企业的移动性可以利用人工智能来改变吗

人工智能的崛起，让应用程序，设备管理和用户体验都将受到影响，但最大的发展可能是在安全领域。

多亏了人工智能（AI）和机器学习（ML），你的智能手机即将变得更智能。这对企业对移动性的支持有着巨大的影响。

企业移动性长期以来承诺允许工人在任何地方都能提高工作效率，加快业务流程，并通过将最新的数据交到现场工作人员手中来提高准确性和效率。451研究机构的移动研究和数据战略总裁Kevin Burden表示，人工智能的增加将有助于对象这些承诺。

它的方式是多方面的，其效果可见于设备管理，用户体验，安全性，应用程序和设备本身。与此同时，随着AI和ML在收集数据点方面变得更加高效，肯定会出现对隐私的新担忧。

“人工智能将意味着新的应用程序，甚至可能是新的设备类型，主要是因为人工智能会改变和改进应用程序中的业务逻辑，”伯登说。应用程序将能够利用具有语音和视觉手势识别的高级用户界面。

“明显受益于人工智能的企业移动性的一个要素是拥有不同的移动员工队伍所带来的组织挑战，” Burden表示，应用程序提供商将机器学习应用于用户活动流，让组织深入了解最终用户如何花时间。随着行为模式的确定，组织将能够改进流程和用户体验。

简单的身份验证就是一个例子。模式识别是人工智能的强项。Gartner负责企业移动战略的研究副总裁Chris Silva表示，由于人工智能可以轻松收集大量此类数据并识别异常，它可以让用户的身份验证更加透明。

一些更高级的算法检测用户如何输入文本并分析其步态。Silva说，将这些独特的模式与用户的活动连接和GPS数据信息结合起来，多因素认证或输入密码的恒定要求层的数量将大大减少。

研究公司国际数据公司（IDC）企业移动性项目主管Phil Hochmuth表示，人工智能/机器学习的另一个改进将是从语音到文本的功能，允许该技术在某些情况下取代智能手机的数据输入。Hochmuth认为：“医学等垂直领域将使用语音输入数据，以完成记录和工作流更新等基本任务。”

他还说，应用程序将以全新的方式变得直观起来：“机器学习也将更多地集成到移动应用程序中，以使决策、响应和输入更快地预测用户的行为，而不是要求用户在windows和下拉菜单中寻找选项。”

它将受益于人工智能和机器学习在设备管理方面的帮助。例如，Silva说，这项技术可以用于扫描组织中的所有设备，并主动向管理员报告问题，比如发现该组织25%的Android设备是两个过时的版本。对于缺乏人员的IT组织来说，更有帮助的是基于AI/ML发现的信息实现自动化操作的潜力。一旦系统能够使用人工智能在飞行中发现和修复问题，这项技术将真正为它带来回报。

随着供应商添加个人助理技术，IT人员也可能会欣赏许多以人工智能为燃料的用户体验增强功能，这些功能将通过电子邮件，联系人和日历工具实现。而其中通过具备AI功能的日历告诉用户何时应该预约的情景已经相当普遍了。

Silva指出，IT的优势并非直接，但许多IT部门希望用户在工作时能够坚持使用公司提供的电子邮件，联系人和日历工具，作为保护和隔离个人工作数据的一种方式。面向用户便利的新功能可以使用这些工具对用户更具吸引力。

虽然目前尚不清楚人工智能将如何长期影响整体移动市场，但可以肯定的是“EMM ［企业移动管理］领域非常拥挤，没有任何真正显著的差异化，”451 Research的Burden透露，供应商将寻找新的人工智能的创新方式。

人工智能和安全

或许最有可能从人工智能（尤其是其模式识别功能）中获益的领域是安全。当然，许多厂商已经在他们的安全产品中加入了AI/ML，以提高性能。

供应商已经提供的一个领域是基于机器学习的移动威胁检测。例如，MobileIron在其新的MobileIron威胁防御工具中使用机器学习，该工具利用使用和行为分析来监测移动应用程序或网络中的可疑行为，让后从其收集的信息中学习，以不断提高其监测恶意软件和恶意网络的能力。

Sophos将深度学习集成到其端点安全产品中，提供所谓的“预测性安全”。该公司的目标是将这一深度学习层扩展到所有终端，包括移动终端。该公司还推出了一款电子邮件保护工具，使用同样的技术拦截更多的威胁，然后才能将其发送到端点。

其他供应商认为有机会利用AI来帮助精简的IT部门了解现有端点管理工具收集的所有数据。其中包括Citrix，它的统一终端管理服务也管理所有进入工作场所的设备，包括笔记本电脑、手机、平板电脑和可穿戴设备。Citrix安全分析应用程序监视这些设备，并帮助其应用安全策略，确保网络安全。

Citrix Analytics还进行用户行为分析，应用机器学习将用户分为高风险、中等风险和低风险，然后随着更多数据进入系统，调整风险得分。

与此同时，IBM与沃森（Watson）合作开发了MaaS360，这是一个基于云的应用程序，旨在帮助IT管理员理解端点及其用户、应用程序和内容生成的大量数据。它将认知技术应用于安全、终端用户生产力、移动应用管理和管理。

IBM解释说，EMM用户被淹没在应用程序、配置/策略最佳实践、生产力工具以及新出现的威胁和漏洞等信息中，而这些信息是他们无法吸收的。IBM MaaS360提供了嵌入到平台中的认知见解，帮助组织浏览他们正在收集的信息，并将其提炼成与他们的业务相关的见解和建议。MaaS360的核心是IBM Watson技术，它可以索引和注释大量的数据集，以查找相关数据，这些数据上下文应用于MaaS360的每个客户端部署。

隐私的界限

AI/ML领域的一个暗云是数据隐私。

Gartner的Silva说，用户越来越意识到他们的个人信息将最终落入Facebook和谷歌等公司手中的危险。因此，“雇主或其他公司保留其移动设备、应用程序和数据使用（Gartner称之为workplace analyTIcs）的输出的想法，肯定会遭到一些用户的反对，”他表示。

这些担忧不容忽视，尤其是考虑到欧盟的《总体数据保护条例》（general Data ProtecTIon RegulaTIon， GDPR）和加州2018年消费者隐私法（theCalifornia Consumer Privacy Act）等严格法规的出台。

Silva说，这些监管方面的担忧可能会使公用事业公司从依赖AI/ML的移动产品中剥离出来。虽然用户对数据的推后不会否定移动产品中AI/ML的价值，但它可能会阻碍部分或全部用户的数据收集。他表示：“反过来，这可能会降低数据对某些用户群或某些区域的用处，同时仍能为其他用户提供价值。”

为了改善这种情况，企业应该坦率地讨论他们收集了什么数据，以及如何使用这些数据，Silva认为。Gartner建议客户说明结果及其对用户的好处，并努力注意哪些数据不会被收集或使用。他表示：“与数据无关的IT列表，几乎总是比对数据做过处理的列表更长。”