应用程序、设备管理和用户体验都会受到影响。

应用程序、设备管理和用户体验都会受到影响。而最有发展的领域是在安全方面。

人工智能（AI）和机器学习（ML）的出现使得智能手机变得更加智能。这对企业的移动管理支持具有重大意义。

451研究公司的移动研究和数据策略副总裁Kevin Burden评论说，企业移动管理长期以来都承诺——工作人员无论在哪里都能提高工作效率，加快业务流程，并通过把最新数据交给现场工作人员来提高准确性和效率。他说，人工智能的加入将有助于兑现这些承诺。

实现这些承诺的方式是多方面的，在设备管理、用户体验、安全性、应用程序和设备本身等方面都看到了效果。同时，随着人工智能和机器学习在收集数据点方面变得越来越高效，必然会出现新的隐私问题。

Burden指出：“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将改变和增强应用程序中的业务逻辑。”应用程序将能够利用具有语音和视觉手势识别功能先进的用户界面。

“明显受益于人工智能的一个企业移动管理要素是各种员工移动所带来的企业部门挑战。”他说，应用程序提供商把机器学习应用到用户活动流中，使得企业能够深入了解最终用户怎样度过自己的时间。随着行为模式的确定，企业将能够改进过程和用户体验。

简单身份验证就是一个例子。模式识别是人工智能的强项。Gartner公司企业移动战略研究副总裁Chris Silva说，人工智能可以收集大量这样的数据，很容易发现异常，因此，它可以使身份验证对用户来说更加透明。

一些更高级的算法检测用户怎样输入文本并分析他们的习惯。Silva说：“把这些独特的模式与用户的有效连接和GPS数据信息配对，将大幅度减少多重身份验证的层数，不再要求用户不断地输入密码。”

市场研究公司IDC的企业移动项目总监Phil Hochmuth说，人工智能/机器学习另一方面的改进，体现在语音到文本转换的能力上，该技术在某些情况下能够取代智能手机的数据输入。他说：“医疗和其他垂直行业将使用语音来输入数据，用于完成记录和工作流程更新等基本任务。”

而且，应用程序将以全新的方式变得更加直观：“机器学习会更多地集成到移动应用程序中，以便更快地做出决定和响应，完成输入，预测用户行为，而不是要求用户在Windows和下拉菜单中寻找选项。”

IT将受益于人工智能和机器学习在设备管理上的帮助。例如，该技术可以用来扫描各部门中的所有设备，主动提醒管理员出现了问题。比如发现该企业的Android设备中有25%是过时的版本。Silva说，对于缺乏人员的IT部门，更有帮助的是基于人工智能/机器学习发现的信息而实现自动操作。一旦系统能够利用人工智能来随时检测和解决问题，那么这项技术将真正给IT带来回报。

随着供应商采用个人助理技术，电子邮件、联系人和日历工具上的很多人工智能用户体验增强功能也会受到IT的青睐。对于日历功能，使用人工智能告诉用户什么时候应该去开会已经相当普遍了。

Silva指出，虽然不会给IT部门直接带来好处，但很多IT部门希望用户在工作时坚持使用公司提供的电子邮件、联系人和日历工具，这成为保护和隔离工作数据和个人数据的一种方式。面向用户的新的便利特性，使得用户更愿意使用这些工具。

451研究公司的Burden说：“虽然目前还不清楚人工智能对整个移动市场的长期影响，但可以肯定的是，EMM（企业移动管理）领域竞争非常激烈，没有任何真正意义上的重大差异化”，因此，供应商应寻求人工智能新的创新方式。

人工智能与安全

或许，最有可能被人工智能（特别是其模式识别）推动发展的领域是安全。当然，很多供应商已经在其安全产品中采用了人工智能/机器学习，以提高性能。

供应商已经提供产品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了机器学习，该工具利用使用情况和行为分析来检测移动应用程序或者网络中的可疑行为，然后从它收集的信息中学习，以不断提高其检测恶意软件和欺诈网络的能力。

Sophos将深度学习集成到其端点安全产品中，实现了所谓的“预测安全”。该公司的目标是将这一深度学习层扩展到所有端点，包括移动终端。它还引入了一款电子邮件保护工具，使用相同的技术拦截更多的威胁，阻止威胁进入端点。

其他供应商认为有机会使用人工智能来帮助缺少人员的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公司，其统一端点管理服务还将管理进入工作场所的所有设备，包括笔记本电脑、移动电话、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，帮助IT部门执行安全策略并确保网络安全。

Citrix分析工具还执行用户行为分析，应用机器学习把用户分类为高、中、低风险，然后，当更多数据进入系统时再调整风险评分。

与此同时，IBM已经使用沃森（Watson）开发了MaaS360，这是一款基于云的应用程序，旨在帮助IT管理人员了解端点及其用户、应用程序和内容所产生的大量数据。它将认知技术应用于安全、最终用户工作效率、移动应用程序管理和管控等。

IBM解释说，EMM用户被淹没在应用程序、配置/策略最佳实践、工作效率工具，以及新出现的威胁和漏洞等大量的信息中，往往应接不暇。IBM MaaS360在平台中嵌入认知深度分析，帮助企业查看他们收集的信息，进行提炼，并将其应用到与业务相关的深度分析和建议中。MaaS360的核心是IBM Watson技术，它可以索引和注释大量的数据集，以查找适用于MaaS360每个客户端部署环境的相关数据。 

隐私难题？

人工智能/机器学习前面的一片乌云是数据隐私。

Gartner的Silva说，用户越来越意识到他们的个人信息最终会落入脸书和谷歌等公司手中。他说：“因此，用人单位或者其他公司如果想保留他们的移动设备、应用程序和数据使用情况的输出——Gartner称之为工作场所分析，这种想法肯定会遭到一些用户的反对。”

这些问题是不容忽视的，特别是考虑到欧盟严格的通用数据保护条例（GDPR）和加州目前正在酝酿出台的法规。

Silva说，这些监管方面的担忧可能会使得公用事业不再使用依赖于人工智能/机器学习的移动设备。Silva说，虽然用户推送数据不会否定人工智能/机器学习在移动产品上体现的价值，但它可能妨碍某些甚至所有用户的数据收集。他说：“这可能会使数据对某些用户群或者某些地区不那么有用，但还是给其他用户带来了价值。”

Silva说，为了改善这种情况，企业应坦率地告知他们收集哪些数据，以及怎样使用这些数据。Gartner建议客户向用户说明结果及其对用户的好处，尽力讲清楚不会收集哪些数据，不会把数据用在哪些方面。他说：“如果比较一下IT不会拿着数据去做什么和会去做什么，那么前者一定要比后者多得多。”