管理經(jīng)緯

在AI時(shí)代快速構(gòu)建競(jìng)爭(zhēng)優(yōu)勢(shì)

□文/Philipp Gerbert、Jan Justus、Martin Hecker

人工智能的“類人”潛力正逐步變成現(xiàn)實(shí)，機(jī)器開始具備本屬于人類的能力。是時(shí)候該問問：商業(yè)領(lǐng)袖如何利用人工智能，充分發(fā)揮人與機(jī)器的獨(dú)特優(yōu)勢(shì)？

直到最近，人工智能才令我們感覺到離現(xiàn)實(shí)應(yīng)用越來越近。人工智能技術(shù)雖已發(fā)展了一段時(shí)間，卻一直未能達(dá)到誕生之初人們寄予它的厚望。而如今，人工智能的“類人”潛力正逐步變成現(xiàn)實(shí)，機(jī)器開始具備本屬于人類的能力。所以是時(shí)候該問問：商業(yè)領(lǐng)袖如何利用人工智能，充分發(fā)揮人與機(jī)器的獨(dú)特優(yōu)勢(shì)？

人工智能正迅速成為諸多行業(yè)的基礎(chǔ)科技，其影響從自動(dòng)駕駛汽車遍布到金融交易領(lǐng)域。自主學(xué)習(xí)算法如今被普遍嵌入到移動(dòng)和在線服務(wù)中；數(shù)字化設(shè)備和聯(lián)網(wǎng)傳感器的數(shù)據(jù)處理和數(shù)據(jù)流傳輸能力已大幅提升，持續(xù)改善人工智能的表現(xiàn)；機(jī)器基本上能夠識(shí)別特定的語音和圖像，可以大致理解人類的溝通。這一趨勢(shì)意義非凡：

由于機(jī)器會(huì)說話、閱讀、接受和存儲(chǔ)百科知識(shí)，它能與人類很自然地深入討論廣泛的話題；

由于機(jī)器會(huì)識(shí)別物體和光學(xué)圖像，它能走出虛擬，進(jìn)入現(xiàn)實(shí)世界。

曾讓支持者一度失望的人工智能如今已深入人心，機(jī)器開始從事過去人類才能從事的活動(dòng)（參閱圖1）。 例如，現(xiàn)在人工智能能夠比放射科醫(yī)生更精確地診斷出某些癌癥，難怪傳統(tǒng)的金融、零售、醫(yī)療及其他行業(yè)都已經(jīng)將幾十億美元投向人工智能。

機(jī)器如何思考和運(yùn)作

三次里程碑事件讓普通大眾了解到人工智能，每個(gè)事件都展現(xiàn)了人工智能科技的一些關(guān)鍵元素。

1997年，深藍(lán)計(jì)算機(jī)擊敗世界象棋冠軍Garry Kasparov。國(guó)際象棋曾被視作展現(xiàn)人類智力中核心戰(zhàn)略元素的游戲，因而成為新人工智能算法的試金石。幾十年以來，程序員試圖用人工智能擊敗人類棋手，卻毫無進(jìn)展。終于在1997年，IBM開發(fā)的深藍(lán)計(jì)算機(jī)擊敗了世界象棋冠軍。但許多人仍感到失望，因?yàn)闀?huì)走象棋不等同于擁有通用的人工智能。深藍(lán)計(jì)算機(jī)靠的是暴力算法和記憶，它不會(huì)學(xué)習(xí)，也不善于處理象棋以外的任何任務(wù)。

這一事件揭示了兩個(gè)道理。第一，機(jī)器解決問題的方式不同于人類；第二，許多“智力”任務(wù)覆蓋面很窄，能夠用專門的程序來解決。

隨著AlphaGo在2016年擊敗李世石，計(jì)算機(jī)徹底統(tǒng)治了棋盤游戲。由DeepMind Technologies開發(fā)的AlphaGo依靠深度學(xué)習(xí)——一種神經(jīng)網(wǎng)絡(luò)（也叫計(jì)算機(jī)大腦）擊敗了世界圍棋冠軍。關(guān)于這場(chǎng)比賽的備賽過程有一件趣聞：在開賽前最后幾個(gè)月，AlphaGo學(xué)習(xí)完了所有的人類比賽，接下來的時(shí)間便一直和自己下棋。

