近年來(lái)，人工智能已邁出機(jī)房，步入主流行業(yè)。BCG和《MIT斯隆管理評(píng)論》所進(jìn)行的研究表明，人工智能將在未來(lái)五年內(nèi)對(duì)所有行業(yè)產(chǎn)生重大影響。進(jìn)一步研究發(fā)現(xiàn)，超過(guò)70%的高管希望人工智能在其公司中發(fā)揮重要作用。

今天的人工智能算法能夠支持非常精確的機(jī)器視覺(jué)、聽(tīng)覺(jué)和語(yǔ)音，并可以訪問(wèn)全球信息庫(kù)。由于深度學(xué)習(xí)和其它先進(jìn)的人工智能技術(shù)的發(fā)展、驚人的數(shù)據(jù)增長(zhǎng)水平以及原始信息和數(shù)據(jù)處理能力的不斷提高，人工智能的性能得以不斷改善。

這些發(fā)展導(dǎo)致人工智能商業(yè)應(yīng)用的爆炸式發(fā)展，就像寒武紀(jì)時(shí)代，視覺(jué)系統(tǒng)的發(fā)展促使物種多樣性在世界范圍內(nèi)顯著增加。同其它時(shí)代一樣，這個(gè)新時(shí)代將會(huì)有贏家和輸家。但我們與麻省理工學(xué)院的研究表明，如果繼續(xù)按照目前的模式發(fā)展下去，兩者之間的差距會(huì)變得巨大而嚴(yán)峻。數(shù)據(jù)顯示，即使在同一行業(yè)內(nèi)，不同公司對(duì)人工智能理解和應(yīng)用的程度也有顯著不同。以保險(xiǎn)業(yè)為例，中國(guó)平安集團(tuán)五年前已開(kāi)始開(kāi)發(fā)人工智能，目前正將這項(xiàng)技術(shù)融入到各項(xiàng)服務(wù)中，而其它保險(xiǎn)公司才剛剛開(kāi)始嘗試最簡(jiǎn)單的應(yīng)用。總體而言，許多公司的高管認(rèn)為他們的組織對(duì)人工智能缺乏基本的了解。

作為了解人工智能的起點(diǎn)，本報(bào)告旨在提供對(duì)人工智能直觀而實(shí)用的理解（參閱 “關(guān)于人工智能，管理者應(yīng)當(dāng)知曉的十個(gè)事項(xiàng)”）。在更深的層次上，本報(bào)告還討論了許多當(dāng)前和潛在的人工智能應(yīng)用案例，并探討了人工智能對(duì)產(chǎn)業(yè)價(jià)值池、未來(lái)工作及尋求競(jìng)爭(zhēng)優(yōu)勢(shì)的影響。最后，本報(bào)告就如何在大型組織內(nèi)引入和傳播人工智能提供了一些實(shí)踐指導(dǎo)。

人工智能不是一個(gè)現(xiàn)成的解決方案

人工智能并非一款“即插即用”的產(chǎn)品。企業(yè)不能簡(jiǎn)單地“購(gòu)買智能”并將其應(yīng)用于解決它們的問(wèn)題。雖然人工智能各技術(shù)要素已存在于市場(chǎng)上，但是對(duì)數(shù)據(jù)、流程和技術(shù)之間相互影響而進(jìn)行管理的復(fù)雜工作卻需要在企業(yè)內(nèi)部進(jìn)行。

應(yīng)用人工智能的概念框架非常直觀（圖 1）。簡(jiǎn)而言之，人工智能的算法能夠輸入數(shù)據(jù)，處理數(shù)據(jù)，然后生成行動(dòng)。這個(gè)過(guò)程依賴于多層技術(shù)合理整合，但企業(yè)通常并不明確從數(shù)據(jù)到行動(dòng)的具體路徑。

從數(shù)據(jù)到行動(dòng)

與大數(shù)據(jù)或傳統(tǒng)數(shù)據(jù)分析的數(shù)據(jù)處理需求相比，人工智能的數(shù)據(jù)處理需求有幾個(gè)基本的不同之處：

·數(shù)據(jù)、訓(xùn)練和處理。純粹的人工智能算法是一行行簡(jiǎn)單的計(jì)算機(jī)代碼。它們本身并不智能，需要感官輸入和反饋來(lái)開(kāi)發(fā)智能。在可預(yù)見(jiàn)的將來(lái)，人工智能的訓(xùn)練需要企業(yè)特定數(shù)據(jù)和投入。數(shù)據(jù)科學(xué)家必須為機(jī)器學(xué)習(xí)的訓(xùn)練提供大量的數(shù)據(jù)，從而對(duì)無(wú)數(shù)的關(guān)聯(lián)關(guān)系進(jìn)行加權(quán)處理，最終形成針對(duì)特定數(shù)據(jù)進(jìn)行智能分析的算法。這種經(jīng)典的歸納方法解釋了為什么人工智能經(jīng)常需要海量數(shù)據(jù)。

·行動(dòng)。通過(guò)訓(xùn)練的算法可以接受實(shí)時(shí)數(shù)據(jù)并采取行動(dòng)——例如信用評(píng)分決策及其向客戶的自動(dòng)交付、基于醫(yī)學(xué)圖像的癌癥診斷、抑或是無(wú)人駕駛的汽車左轉(zhuǎn)掉頭匯入對(duì)向車流。雖然這個(gè)數(shù)據(jù)到行動(dòng)的過(guò)程與標(biāo)準(zhǔn)的計(jì)算機(jī)程序運(yùn)作并無(wú)差別，但是一套人工智能系統(tǒng)會(huì)不斷地學(xué)習(xí)和改變自己。因此，數(shù)據(jù)是行動(dòng)和自我改善的源泉——就像一個(gè)企業(yè)主管，他根據(jù)事實(shí)做出決定，并利用這些事實(shí)來(lái)完善未來(lái)的決策。

