已经出现线上事故，紧急万分。大家你一言，我一语，感觉事故可能和某几个人有关，但是也不能完全确定，所以没有通知相关人员。最终，一个普通的事故变成了严重事故。对于紧急的事情，必须要同步沟通。
半夜三点你正在熟睡，或者周末正在逛街，接到一个电话：“现在有个需求，能否立刻帮忙做完。”这会非常令人郁闷，因为那并不是紧急的事情。不是所有的需求都需要立刻解决。
有效沟通的一个重要原则是提前沟通。沟通本质是信息交流和处理，可以把被沟通对象形象地比喻成串行信息处理的CPU。提前沟通，意味着将处理请求尽早放入处理队列里面。下面的例子让很多工程师深恶痛绝：一个需求策划了1个月，产品设计了2周。
在线运维本质上是一个强化学习的过程。很多能力都可以通过看书、查资料来完成，但在线运维能力往往需要大量的实践来提升。
这些都是可以采用人工智能技术解决的问题，人工智能也解决了司法系统中的挑战和许多其他问题。人工智能的一个重要组成部分是机器学习。它利用统计推断和大量数据来训练计算机像人类一样思考。它可以做出比人类更明智的决策，并且它在使人们认为属于人类领域的许多流程自动化方面发挥了很大作用。
人工智能正在促进许多新的发展。人工智能所做的事情就是为人类提供更多的帮助。人们在以往需要进行数千小时的实验才能得到结果。而人工智能技术现在能够更好地模拟这些实验，因此可以更快地得到结果。这使人们能够专注于开展需要获得突破的科技和工程。
数据治理侧重于组织为数据的使用设置的策略。它还关注组织的各部门如何结合在一起，以确保数据得到正确使用。例如，美国一家主要的信用评级机构遭到黑客攻击，其治理政策很糟糕，导致数百万人的社保号码被泄露。他们被黑客入侵和身份被窃取的几率要高得多。而组织如何管理他们保存的数据对人们的工作和生活有着巨大的影响。随着这项技术的成熟，数据治理这一概念将变得更加重要。随着时间的推移，将会提高计算能力和改进人工智能算法。这意味着它们将变得更加复杂，并且能够对人们造成更大的伤害。
数据是所有人工智能技术的核心。实际上，数据是一切与智能有关的核心。人工智能学习的方式是通过体验情境，然后模拟人类在头脑中做出的决定。人类和人工智能的区别是人工智能可以更快地完成此任务。人工智能需要大量的数据才能做到这一点。
人们需要一种管理数据的方法，以便始终拥有更准确、安全和完整的数据集。这就是数据治理的意义所在。正是组织制定的政策确保了这一点。如果做的事情不正确，那么将很难让人工智能和机器学习发挥作用。随着黑客技术变得越来越复杂，组织意识到这一点有多么重要。如今很多人致力于利用漏洞和其他黑客技术来获取数据。因此还必须查看组织如何处理人们的个人信息。例如，他们是否有与广告客户分享私人信息的政策?为了制定一种在人工智能时代行之有效的政策，需要回答这些问题。
将数据作为资产
数据在将来将变得更加重要。当人们进入一个数字化世界时，这些东西将使组织能够最大程度地发挥重要作用。安全性将具有更大的意义，人们将看到人工智能在确保组织获得正确结果方面更加重要。