Philipp Gerbert波士頓咨詢公司（BCG）的資深合伙人，BCG研究專家，專門研究人工智能對(duì)企業(yè)的影響，常駐慕尼黑辦公室。

Jan Justus 波士頓咨詢公司（BCG）的董事經(jīng)理，BCG戰(zhàn)略專項(xiàng)的核心成員之一，專注于數(shù)字化轉(zhuǎn)型，常駐慕尼黑辦公室。

Martin Hecker波士頓咨詢公司（BCG）的資深合伙人，BCG技術(shù)優(yōu)勢(shì)專項(xiàng)中人工智能話題負(fù)責(zé)人，常駐科隆辦公室。

2011年，Watson在綜藝節(jié)目《危險(xiǎn)邊緣》中擊敗冠軍。贏得這場(chǎng)挑戰(zhàn)賽后，IBM的Watson也算是通過了人工智能圖靈檢驗(yàn)。Watson在比賽中充分展現(xiàn)了最前沿的語音識(shí)別、自然語言處理和搜索技術(shù)，但這場(chǎng)勝利靠的是一項(xiàng)不一樣的技能：Watson在“雙賭法（Daily Doubles）”中贏了其他參賽者——在雙賭法中，玩家可以賭上自己全部或部分贏得的錢，以獲得絕對(duì)領(lǐng)先。要做出最佳選擇，玩家需要具備快速順序推理、游戲理論知識(shí)以及正確計(jì)算概率和結(jié)果的能力。諾貝爾獎(jiǎng)獲得者Daniel Kahneman在他的著名作品《思考，快與慢》中指出，人類極度不擅長(zhǎng)這些領(lǐng)域，而機(jī)器能夠快速做出信息量很大的決策。

2012年，谷歌演示了自動(dòng)駕駛汽車。谷歌并不是自動(dòng)駕駛汽車領(lǐng)域的先驅(qū)。這一殊榮歸屬一位名叫Ernst Dickmanns的德國(guó)計(jì)算機(jī)視覺專家，他于1995年在德國(guó)高速公路使用自動(dòng)駕駛模式開車行駛了1785千米，時(shí)速達(dá)到170公里。

Dickmanns在自動(dòng)駕駛途中全程不用左拐。Frank Levy和Richard Murnane在 他 們2004年合著的書籍《新勞動(dòng)分工》中提出，“在迎面而來的車流中執(zhí)行左拐會(huì)涉及很多因素，很難想象能夠用一套規(guī)則復(fù)制司機(jī)的行為?！钡牵雀璧淖詣?dòng)駕駛汽車總能順利地做到這一點(diǎn)，它集成了電腦、計(jì)算機(jī)視覺和實(shí)時(shí)數(shù)據(jù)處理，其生成的智能代理既能探索現(xiàn)實(shí)世界，也能從現(xiàn)實(shí)世界中獲取經(jīng)驗(yàn)。

人工智能系統(tǒng)擁有思考和互動(dòng)能力，因而經(jīng)常不可避免地被拿來與人作比較。盡管人類能進(jìn)行快速并行處理（模式識(shí)別），但順序處理（邏輯推理）速度卻很慢，而計(jì)算機(jī)在少數(shù)領(lǐng)域內(nèi)已經(jīng)完全掌握并行處理，并能夠進(jìn)行急速的順序處理。正如潛水艇雖不會(huì)游泳卻能潛水，機(jī)器也有自己解決問題、完成任務(wù)的方式。

如果計(jì)算機(jī)處理能力無法取得巨大突破，機(jī)器將無法實(shí)現(xiàn)通用人工智能。通用人工智能指的是同時(shí)具備多種截然不同的解決問題能力，是人類智力的專屬特征。例如，如今的機(jī)器人汽車并不會(huì)表現(xiàn)出我們常說的直覺判斷力，它不會(huì)在行駛途中停下來幫助一個(gè)從自行車上摔下來的孩子。但若能合理應(yīng)用，人工智能將能快速、出色、智能、全面地處理許多商業(yè)活動(dòng)。

人工智能不再是一門“選修課”。懂得如何讓人與機(jī)器既緊密聯(lián)系又能互補(bǔ)、創(chuàng)造出競(jìng)爭(zhēng)優(yōu)勢(shì)，對(duì)企業(yè)來說至關(guān)重要。