建立從數(shù)據(jù)到行動(dòng)過(guò)程是一項(xiàng)艱苦的工作。企業(yè)無(wú)法在市場(chǎng)上有效地購(gòu)買，而那些試圖逃避這一工作或采取捷徑的公司將會(huì)失望。 BCG與《MIT斯隆管理評(píng)論》聯(lián)合撰寫的文章引用了一位制藥公司經(jīng)理的話，將人工智能供應(yīng)商提供的產(chǎn)品和服務(wù)描述為“非常年幼的孩子”。供應(yīng)商“要求我們給他們提供大量的信息以供他們學(xué)習(xí)，”該經(jīng)理表示沮喪。“為使人工智能服務(wù)成長(zhǎng)到 17歲、 18歲或 21歲所付出的努力，目前看來(lái)似乎并不值得?！?/p>

在可預(yù)見(jiàn)的未來(lái)，大多數(shù)企業(yè)將需要依靠?jī)?nèi)部數(shù)據(jù)科學(xué)家來(lái)查找、收集、整理和創(chuàng)建數(shù)據(jù)源，并開(kāi)發(fā)和訓(xùn)練針對(duì)企業(yè)的人工智能系統(tǒng)。當(dāng)然，企業(yè)可以將整個(gè)流程或活動(dòng)（如人力資源）與所有相關(guān)數(shù)據(jù)一起外包給服務(wù)提供商。但如果將其外包給同時(shí)為多個(gè)客戶提供服務(wù)的供應(yīng)商，企業(yè)本身將喪失獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的機(jī)會(huì)。

人工智能的基礎(chǔ)

幸運(yùn)的是，并非所有的人工智能都必須在企業(yè)內(nèi)部開(kāi)發(fā)。企業(yè)可從市場(chǎng)獲得支持平臺(tái)和技術(shù)，可以租用云端的計(jì)算能力，也可以將其本地部署在配置了特定硬件的場(chǎng)所。這些硬件能夠并行處理許多任務(wù)——這也是人工智能技術(shù)（如深度神經(jīng)網(wǎng)絡(luò)）的基本功能?；陂_(kāi)源代碼，企業(yè)也可以快速開(kāi)發(fā)人工智能數(shù)據(jù)架構(gòu)。大多數(shù)前沿的人工智能算法均已對(duì)外開(kāi)放，頂尖科學(xué)家們將繼續(xù)發(fā)布和開(kāi)源針對(duì)這些算法的進(jìn)一步研究。此外，人工智能平臺(tái)（如谷歌的TensorFlow）已被作為一種服務(wù)向客戶提供。

企業(yè)也可以使用被稱為人工智能模塊的產(chǎn)品。機(jī)器視覺(jué)等模塊比純粹的算法更為實(shí)用，但不能完全獨(dú)立運(yùn)行。人工智能的使用依賴于其中一個(gè)或多個(gè)模塊，而每個(gè)模塊則依賴于算法、應(yīng)用程序界面和可用于訓(xùn)練的數(shù)據(jù)。根據(jù)研究和經(jīng)驗(yàn)，我們挑選出十個(gè)正在快速發(fā)展的模塊（參閱 “人工智能模塊”）。高管們需要了解這些模塊的功能和潛在價(jià)值。今天看來(lái)很難做到的事情，在未來(lái)幾年可能很容易做到。同樣在現(xiàn)在不可能實(shí)現(xiàn)的事，在未來(lái)三到五年內(nèi)也許會(huì)成為可能。

對(duì)于那些想要處于領(lǐng)先地位的公司，市場(chǎng)并不總能提供最好的選擇。在平安保險(xiǎn)打算利用面部識(shí)別技術(shù)時(shí)，他們并不滿意市面上已有產(chǎn)品的性能，因此自己打造了相應(yīng)的產(chǎn)品。由平安內(nèi)部開(kāi)發(fā)的系統(tǒng)比其它商業(yè)解決方案能夠更好地識(shí)別中國(guó)人的臉部輪廓和特征，并且該技術(shù)已在各種應(yīng)用中識(shí)別了3億多張面孔。這項(xiàng)技術(shù)完善了平安包括語(yǔ)音和圖像識(shí)別在內(nèi)的認(rèn)知系統(tǒng)。這家保險(xiǎn)公司的經(jīng)驗(yàn)表明，所有公司都應(yīng)該評(píng)估其通過(guò)使用人工智能模塊來(lái)獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的能力。

人工智能的使用

人工智能在商業(yè)中的廣泛應(yīng)用程度仍然很低：根據(jù)我們和麻省理工學(xué)院的調(diào)查，20家公司中僅有1家已廣泛地使用人工智能。盡管如此，每個(gè)行業(yè)都有在人工智能領(lǐng)域處于領(lǐng)先地位的企業(yè)。即使沒(méi)有一家企業(yè)出色地應(yīng)用人工智能的所有功能，但是很多企業(yè)正在使用人工智能創(chuàng)造巨大的商業(yè)價(jià)值。以下使用案例來(lái)自多個(gè)行業(yè)、涉及各種組織職能和流程，這些案例展示了人工智能的普遍性及其在正確運(yùn)用下的高效性。

