不久前，人工智能还只是数据科学家的专有领域。但是现在，像零售业、制造业、金融业和保险业等多种行业都在利用新产品，使企业更容易根据自己的需求创建人工智能工具。通过将数据插入标准化的人工智能模板，缺乏专门人工智能培训的审计员、分析师和精算师能够识别销售前景、发现风险和欺诈，并提高组织效率。

这些模板仍然需要精通技术的用户，并且需要数周的模型培训、测试和验证。但是，“公民数据科学家”（citized data scientists），指那些使用自动化工具开发人工智能的专业人员，但他们没有经过统计学或分析方面的培训，这也意味着企业可以节省成本，而这些企业可以省去数据科学家花费数周时间编写客户代码的工作。

福雷斯特研究公司（Forrester Research）首席分析师克雷格•克莱尔（Craig Le Clair）表示，这些产品的不断采用遵循了技术进化的一个经典模式，即“技术将每个员工都变成了一个程序员”。例如，曾经被认为对外行来说过于复杂的任务，如发送附件或裁剪照片，现在已经成为了一种环境影响。随着数字生产力工具的不断改进和更易于使用，Fortless变得更加强大。

由于易于使用的界面，这些人工智能模板的程序称为自动机器学习，或自动化的ML甚至被数据科学家自己使用。

“这就是未来，”专门从事人工智能和量子计算的研究和咨询公司Gartner Inc.的研究总监Chirag Dekate说。“自动化ML减轻了数据科学的痛苦。”Gartner最近预测，到明年，公民数据科学家将在处理商业和工业中大多数自动化ML任务方面超越数据科学专家。研究公司说，到2024年，自动化的ML将变得非常普遍，数据科学和机器学习的采用将不再因为长期缺乏数据科学家而受阻。

建议监督

由于人工智能涉及大量的敏感数据和计算能力，一些专家担心培训不太好的用户使用自动化的ML会导致错误和偏见，这可能会导致尴尬和昂贵的后果。实际上，怀疑论者警告说，自动化的ML需要数据科学家、人工智能伦理学家或其他第三方的仔细监督和指导。

DataRobot的首席成功官格雷格·迈克尔森（Greg Michaelson）说，那些使用由波士顿的DataRobot公司开发的技术的人大多是数据工程师、软件工程师和业务分析师。据Michaelson先生说，自动化ML的成功只需要具备数据方面的基本能力，而需要深入了解人工智能正在被利用来解决的业务问题。

不鼓励DataRobot的客户完全独立地操作他们的程序。公司的软件许可证要求客户在第一年内与专用的DataRobot现场工程师和数据科学家一起工作，此时将设置自动化的ML功能并部署算法。新客户需要DataRobot研讨会、培训、现场访问和虚拟办公时间。

公民数据科学家有时被描述为一个技术快速研究和精明的商业战略家。

位于波士顿的ezcatter公司是一家将餐饮公司与寻求餐饮服务的企业联系起来的在线市场，该公司的工程总监Jeff Dwyer在两年前实施了一项自动化的ML计划。该公司拥有600名员工和60000多名餐饮服务商，有兴趣利用人工智能根据销售潜力细分业务客户，以优先考虑营销和保留工作。

为了准备这项任务，Dwyer读了一本关于统计学习的书，并观看了一个关于机器学习的在线课程。

他使用了波士顿RapidMiner公司开发的人工智能程序，并在经过两个月的测试和验证后启动了该程序。

Dwyer先生说：“这不是纯粹的魔法。”“你确实需要花些时间来处理它。”

但他说，这项技术发现了一些有趣的模式，这些模式是人类无法察觉的。例如，一个客户在餐饮服务上花费巨大的线索是，他们倾向于将一周中的第一顿餐饮安排在周二活动上；而且，这些企业倾向于提前几天（而不是活动前一天）下周二的餐饮订单。

Dwyer先生现在谈到自动化的ML时说：“没有它，很难想象业务的运行。它给了我们对客户的预测价值。”