競(jìng)爭(zhēng)優(yōu)勢(shì)演變

曾幾何時(shí)，一項(xiàng)簡(jiǎn)單技術(shù)型工具就能成為企業(yè)的優(yōu)勢(shì)來源，沃爾瑪上世紀(jì)80年代的物流跟蹤系統(tǒng)就是一個(gè)例子。而如今的人工智能則不同，算法本身無法為企業(yè)帶來競(jìng)爭(zhēng)優(yōu)勢(shì)。純粹的算法都散布在公共平臺(tái)上，企業(yè)能夠輕易地使用這些開源軟件平臺(tái)，如谷歌的TensorFlow。由埃隆·馬斯克（Elon Musk，特斯拉創(chuàng)始人）等人創(chuàng)建的非營(yíng)利組織OpenAI正致力于推動(dòng)人工智能工具和研究的廣泛普及。許多杰出的人工智能研究人員在加入百度、Facebook和谷歌等公司時(shí)，仍堅(jiān)持保留發(fā)表研究成果的權(quán)利。

人工智能并未磨滅傳統(tǒng)競(jìng)爭(zhēng)優(yōu)勢(shì)來源——如市場(chǎng)地位和關(guān)鍵能力，而只是對(duì)這些優(yōu)勢(shì)重新進(jìn)行了定義（參閱圖2）。因此，企業(yè)需要以動(dòng)態(tài)的視角看待自身優(yōu)勢(shì)。例如，通常企業(yè)因?yàn)橐恍┫鄬?duì)穩(wěn)固的優(yōu)勢(shì)贏得市場(chǎng)份額、占據(jù)領(lǐng)先地位：企業(yè)獨(dú)有的資產(chǎn)、分銷網(wǎng)絡(luò)、客戶接觸和規(guī)模等。但在人工智能時(shí)代，我們需要重新定義競(jìng)爭(zhēng)優(yōu)勢(shì)。

關(guān)于人工智能如何改變傳統(tǒng)競(jìng)爭(zhēng)優(yōu)勢(shì)，我們來看三個(gè)例子：

數(shù)據(jù)。人工智能的強(qiáng)大應(yīng)用離不開數(shù)據(jù)。Facebook、谷歌和Uber等人工智能先驅(qū)為打造自己的“優(yōu)勢(shì)領(lǐng)域”，正在通過遠(yuǎn)超傳統(tǒng)數(shù)據(jù)收集的方式，獲取用戶和他人的當(dāng)前和未來數(shù)據(jù)，作為人工智能應(yīng)用的原材料。這些公司因其規(guī)模大，能夠向算法輸送更多訓(xùn)練數(shù)據(jù)，不斷改善算法的表現(xiàn)。例如在全面實(shí)現(xiàn)自動(dòng)駕駛汽車的競(jìng)賽中，Uber的優(yōu)勢(shì)在于能夠每天從司機(jī)身上收集1億英里的批量數(shù)據(jù)，這些數(shù)據(jù)最終能夠用于改善公司的出行服務(wù)。Facebook和谷歌則能夠利用自身規(guī)模和深度來加強(qiáng)廣告定位。

然而，并非所有企業(yè)都能成為Facebook、谷歌或Uber，但這并沒有關(guān)系。企業(yè)能夠建立、獲取和利用共享、租用或補(bǔ)充的數(shù)據(jù)集，即使這意味著與競(jìng)爭(zhēng)對(duì)手合作，但能幫助企業(yè)補(bǔ)充資產(chǎn)、建立自身優(yōu)勢(shì)領(lǐng)域。共享不是一件壞事，關(guān)鍵在于打造一個(gè)無懈可擊、得天獨(dú)厚的開放與封閉數(shù)據(jù)組合。

客戶接觸。人工智能改變了客戶接觸的方式。不論是地理位置優(yōu)越的實(shí)體店還是客流量高的網(wǎng)店，都要屈服于人工智能生成的洞察。例如，大型零售商能夠利用人工智能引擎分析忠誠度、銷售點(diǎn)、天氣和位置等數(shù)據(jù)，從而設(shè)計(jì)出個(gè)性化的營(yíng)銷活動(dòng)和促銷優(yōu)惠。商家甚至能夠在客戶自己尚無意識(shí)的情況下就預(yù)測(cè)出客戶的路徑和偏好，從而方便地為客戶提供熟悉的、補(bǔ)充性的或全新的購買選項(xiàng)。利用這些優(yōu)惠活動(dòng)的暗示效應(yīng)，企業(yè)能夠在保持成本幾乎不變的情況下提高收入。