營(yíng)銷與銷售

人工智能使企業(yè)有機(jī)會(huì)為客戶提供個(gè)性化的服務(wù)、廣告和互動(dòng)。其中的收益是巨大的。通過(guò)引入高階數(shù)字技術(shù)及運(yùn)用專有數(shù)據(jù)來(lái)創(chuàng)造個(gè)性化體驗(yàn)的品牌可以提高 6%至 10%的收入——是不采用人工智能技術(shù)品牌的兩到三倍。據(jù)BCG估計(jì)，僅在零售、醫(yī)療保健和金融服務(wù)領(lǐng)域，未來(lái)五年內(nèi)將有8000億美元的收入流向排名前15%的個(gè)性化公司。

許多成功的個(gè)性化最佳實(shí)踐已在快速發(fā)展的零售業(yè)中出現(xiàn)。例如，一家全球零售商使用會(huì)員 APP中的數(shù)據(jù)（包括位置、時(shí)間和購(gòu)買頻率），深入了解其客戶的每周日?；顒?dòng)。通過(guò)將數(shù)百萬(wàn)的個(gè)人數(shù)據(jù)點(diǎn)與一般消費(fèi)者趨勢(shì)信息相結(jié)合，該零售商建立了一個(gè)實(shí)時(shí)營(yíng)銷系統(tǒng)，目前每周可為客戶提供 50萬(wàn)個(gè)定制產(chǎn)品。

在一些銷售和營(yíng)銷組織中，人工智能并非體現(xiàn)在流程自動(dòng)化方面，而是提高了組織績(jī)效。例如，一家有多條產(chǎn)品線的保險(xiǎn)公司依靠機(jī)器學(xué)習(xí)對(duì)客戶進(jìn)行細(xì)分，并結(jié)合客戶需求與保險(xiǎn)公司的目標(biāo)，向公司的銷售代理推薦“下一個(gè)最佳產(chǎn)品”。為了實(shí)現(xiàn)這個(gè)目標(biāo)，保險(xiǎn)公司建立了一個(gè)客戶保險(xiǎn)需求模型，覆蓋生命周期不同的階段。該模型依賴于復(fù)雜的算法，其中包含超過(guò) 1000個(gè)靜態(tài)和動(dòng)態(tài)變量，涵蓋人口統(tǒng)計(jì)、政策、代理人任期和銷售歷史數(shù)據(jù)。因此，保險(xiǎn)公司可以將特定保單與具體客群下的個(gè)別客戶相匹配。該系統(tǒng)有望增加 30%的交叉銷售。保險(xiǎn)公司還可以使用機(jī)器學(xué)習(xí)，通過(guò)處理地域、競(jìng)爭(zhēng)和代理人業(yè)績(jī)數(shù)據(jù)來(lái)優(yōu)化銷售。

這類案例展示了人工智能在零售或金融銷售服務(wù)等分散環(huán)境中的有效性，這些環(huán)境下人工智能受益于豐富的情境和具體的客戶數(shù)據(jù)。合理構(gòu)建的試點(diǎn)項(xiàng)目通常能夠在四至六周內(nèi)實(shí)現(xiàn)概念驗(yàn)證，并有助于確定整個(gè)項(xiàng)目全面上線所必要的數(shù)據(jù)架構(gòu)和技能基礎(chǔ)。

研究與開(kāi)發(fā)

與營(yíng)銷和銷售相比，研發(fā)是人工智能應(yīng)用中一個(gè)不太成熟的領(lǐng)域。研發(fā)產(chǎn)生的數(shù)據(jù)比大型連鎖零售要少得多，而且往往不能以數(shù)字化方式獲取這些數(shù)據(jù)。此外，很多研發(fā)問(wèn)題不僅復(fù)雜、技術(shù)性強(qiáng)，還受到嚴(yán)格的科學(xué)約束。即便如此，人工智能在這個(gè)領(lǐng)域仍具有極大的潛力。例如，在以研發(fā)為主要利潤(rùn)驅(qū)動(dòng)因素的生物制藥行業(yè)，人工智能可以幫助降低成本并縮短開(kāi)發(fā)周期。

Citrine Informatics是一個(gè)旨在加速產(chǎn)品開(kāi)發(fā)的人工智能平臺(tái)，展示了應(yīng)對(duì)有限數(shù)據(jù)這一挑戰(zhàn)的方法。大多數(shù)已發(fā)表的研究都偏重于成功的實(shí)驗(yàn)，并考慮資助機(jī)構(gòu)的潛在利益。 Citrine通過(guò)與研究機(jī)構(gòu)建立的大型關(guān)系網(wǎng)絡(luò)收集未發(fā)表的數(shù)據(jù)，從而克服了這一限制。 Citrine的聯(lián)合創(chuàng)始人兼首席科學(xué)家 Bryce Meredig表示：“負(fù)面數(shù)據(jù)幾乎從未公布。但是，負(fù)面結(jié)果的原始數(shù)據(jù)對(duì)建立一個(gè)毫無(wú)偏差的數(shù)據(jù)庫(kù)而言至關(guān)重要。”這種綜合方法使公司能夠?qū)⑻囟☉?yīng)用的研發(fā)時(shí)間縮減一半。

在工業(yè)品領(lǐng)域，領(lǐng)先的制造商通過(guò)人工智能、工程軟件和操作數(shù)據(jù)（如：維修頻率）的結(jié)合，來(lái)優(yōu)化設(shè)計(jì)。人工智能在增材制造（也稱為3D打?。┑脑O(shè)計(jì)開(kāi)發(fā)方面頗有助益，因?yàn)槠渌惴?qū)動(dòng)的流程不受工程慣例約束。

