人工智能与机器学习：拉丁美洲将是下一个“大”目的地吗？
COVID-19疫情加速了机器学习（ML）在许多领域的应用，导致企业增加了对机器学习的投资和实施力度。
- 2020年路孚特机器学习调查证实，人工智能/机器学习在全球范围内的应用持续增长，其中北美地区的应用率领先。
- 这为全球企业带来了巨大的增长机遇，然而报告结果显示，由于机器学习应用率较低，拉丁美洲预计仅能实现5%的增长。
- 尽管与北美相比存在技术和投资差距，拉丁美洲企业仍能通过更好的资源应对挑战。
获取更多数据驱动的洞察，请订阅路孚特观点周刊。
2020年路孚特机器学习调查证实，机器学习在全球范围内的应用持续增长，其中北美地区的采用率领先。目前，72%的企业表示机器学习是其业务战略的核心组成部分。
在许多领域，COVID-19疫情加速了机器学习的应用。虽然COVID-19造成了重大中断并扰乱了机器学习模型——导致北美企业增加了对机器学习的投资和实施力度——但拉丁美洲等新兴市场有机会更快地接受和采用人工智能和机器学习模型。
机器学习驱动的增长机遇
根据COVID-19疫情期间进行的一项新的全球金融评估，人工智能技术的未来规模和影响将超越当前趋势，采用率将达到新的水平。
对于拉丁美洲企业来说，这代表着巨大的增长机遇：一份美洲开发银行（IDB）报告估计，到2030年，人工智能的影响可能使全球GDP增长增加14%。尽管所有地理区域都将受益于人工智能的经济效益，但由于机器学习采用率较低，拉丁美洲预计仅能实现5%的增长。
然而，这并非一成不变。拉丁美洲企业可以通过加速人工智能的应用来更快地增长并超越竞争对手。
路孚特调查发现，美洲金融企业中34%的人工智能应用是由希望保持竞争优势的愿望驱动的。
拉丁美洲公司在人工智能应用方面往往落后于北美同行，这为先行者和早期采用者留下了巨大的收益空间。企业越来越依赖机器学习作为创造价值、管理风险和获得竞争优势的关键工具。
拉丁美洲面临的挑战和解决方案
虽然拉丁美洲金融企业在采用人工智能/机器学习等新技术时往往追随其全球同行的脚步，但它们面临着一些独特的挑战。幸运的是，这些挑战正变得越来越容易解决。
尽管与北美同行相比存在技术和投资差距，但拉丁美洲国家可以选择优化机遇，并通过更好的资源应对挑战。该地区的国家应了解持续的技术变革，并制定国家战略以抓住机遇。
语言障碍
自然语言处理（NLP）是人工智能的一个子集，使企业能够从大量的基于语言的数据中提取并获取洞察。然而，NLP需要访问特定人类语言的预训练模型。
对于拉丁美洲企业来说，缺乏合适的人工智能模型使得从自然语言中受益变得复杂。虽然英语中通常有大量数据、预训练的机器学习模型和应用程序编程接口（API）可用，但拉丁美洲公司传统上很难获取或构建西班牙语和葡萄牙语的等效训练数据集。
然而，这种情况正在改变。随着拉丁美洲公司对机器学习的采用日益增加，相关的数据库正迅速变得更加可用。
教育、培训和人才招聘
教育和培训也是拉丁美洲企业采用机器学习面临的挑战。改善国家教育体系和增加高等教育对于培养下一代是强制性的，但还不够。当前一代的南美工人也需要适应人工智能经济。
在拉丁美洲，招聘具备数据科学、机器学习和商业技能的复合型人才一直很困难。正如美洲开发银行报告中所述，根据国际劳工组织的数据，南美洲只有约20%的工作需要高水平技能，而欧盟和美国这一比例超过40%。
自动化和人工智能变革可能会彻底重新定义工作场所格局，消除职位，并激励工人学习新技术并寻找更符合数字化转型要求的职位。然而，用具备设计和维护人工智能系统所需技术技能的人才来填补这些职位空缺并不容易。
拉丁美洲在这方面还有大量工作要做，但拉丁美洲企业已经积极与大学合作，以培养更多人才。
私人和公共机构、初创公司和金融团体通过协调一致的举措，一直在构建一个生态系统，以促进合作和共同创新。大学有望为初创公司培养优质毕业生。然后，金融机构提供资金来开发产品和服务。
人才流失
北美公司经常挖走拉丁美洲的顶尖人才。好消息是这验证了拉丁美洲机器学习专业人士的质量。他们被猎头挖走是因为他们的技能和培训都是世界一流的。
拉丁美洲公司正在通过提供引人注目的工作环境和有趣的问题来克服人才流失，这为顶尖人才提供了在家乡寻求机会的充分理由。为了吸引和留住人才，研究机构应该确定经济机会领域以及应对这些领域所需的人工智能和自动化类型。
COVID-19的影响
在许多方面，2020年的疫情给世界各地的公司带来了重大冲击，拉丁美洲也不例外。
企业被迫迅速重新思考政策和流程——机器学习变得越来越重要。在针对疫情对投资策略影响进行调查的公司中，40%的公司由于COVID-19而加速了对机器学习的投资，51%的公司维持相同的投资水平，只有8%的公司减少了投资。
这些信息对于拉丁美洲公司尤其重要，因为它们往往比北美同行更为保守。
那些削减机器学习投资以度过经济风暴的企业可能会发现自己远远落后于那些将疫情视为加倍投入人工智能机会的竞争对手。
数据科学家利用机器学习和另类数据（或称“替代数据”）应用分析，以揭示传统金融和商业来源无法提供的额外洞察。另类数据包括各种新的数据来源，例如人工智能驱动的图像识别。许多投资者认为另类数据对于其财务分析和洞察与基本面数据一样重要。
另类数据现在对于更早、更准确地发现预警信号至关重要。它不再是“另类”，因为97%的公司将其用于机器学习。随着疫情迫使公司重新制定战略并重建模型，它成为获得优势的宝贵工具。
拉丁美洲企业下一步是什么？
拉丁美洲企业在采用人工智能和机器学习方面面临独特的挑战。然而，机器学习对其持续增长也至关重要。路孚特帮助公司获取深入数据以获得竞争优势。
访问路孚特实验室，了解路孚特激动人心的新机器学习项目。探索数据探索工具，这是一个解决方案，让数据科学家、量化分析师和开发人员免费、便捷、直观地访问路孚特示例数据集和笔记本。