能力。能力在傳統(tǒng)方式下被細(xì)分為多個(gè)獨(dú)立的優(yōu)勢(shì)來源，包括知識(shí)、技能和流程。而基于人工智能的自動(dòng)化將這些領(lǐng)域整合成了一個(gè)連續(xù)的循環(huán)，包含執(zhí)行、探索和學(xué)習(xí)三部分。隨著算法吸收更多數(shù)據(jù)，其輸出質(zhì)量會(huì)得到提升。同樣，對(duì)于人類而言，跨部門團(tuán)隊(duì)能夠依據(jù)客戶和終端用戶的快速反饋而迅速設(shè)計(jì)并完善原型，這種敏捷工作方式使得各項(xiàng)傳統(tǒng)能力之間的界限變得更為模糊。

人工智能和敏捷本質(zhì)上均為迭代，兩者的產(chǎn)品和流程均為連續(xù)的循環(huán)。算法能夠從經(jīng)驗(yàn)中吸收教訓(xùn)，能夠讓企業(yè)對(duì)未知領(lǐng)域的快速、廣泛的探索與已知領(lǐng)域的開發(fā)相結(jié)合，在高度不確定性和快速變革的環(huán)境中繁榮發(fā)展。

除了重新定義某些競(jìng)爭(zhēng)優(yōu)勢(shì)來源以外，人工智能還能提高決策速度和質(zhì)量。在處理某些特定任務(wù)時(shí)，機(jī)器的輸入數(shù)量和處理速度超出人類數(shù)百萬倍；預(yù)測(cè)分析和客觀數(shù)據(jù)取代了人類的直覺和經(jīng)驗(yàn)，成為許多決策的核心驅(qū)動(dòng)因素。股票交易、在線廣告、供應(yīng)鏈管理和零售定價(jià)都在往這個(gè)方向快速發(fā)展。

當(dāng)然，即使出現(xiàn)類似于工業(yè)革命時(shí)期的顛覆（但這一次的顛覆速度肯定更快），人類也不會(huì)被淘汰。首先，系統(tǒng)開發(fā)工作還是需要人來完成。例如，Uber公司招聘了數(shù)百名自動(dòng)駕駛汽車專家，其中約50名來自卡耐基梅隆大學(xué)機(jī)器人研究所；人工智能專家如今成為了華爾街需求最大的招聘對(duì)象。其次，人類擁有機(jī)器當(dāng)前不具備的常識(shí)判斷力、社交技能和直覺。即使將常規(guī)工作交給機(jī)器人去做，未來很長(zhǎng)時(shí)間內(nèi)仍需要人工參與以確保質(zhì)量。

在被人工智能激發(fā)的新時(shí)代里，企業(yè)的優(yōu)勢(shì)來源發(fā)生變化，戰(zhàn)略問題與組織、技術(shù)和知識(shí)問題相互轉(zhuǎn)化。因此，靈活的組織結(jié)構(gòu)和敏捷性成為了應(yīng)對(duì)大規(guī)?？焖僮兏锏年P(guān)鍵所在，不管對(duì)人還是對(duì)機(jī)器均是如此。

可擴(kuò)展硬件和適應(yīng)性軟件是人工智能系統(tǒng)充分利用規(guī)模和靈活度的基礎(chǔ)。常見的做法就是建立中央智能引擎和分布式半自動(dòng)化代理。例如，特斯拉的自動(dòng)駕駛汽車能夠向一個(gè)中央單元輸送數(shù)據(jù)，由中央單元定期更新分布式軟件。

企業(yè)的制勝策略在于關(guān)注敏捷性、彈性雇傭以及持續(xù)的培訓(xùn)和教育。專注于人工智能的企業(yè)很少會(huì)聘用大量傳統(tǒng)類型的全職人員，開放式創(chuàng)新和簽約合作形式正在普及。某創(chuàng)新移動(dòng)銀行的首席運(yùn)營(yíng)官曾坦白，自己最大的難題便是將公司領(lǐng)導(dǎo)團(tuán)隊(duì)成員變成善于管理人與機(jī)器的經(jīng)理人。

開始行動(dòng)