積極的數(shù)據(jù)收集應(yīng)該成為研發(fā)流程中人工智能試點(diǎn)的關(guān)鍵元素。數(shù)據(jù)收集活動(dòng)也許有必要與大學(xué)合作，將過(guò)去的記錄數(shù)字化，甚至重新生成數(shù)據(jù)。由于從事研發(fā)需要專業(yè)的知識(shí)和技能，一鍵式的人工智能解決方案幾乎不存在。相反，科學(xué)家必須依靠系統(tǒng)的試驗(yàn)來(lái)構(gòu)建未來(lái)人工智能應(yīng)用所需的數(shù)據(jù)清單。

運(yùn)營(yíng)

運(yùn)營(yíng)的實(shí)踐和流程與人工智能自然契合。這些實(shí)踐和流程常常擁有類似的操作程序和步驟，產(chǎn)生大量的數(shù)據(jù)和可測(cè)量的輸出信息。許多被某個(gè)單一行業(yè)應(yīng)用人工智能概念也會(huì)在另一行業(yè)中起作用。目前，包括預(yù)測(cè)性維護(hù)和非線性生產(chǎn)優(yōu)化在內(nèi)的被廣泛應(yīng)用的人工智能技術(shù)是基于全面分析生產(chǎn)環(huán)境各項(xiàng)要素，而非按順序或孤立地進(jìn)行分析。

一家煉油廠想要預(yù)測(cè)和避免一個(gè)重要的氣化爐發(fā)生故障停機(jī)（該氣化爐負(fù)責(zé)將精煉過(guò)程中的殘余產(chǎn)物轉(zhuǎn)化為用于發(fā)電的、有價(jià)值的合成氣）。如果該氣化爐意外故障停機(jī)會(huì)導(dǎo)致發(fā)電暫停一個(gè)月，必將造成巨大損失。盡管煉油廠已經(jīng)積累了大量有關(guān)日常運(yùn)作的數(shù)據(jù)，但是并未清楚地了解哪些具體因素會(huì)導(dǎo)致該氣化爐的故障停機(jī)。傳統(tǒng)的工程模型無(wú)法完全描述上千種可能導(dǎo)致故障的變量之間所存在的復(fù)雜的相互依賴關(guān)系。

煉油廠的工程師與數(shù)據(jù)科學(xué)家密切合作，使用人工智能來(lái)確定故障原因。通過(guò)機(jī)器學(xué)習(xí)算法導(dǎo)入六年的運(yùn)行數(shù)據(jù)和維護(hù)信息，人工智能模型成功量化了所有關(guān)鍵因素（包括原料種類、產(chǎn)出質(zhì)量和溫度）對(duì)整體性能的影響，工程師們從而能夠判斷該氣化爐是否可在計(jì)劃維護(hù)的間隔時(shí)段內(nèi)繼續(xù)運(yùn)行。

工程師們根據(jù)機(jī)器學(xué)習(xí)算法產(chǎn)生的洞察，設(shè)計(jì)了一個(gè)基于規(guī)則的透明系統(tǒng)，用于調(diào)整蒸汽和氧氣等變量的關(guān)鍵運(yùn)行設(shè)置，使設(shè)備能夠在計(jì)劃維護(hù)間隔時(shí)段內(nèi)保持運(yùn)行。該系統(tǒng)可以最大限度地減少機(jī)組意外停機(jī)的風(fēng)險(xiǎn)，并減少維護(hù)計(jì)劃的短期變化，從而產(chǎn)生顯著的經(jīng)濟(jì)效益。

預(yù)測(cè)性維護(hù)的解決方案對(duì)于人來(lái)說(shuō)也同樣適用。一家從美國(guó)聯(lián)邦醫(yī)療保險(xiǎn)收取固定費(fèi)用的美國(guó)保險(xiǎn)公司，希望利用人工智能來(lái)減少醫(yī)?；颊卟槐匾目丛\。該保險(xiǎn)公司將病史數(shù)據(jù)（例如藥物不良反應(yīng)）和病例管理記錄提供給機(jī)器學(xué)習(xí)系統(tǒng)。該系統(tǒng)將客戶進(jìn)行智能分類，并為預(yù)防措施提供了實(shí)用的建議。例如現(xiàn)已證實(shí)，近期內(nèi)喪偶的患者將來(lái)需要醫(yī)療干預(yù)和預(yù)防性護(hù)理的幾率會(huì)很高。這些洞察使得支付方能夠重新設(shè)計(jì)保險(xiǎn)項(xiàng)目，從而每年節(jié)省 6.5億美元的潛在支出。

除了維護(hù)之外，一位冶煉廠還利用人工智能和非線性優(yōu)化來(lái)提高銅的純度，這是工程師們多年來(lái)都在嘗試的事情。工程師們與數(shù)據(jù)科學(xué)家團(tuán)隊(duì)合作，將五年的歷史數(shù)據(jù)錄入到一個(gè)神經(jīng)網(wǎng)絡(luò)中。該系統(tǒng)建議改變生產(chǎn)，結(jié)果銅純度提高了 2%，冶煉廠的利潤(rùn)也隨之增長(zhǎng)了兩倍。而這一工作僅耗時(shí)六周，且無(wú)需額外的資金或運(yùn)營(yíng)開(kāi)支。

