办公环境中的人工智能：下一步是什么？
根据分析师和技术专家的说法，人工智能在不久的将来可以让用户从已使用的各种服务中搜索文件，而不是使用户局限于一个试图满足所有需求的套件中。
销售支持软件供应商Seismic的数据和分析副总裁Al Bsharah表示：“谷歌、微软和Salesforce等公司在我们的生活和业务中已经深入人心，其他公司很难再拥有人工智能。其他平台必须想法子利用这一点。其他供应商不一定非得提供一个可以完成所有工作的平台，从创建算法到寻找创新方法来使用这些算法来解决业务问题。这也就是说，一个平台就可以将所有你喜爱的平台整合在一起。”
451 Research的分析师Chris Marsh表示同意，他认为，生产力套件中的人工智能很有前途，其使命就是将更多来自不同平台的用户和数据整合到一个仪表盘中。Marsh说，最终，我们在工作环境中会得到一种类似脸书的社交图表。（重要的是，脸书自身就有以业务为中心的协作工具，名为Workplace。）
Marsh说：“Workplace的使命就是根据内容进行对话。因此，如果有人就修改特定内容而在Outlook中进行电子邮件对话，这对Box和Dropbox十分有用，有助于它们在平台中生成更多工作流程。因此，他们将人工智能和机器学习视为一种能智能地发现相关对话并将其进行分类的方法。”
套件制造商Zoho的人工智能销售助理Zia可以根据过去的活动预测交易成功的可能性
IT咨询公司Globant最近的一份报告发现，近半数企业希望使用人工智能从它们所收集的大量数据中获得洞察。
Bsharah说：“人工智能最高效的应用之一就是将来自不同团队的不同数据聚集到一起（例如销售和市场营销），以发现原本无法看到的洞察。结果不仅仅是产生新的，受数据启发的活动或项目，还将成为统辖不同部门的利器。”
Bsharah还说：“如果营销和销售都在同一套指标和数据下运作，那么这两者就会形成一个基础，以便它们能够更好地协作。这有可能发生在任意两个需要协作的团队之间，例如负责产品和营销的团队之间的协作，或负责客户成功和销售的团队之间的协作。当他们在一套通用的人工智能算法下运行时，其他新的合作方式也将浮出水面。”
指标权衡和安全性方面的问题
专家预测，将人工智能纳入办公室套件使企业可以获得真正的生产力提升，但他们警告说，当人们把注意力从日常（而且可能很重要的）任务移开时，他们必须考虑各种风险。
人工智能技术供应商DarwinAI的首席执行官Sheldon Fernandez表示：“文字处理器和电子表格大大增强了传统后台办公任务的自动化，同样地，支持人工智能的软件也将提升众多业务领域的生产力。也就是说，人们要考虑一个重要的因素——人工智能水平日益提高对其目标用户所产生的影响，以及这种自动化程度在多大程度上降低了他们对日常任务的参与程度，在多大程度上使他们的技能变得迟钝。实施证明，很多领域对技术产生了过度依赖（如医生和战斗机飞行员）而这种依赖很容易蔓延到生产力领域。”
451 Research的Marsh想知道，将存储在不同供应商平台上的公司数据整合到一个由人工智能驱动的枢纽是否会导致安全性方面的风险。他说：“如果你将信息存储在某一个环境中，这个环境又被另一个供应商整合到另一个环境中，那么当环境脱离你所使用的平台时，就如何跟踪这些信息，如何在自己的环境中提供环境治理而言，你会遇到各种问题。”
如今，虽然在Marsh与客户进行的大多数谈话中，“人们并没有对人工智能有太大的担忧”，但Marsh补充说，如果人工智能和机器学习是数据在平台之间移动的渠道，“那么人们肯定会有这样的担忧——是否能准确地跟踪大量的数据并对此采取安全措施。”
谷歌表示，谷歌套件中的Nudge功能每周会提示8％的Gmail用户回复邮件
Fernandez说，个人用户的隐私也是有理由引发担忧的，“从人工智能获得的见解——用户的偏好，倾向和预期的工作流程——在多大程度上为私人所用，而不是用于商业利益。很多用户协议几乎可以让公司以无限的方式收集数据点...... 使用由人工智能实现的生产力应用程序的人应该不断地提这样的问题：‘如果我的个性化数据被商品化会有什么危险？’”
虚拟化、软件即服务（SaaS）和云技术提供商Citrix的云和物联网副总裁Steve Wilson建议，用户要记住，就数据而言，他们允许应用收集，共享和转售的数据方面达成的共识。Wilson说：“现代机器学习功能的前提是访问大量数据以训练模型，然后实时处理数据。这就是说，你的人工智能系统将不断了解你所在的环境的各个部分，从而为你提供帮助。”
Wilson继续说道，为了保护个人和公司的数据，“你将希望在这方面发挥积极作用——批准对什么类型的数据进行共享。如果你只是用鼠标点遍所有的（权限）框中，你可能会泄露很多数据，比你想得还要多。”
Fernandez指出，各种法规（例如欧洲的《通用数据保护条例（GDPR）》和加利福尼亚的消费者隐私法案）正在就个人的私人数据着手解决问题。但现在还处于人工智能应用程序的初级阶段，公司和用户要了解风险，了解让这些应用程序访问其数据和操作所能得到的回报，这非常重要。
Wilson说：“他们不是不可逾越的障碍，但个人和企业必须认识到这些问题。”
Fernandez补充道，最后一个需要注意的问题是，人工智能所做的决策可能会出现意外偏差，最近发生的一个例子是，亚马逊的人力资源工具开始偏向男性求职者，这是该工具已有的历史数据造成的。
Fernandez说：“人工智能根据有偏差的数据集生成有偏差的结果，这种现象并不罕见。人工智能系统并不比训练它们的数据强多少。”