企業(yè)若希望利用人工智能打造競(jìng)爭(zhēng)優(yōu)勢(shì)，就需要充分領(lǐng)會(huì)這樣一個(gè)事實(shí)：機(jī)器能夠以人類無法企及的速度和規(guī)模開展學(xué)習(xí)、與人互動(dòng)、執(zhí)行高級(jí)任務(wù)。企業(yè)需分辨出人類和機(jī)器各自擅長(zhǎng)的領(lǐng)域，為人與機(jī)器分配互補(bǔ)性職責(zé)，并重新對(duì)流程進(jìn)行相應(yīng)的設(shè)計(jì)。例如，人工智能通常需要一種集中化和分散活動(dòng)同時(shí)存在的新型組織結(jié)構(gòu)，而這往往難以落地。另外，企業(yè)需要采取適應(yīng)性和敏捷性的工作方式、制定戰(zhàn)略，這在初創(chuàng)企業(yè)和人工智能先驅(qū)企業(yè)中已經(jīng)十分常見。所有企業(yè)都能從這類工作方式中獲益，但對(duì)于人工智能驅(qū)動(dòng)的流程而言，由于這類流程需要人與機(jī)器不斷適應(yīng)和學(xué)習(xí)，高度適應(yīng)性和敏捷性就成了必須。

企業(yè)高管需要識(shí)別出人工智能在哪些領(lǐng)域能創(chuàng)造最顯著、最持久的優(yōu)勢(shì)。從宏觀層面來講，人工智能適用于零售業(yè)等數(shù)據(jù)量較大的領(lǐng)域以及定價(jià)等常規(guī)工作，但這一思路把人工智能行業(yè)想得過于簡(jiǎn)單。如今所有企業(yè)活動(dòng)均涉及大量數(shù)據(jù)，這些企業(yè)活動(dòng)能夠被分解成許多簡(jiǎn)單任務(wù)（參閱圖3）。我們建議從四個(gè)維度來看待人工智能：

·客戶需求

·科技進(jìn)步

·數(shù)據(jù)資源

·流程分解

第一，定義客戶需求。人工智能雖是一大熱門領(lǐng)域，但企業(yè)在發(fā)展業(yè)務(wù)時(shí)仍有必要回歸基本要素：你的現(xiàn)有客戶和潛在客戶有哪些顯性和隱性需求尚未得到滿足？就連Uber和愛彼迎這類顛覆性創(chuàng)新企業(yè)也在致力于解決人的基本需求。

第二，融合科技進(jìn)步。人工智能領(lǐng)域最顯著的發(fā)展通常涉及新數(shù)據(jù)源的組建、處理以及半自動(dòng)化決策。無數(shù)的服務(wù)和平臺(tái)能夠捕捉數(shù)據(jù)庫、視覺信號(hào)、文字和語音的數(shù)據(jù)，智能代理和機(jī)器人等輸出技術(shù)也在不斷普及，也許都不需要自己去構(gòu)建這些系統(tǒng)。建議考慮的是如何利用這些技術(shù)改變你的流程和產(chǎn)品。

第三，打造一個(gè)全面架構(gòu)，將現(xiàn)有數(shù)據(jù)與新數(shù)據(jù)源相結(jié)合，甚至包括外部數(shù)據(jù)源。人工智能服務(wù)堆棧的標(biāo)準(zhǔn)化程度已經(jīng)很高，人們能夠越來越容易地使用直觀的工具獲取這些服務(wù)，甚至不懂技術(shù)的普通人也能使用大規(guī)模數(shù)據(jù)集。

第四，將流程和產(chǎn)品分解成相對(duì)常規(guī)化和孤立化的可自動(dòng)化元素，充分利用科技進(jìn)步和數(shù)據(jù)源帶來的優(yōu)勢(shì)，然后將這些元素重新組合以更好滿足客戶需求。

對(duì)許多組織而言，這些舉措充滿挑戰(zhàn)。要系統(tǒng)化地運(yùn)用以上四個(gè)維度，企業(yè)需要熟悉已有的和正在興起的人工智能能力以及必要的基礎(chǔ)設(shè)施。企業(yè)可以建立專門的卓越中心來培養(yǎng)人工智能方面的技術(shù)和業(yè)務(wù)敏感度，并在整個(gè)組織傳播人工智能專業(yè)知識(shí)和能力。但人工智能最終還是屬于各個(gè)業(yè)務(wù)部門和職能部門，因?yàn)樗鼈儾攀菓?yīng)用人工智能的主體。