采購(gòu)和供應(yīng)鏈管理

在采購(gòu)領(lǐng)域，結(jié)構(gòu)化的數(shù)據(jù)和重復(fù)交易屬于常見(jiàn)現(xiàn)象，因此人工智能具有巨大潛力，但在很大程度上還未實(shí)現(xiàn)應(yīng)用。今天的機(jī)器能夠擊敗世界頂級(jí)撲克玩家，還能進(jìn)行證券交易，但是至少在公開(kāi)場(chǎng)合，機(jī)器還未顯示出其在企業(yè)采購(gòu)中智勝供應(yīng)商的能力（企業(yè)可能會(huì)使用支持人工智能的采購(gòu)系統(tǒng)，但不會(huì)告知供應(yīng)商或其他任何人，從而保持其競(jìng)爭(zhēng)優(yōu)勢(shì)）。為人所知的采購(gòu)應(yīng)用人工智能包括聊天機(jī)器人、半自動(dòng)的合同設(shè)計(jì)和審查，以及根據(jù)新聞、天氣、社交媒體和需求分析提出的采購(gòu)建議。人工智能的增強(qiáng)應(yīng)用甚至是自動(dòng)化采購(gòu)現(xiàn)在才開(kāi)始出現(xiàn)。

供應(yīng)鏈管理和物流則截然不同。這些流程可以直接使用歷史數(shù)據(jù)，從而自然成為機(jī)器學(xué)習(xí)應(yīng)用的目標(biāo)。

一家全球化的金屬公司最近建立了一系列機(jī)器學(xué)習(xí)引擎，用于協(xié)助管理其整個(gè)供應(yīng)鏈，并預(yù)測(cè)需求和定價(jià)。該公司將40多個(gè)數(shù)據(jù)庫(kù)、 ERP系統(tǒng)和其它報(bào)表系統(tǒng)集成到一個(gè)數(shù)據(jù)湖中?；谶@些變化，系統(tǒng)現(xiàn)在能夠識(shí)別和預(yù)測(cè)復(fù)雜且難懂的需求模式將如何影響整個(gè)供應(yīng)鏈。例如，美國(guó)玉米一周的收成變化會(huì)對(duì)鋁供應(yīng)鏈產(chǎn)生全球性影響，因?yàn)殇X是一種常見(jiàn)的玉米包裝材料。該公司的這一項(xiàng)目還幫助客戶服務(wù)水平提高了30%至50%。此外，該公司還將在三年內(nèi)實(shí)現(xiàn)2%至4%的利潤(rùn)率增長(zhǎng)，并在兩年內(nèi)減少4至10天的庫(kù)存時(shí)間。

這個(gè)案例突顯出數(shù)據(jù)、數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)集成對(duì)于實(shí)現(xiàn)人工智能的重要性。相對(duì)于構(gòu)造機(jī)器學(xué)習(xí)模型而言，收集數(shù)據(jù)和構(gòu)建數(shù)據(jù)基礎(chǔ)結(jié)構(gòu)需要花費(fèi)更多的時(shí)間。

后臺(tái)職能

企業(yè)通常會(huì)外包部分后臺(tái)職能，這一現(xiàn)象在各個(gè)機(jī)構(gòu)中都很相似。如今企業(yè)很快就可以為這些流程購(gòu)買人工智能解決方案。 IBM、埃森哲和印度四大巨頭（HCL、Infosys、 Wipro、 Tata）等外包巨頭正在進(jìn)行大規(guī)模的人工智能開(kāi)發(fā)。這些公司將重點(diǎn)從強(qiáng)調(diào)降低勞動(dòng)力成本和規(guī)模轉(zhuǎn)向建設(shè)智能和自動(dòng)化平臺(tái)，以提供更高附加值的服務(wù)。

許多服務(wù)機(jī)構(gòu)開(kāi)始認(rèn)識(shí)到人工智能與機(jī)器人流程自動(dòng)化（RPA）相結(jié)合的好處。他們使用基于規(guī)則運(yùn)行的軟件機(jī)器人來(lái)代替人類常規(guī)工作，然后通過(guò)人工智能增強(qiáng)靈活性、智能性和學(xué)習(xí)能力。這種方法結(jié)合了機(jī)器人流程自動(dòng)化的成本迅速回收和人工智能的高階潛能。

為了取代人類工作，一家亞洲銀行安裝了能夠即時(shí)學(xué)習(xí)的機(jī)器人流程自動(dòng)化和人工智能系統(tǒng)。這些系統(tǒng)只將不確定該如何處理的工作轉(zhuǎn)給人工進(jìn)行處理，這使得該銀行能夠降低20%的成本，并將用于某些流程的時(shí)間從幾天縮短到幾分鐘。

人工智能在產(chǎn)品和服務(wù)中的應(yīng)用

與之前大多數(shù)案例不同，涉及提供高階產(chǎn)品和服務(wù)的人工智能應(yīng)用程序（如數(shù)字私人助理、自動(dòng)駕駛車輛和智能投顧）往往受到很多關(guān)注。提供人工智能服務(wù)的公司急切地向公眾展示這些高階產(chǎn)品和服務(wù)的優(yōu)越性能和特性。

由于與他們的產(chǎn)品和服務(wù)乃至于整個(gè)商業(yè)模式利害攸關(guān)，這些公司必須建立強(qiáng)大的內(nèi)部人工智能團(tuán)隊(duì)。這解釋了技術(shù)廠商、車輛制造商和供應(yīng)商之間針對(duì)人工智能人才的激烈競(jìng)爭(zhēng)。例如在汽車行業(yè)，博世將在未來(lái)五年投資3億歐元在德國(guó)、印度和美國(guó)建立人工智能設(shè)施。其首席執(zhí)行官Volkmar Denner表示：“從現(xiàn)在起的十年間，博世的任何一款產(chǎn)品都會(huì)包含人工智能。要么產(chǎn)品本身就是智能的，要么人工智能在開(kāi)發(fā)或生產(chǎn)環(huán)節(jié)中起到關(guān)鍵作用?！?/p>

