此结论，以及结论是否可信。
2.建壁垒：企业客户需要利用AI快速优化产品或业务能力以及占领先机，AI的作用是辅助企业快速做出优化决策。如何将行业知识提取出来，并针对业务流程和特点展开有效优化是接下来一段时间需要攻克的业务难点。
比如，自然语言NLP的应用，企业客户需求相当复杂，语法、语意不断变化，再加上含糊不清的语言都会挑战机器的理解能力。未来NLP和深度学习将会搭档合力处理语言，乃至于更理解语言细微的差别。例如，在企业销售与客户交流中，利用对话机器人抓取信息中的关键词，自动帮助销售见日程、发邮件、定会议，快速推进销售流程，为赢单抢得先机。
降成本：目前AI技术在帮助企业降低成本的需求上，最直接的手段是推进流程自动化，如Gartner文章所言，由于人类学习技能的半衰期缩短，因此对科技掌握和学习将会直接影响在管理中的人员干预成本。就不同行业而言，如何落地AI技术帮助业务流程推进是目前攻克的重点。
虽然RPA平台正在被广泛使用且日渐精益，但随着图像识别、5G、边缘计算在应用层被不断优化，以NLP、OCR、CV为首的AI技术，正在结合上述新兴技术在越来越多的场景中为企业降低成本提供价值。例如，IoT产品的无人巡检、预测性维护，这些技术与行业场景结合，将带来颠覆性价值。
2019年资本市场有所收敛了对AI技术的狂热，使得AI技术的应用和发展已经回归理性，在未来，更多AI细分领域的技术会贴合行业开发出更多实际应用，帮助企业在寻求突破业绩增长难题、建设更高行业、业务壁垒以及快速推进管理自动化等方面做出实质性的改变。