與此同時(shí)，自動(dòng)化也創(chuàng)造了新的商業(yè)模式。例如，保險(xiǎn)公司和制造商將能夠通過(guò)人工智能更準(zhǔn)確地預(yù)測(cè)風(fēng)險(xiǎn)，從而允許它們根據(jù)使用情況、維護(hù)保養(yǎng)或磨損來(lái)定價(jià)（有關(guān)在整個(gè)行業(yè)價(jià)值鏈中使用人工智能的調(diào)查，參閱 “真正的保險(xiǎn)”）。

公司之外：行業(yè)價(jià)值池如何轉(zhuǎn)變

整體而言，應(yīng)用案例和潛在場(chǎng)景會(huì)影響整個(gè)行業(yè)結(jié)構(gòu)。例如，自動(dòng)駕駛車輛不僅會(huì)影響車輛制造商，還會(huì)影響城市里的司機(jī)、車主和交通模式。波士頓市已經(jīng)確認(rèn)，自動(dòng)駕駛車輛可以減少在途車輛的數(shù)量，并減少30%的平均行駛時(shí)間。停車需求將下降一半，排放量將下降三分之二。

醫(yī)療保健也是一個(gè)鮮明的例子。該行業(yè)有幾個(gè)組成部分，包括醫(yī)療技術(shù)、生物制藥、支付方和提供方，每個(gè)組成部分之間有著不同且相沖突的利益關(guān)系。該行業(yè)價(jià)值鏈各環(huán)節(jié)擁有豐富的人工智能實(shí)驗(yàn)場(chǎng)景，特別是在研發(fā)、診斷、保健服務(wù)、健康管理、患者行為矯正和疾病預(yù)防等領(lǐng)域。

圖2展示了一個(gè)潛在場(chǎng)景，說(shuō)明隨著人工智能的應(yīng)用，整個(gè)醫(yī)療保健價(jià)值池可能會(huì)發(fā)生怎樣的變化。當(dāng)然，行業(yè)內(nèi)的各個(gè)參與者的價(jià)值變化點(diǎn)會(huì)有所不同，每個(gè)行業(yè)都有贏家和輸家。最初，大多數(shù)公司都會(huì)從將人工智能融入到公司內(nèi)部運(yùn)營(yíng)（圖2中標(biāo)記為1的箭頭）中獲益。生物制藥公司和支付方可以從研發(fā)效率提升、個(gè)性化營(yíng)銷和精簡(jiǎn)的后臺(tái)職能中獲得最大收益。

在接下來(lái)的五年里，我們預(yù)計(jì)人工智能在診斷疾病方面會(huì)有很大的推動(dòng)力。在診斷某些特定種類的癌癥時(shí)，視覺(jué)人工智能代理已經(jīng)超越了業(yè)界領(lǐng)先的放射科醫(yī)師。而且許多初創(chuàng)公司和科技巨頭正在研究如何使用人工智能更早地檢測(cè)癌癥，并提供更準(zhǔn)確的診斷。在基礎(chǔ)醫(yī)療場(chǎng)景中，人工智能可以提升或替代一些醫(yī)生的操作。與此同時(shí)，遠(yuǎn)程診斷可以在特定條件下消除或大幅減少患者到醫(yī)院就診的次數(shù)。這些變化可能對(duì)醫(yī)療科技公司（箭頭2）而言是有利的，同時(shí)可能損害生物制藥公司（箭頭3）和一些供應(yīng)商（箭頭4）。但更好的是，早期的診斷和預(yù)防措施可以減少對(duì)治療的需求。

憑借固有的績(jī)效指標(biāo)，人工智能可能會(huì)加速醫(yī)療保健行業(yè)向著以價(jià)值為基礎(chǔ)的趨勢(shì)發(fā)展——為結(jié)果而不是數(shù)量買單。在這種趨勢(shì)下，支付方可以節(jié)約成本，并為供應(yīng)商和生物制藥公司設(shè)置新的支付標(biāo)準(zhǔn)（箭頭5），因此消費(fèi)者可從中受益。最后，大多數(shù)公司會(huì)從技術(shù)廠商處（箭頭標(biāo)記6）至少購(gòu)買部分人工智能解決方案，這些技術(shù)廠商包括一些進(jìn)入醫(yī)療領(lǐng)域的傳統(tǒng)科技企業(yè)。

在醫(yī)療保健需求不斷增長(zhǎng)的背景下，這類可能場(chǎng)景的出現(xiàn)會(huì)提升人類健康水平，但生物制藥公司會(huì)倍感壓力?；蛘?，生物制藥公司可能在診斷方面采取更大膽的舉措，個(gè)性化藥物可能會(huì)普及并開(kāi)辟新的利潤(rùn)池。此外，付費(fèi)方可以開(kāi)發(fā)自有的遠(yuǎn)程診斷技術(shù)，而供應(yīng)商也開(kāi)始將人工智能納入他們給患者的治療方案中。無(wú)論如何，醫(yī)療科技公司和技術(shù)廠商都將獲利。

利用人工智能的取勝之道

由于人工智能的發(fā)展存在諸多不確定因素，對(duì)大多數(shù)公司而言，最明智的做法是根據(jù)當(dāng)前趨勢(shì)制定一系列短期行動(dòng)，并通過(guò)構(gòu)建能力和數(shù)據(jù)基礎(chǔ)設(shè)施為將來(lái)的機(jī)遇做好準(zhǔn)備。通常的方法與我們?cè)跀?shù)字化戰(zhàn)略中所倡導(dǎo)的有些類似，但是人工智能會(huì)呈現(xiàn)出一些重要的細(xì)微差別。

如何開(kāi)始

高管們應(yīng)該把他們的人工智能之旅分成三個(gè)步驟：構(gòu)思和測(cè)試；試點(diǎn)排序和啟動(dòng)；以及規(guī)?；瘧?yīng)用（圖 3）。

·構(gòu)思和測(cè)試。在這個(gè)階段，公司應(yīng)該依賴于四個(gè)視角：客戶需求、技術(shù)進(jìn)步（特別是涉及人工智能模塊的技術(shù)）、數(shù)據(jù)源和流程分解（或系統(tǒng)化分解），以確定最有前途的應(yīng)用案例。

客戶需求對(duì)發(fā)現(xiàn)有價(jià)值的人工智能應(yīng)用起到了至關(guān)重要的指導(dǎo)性作用。客戶可能來(lái)自外部，也可能是內(nèi)部后臺(tái)部門。深入了解人工智能模塊的開(kāi)發(fā)對(duì)于系統(tǒng)地整合先進(jìn)技術(shù)而言至關(guān)重要。豐富的數(shù)據(jù)池，尤其是新的數(shù)據(jù)池，提供了另一個(gè)重要的視角，因?yàn)槿斯ぶ悄苄枰蕾囁鼈?。最后，通過(guò)將流程分解成相對(duì)常規(guī)和獨(dú)立的元素，公司可能會(huì)發(fā)現(xiàn)人工智能可以自動(dòng)化的領(lǐng)域。除了客戶需求之外，其他視角與公司必須用來(lái)識(shí)別數(shù)字化機(jī)會(huì)的視角都不盡相同。

對(duì)于缺乏人工智能經(jīng)驗(yàn)的公司，我們強(qiáng)烈建議其實(shí)施一個(gè)并行的附加測(cè)試。這個(gè)測(cè)試階段要基于一個(gè)能傳遞價(jià)值，能被合理定義且復(fù)雜度適中的應(yīng)用案例。這個(gè)測(cè)試將幫助組織熟悉人工智能，突顯數(shù)據(jù)或數(shù)據(jù)集成的需求以及組織和能力上的瓶頸，這是對(duì)進(jìn)行下一步的關(guān)鍵輸入。

·試點(diǎn)排序和啟動(dòng)。高管們應(yīng)該根據(jù)每個(gè)試點(diǎn)的潛在價(jià)值和交付速度進(jìn)行優(yōu)先級(jí)排序。上一步中的測(cè)試結(jié)果將為這個(gè)環(huán)節(jié)中潛在試點(diǎn)的時(shí)間需求和復(fù)雜性提供洞察。

一旦機(jī)構(gòu)選定了一組最終的試點(diǎn)，就應(yīng)該像在敏捷軟件開(kāi)發(fā)中一樣，將其作為測(cè)試和學(xué)習(xí)的沖刺階段運(yùn)行。由于大多數(shù)試點(diǎn)仍然需要處理雜亂的數(shù)據(jù)集成和數(shù)據(jù)處理，這些試點(diǎn)將并不完美。但是，它們將有助于正確地區(qū)分優(yōu)先級(jí)，定義數(shù)據(jù)集成計(jì)劃的范圍，并確定全面運(yùn)營(yíng)人工智能過(guò)程所需的能力和規(guī)模。每個(gè)沖刺階段都應(yīng)同時(shí)交付具體的客戶價(jià)值，并定義所需的基礎(chǔ)設(shè)施和集成架構(gòu)。

·規(guī)模化應(yīng)用。最后階段包括將試點(diǎn)擴(kuò)展為可靠的運(yùn)行流程和產(chǎn)品，并構(gòu)建能力、流程、組織、網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)基礎(chǔ)設(shè)施。盡管這一步可能會(huì)持續(xù)12 至18 個(gè)月，但進(jìn)行中的敏捷沖刺應(yīng)該能將價(jià)值最大化，并最小化重大的意外流程修正出現(xiàn)的可能性。

在執(zhí)行這一運(yùn)營(yíng)項(xiàng)目的同時(shí)，高管們也應(yīng)實(shí)施一系列活動(dòng)，讓自己及其組織做好準(zhǔn)備，發(fā)揮人工智能的作用。

·理解人工智能。高管們需要了解人工智能的基本知識(shí)，并對(duì)可能發(fā)生的事情有一個(gè)直觀的理解。他們不應(yīng)只是簡(jiǎn)單地在媒體上閱讀各種新的科技奇跡，而應(yīng)開(kāi)始嘗試用 Tensorflow Playground（Google推出的機(jī)器學(xué)習(xí)開(kāi)源平臺(tái)）做一些實(shí)驗(yàn)，或者進(jìn)修一些有啟發(fā)性和廣泛普及的在線課程。它們的核心算法很簡(jiǎn)單，除了那些神秘的術(shù)語(yǔ)外，這個(gè)領(lǐng)域極易理解。因此，高管們應(yīng)該能夠?qū)@個(gè)課題有一個(gè)功能性的理解。

·執(zhí)行人工智能健康檢查。高管們應(yīng)該對(duì)他們?cè)诩夹g(shù)基礎(chǔ)設(shè)施、組織技能、設(shè)置和靈活性方面的起始條件有一個(gè)清楚的認(rèn)知。此外，他們應(yīng)該了解訪問(wèn)內(nèi)外部數(shù)據(jù)的難易程度。

·增加員工視角。人工智能可能會(huì)對(duì)員工產(chǎn)生威脅。盡管員工對(duì)即將失業(yè)的擔(dān)憂往往比實(shí)際情況夸張，但引入人工智能確實(shí)會(huì)產(chǎn)生情緒壓力，并且需要進(jìn)行大規(guī)模的再培訓(xùn)。試想如下場(chǎng)景：一個(gè)工廠的員工和一個(gè)機(jī)器人一起工作，一個(gè)采購(gòu)經(jīng)理從一個(gè)應(yīng)用程序接收輸入信息，或者一個(gè)呼叫中心坐席從一個(gè)聊天機(jī)器人那里接手聊天的情景。工作場(chǎng)所的溝通、教育和培訓(xùn)需要在試點(diǎn)設(shè)計(jì)的初始階段就被考慮到。

從長(zhǎng)計(jì)議

人工智能的未來(lái)，包括其以激進(jìn)方式改變價(jià)值創(chuàng)造的潛力，仍然有著高度的不確定性。應(yīng)對(duì)這種不確定性的最佳方式是繪制并測(cè)試幾個(gè)場(chǎng)景，并制定一個(gè)路線圖將各項(xiàng)獨(dú)立的方案結(jié)合在一起。這些努力將使各公司能夠明智地修改其原有計(jì)劃，并明確該計(jì)劃對(duì)數(shù)據(jù)、技能、組織和未來(lái)工作的意義：

·數(shù)據(jù)。人工智能的突破很大程度上取決于獲得新的、獨(dú)特的或豐富的數(shù)據(jù)資源。幸運(yùn)的是，至少在某些領(lǐng)域，機(jī)器學(xué)習(xí)模型可以基于初始數(shù)據(jù)開(kāi)始工作，并在有新的數(shù)據(jù)加入時(shí)進(jìn)行改進(jìn)。但是，由于現(xiàn)有數(shù)據(jù)量每?jī)赡攴环?，基于過(guò)去的數(shù)據(jù)所獲得的競(jìng)爭(zhēng)優(yōu)勢(shì)極易消逝，因此獲取未來(lái)數(shù)據(jù)至關(guān)重要。

我們與麻省理工學(xué)院的聯(lián)合研究項(xiàng)目表明，對(duì)于跨行業(yè)以及行業(yè)內(nèi)的管理者而言，數(shù)據(jù)所有權(quán)是一個(gè)棘手的問(wèn)題。例如，調(diào)查受訪者對(duì)公司專有數(shù)據(jù)、公共和公司所有數(shù)據(jù)以及公共數(shù)據(jù)這三類數(shù)據(jù)中，究竟哪一類在行業(yè)中應(yīng)用最為普遍的問(wèn)題存在分歧。重要的是，排他性數(shù)據(jù)的數(shù)量往往決定了競(jìng)爭(zhēng)優(yōu)勢(shì)，這要求高管們更深入地理解行業(yè)和公司內(nèi)部數(shù)據(jù)源的價(jià)值和可用性。

· 技能。我們與麻省理工學(xué)院的研究表明，只有一小部分公司了解未來(lái)人工智能所需的知識(shí)和技能。而擁有高階人工智能技術(shù)的公司往往很難聘請(qǐng)和留住那些精通人工智能的數(shù)據(jù)科學(xué)家。隨著大學(xué)和在線教育提供更多的人工智能相關(guān)課程，這種迫切的需求將逐漸減少。長(zhǎng)期而言，更有價(jià)值的技能可能是對(duì)數(shù)據(jù)科學(xué)家和業(yè)務(wù)高管團(tuán)隊(duì)的管理能力，以及將人工智能的洞察和能力與已有流程、產(chǎn)品和服務(wù)相整合的能力。

·組織。根據(jù)我們與麻省理工學(xué)院的研究，企業(yè)對(duì)于究竟是集中式、分散式還是混合式的組織模式最有利于發(fā)展人工智能存在分歧。更關(guān)鍵的問(wèn)題是，隨著組織中人員和機(jī)器越來(lái)越緊密的合作，在具備人工智能和業(yè)務(wù)專長(zhǎng)的員工中需要實(shí)現(xiàn)組織內(nèi)靈活性及跨職能的團(tuán)隊(duì)合作。

我們?cè)絹?lái)越清晰地了解到，除了整體的組織設(shè)計(jì)，人工智能技術(shù)在行動(dòng)分散、學(xué)習(xí)集中的結(jié)構(gòu)中可以得到最好的應(yīng)用。對(duì)于無(wú)論是自動(dòng)駕駛車輛、實(shí)時(shí)市場(chǎng)營(yíng)銷、預(yù)測(cè)維護(hù)，還是公司的后臺(tái)職能都是如此。通過(guò)一個(gè)中心收集和處理所有來(lái)自分散機(jī)構(gòu)的數(shù)據(jù)，從而使得學(xué)習(xí)集合最大化，然后在中心對(duì)匯總數(shù)據(jù)池進(jìn)行集中學(xué)習(xí)后，向分散機(jī)構(gòu)部署新模型并調(diào)試。

·未來(lái)的工作。人工智能無(wú)疑會(huì)影響未來(lái)工作的結(jié)構(gòu)。盡管擔(dān)心人工智能將導(dǎo)致大規(guī)模的失業(yè)，但是我們與麻省理工學(xué)院的研究表明，在可預(yù)見(jiàn)的未來(lái)，會(huì)產(chǎn)生的影響其實(shí)十分有限。大多數(shù)受訪者并不認(rèn)為人工智能將在未來(lái)五年內(nèi)導(dǎo)致公司裁員。超過(guò)三分之二的受訪者并不擔(dān)心人工智能通過(guò)自動(dòng)化取代他們的工作。他們希望人工智能能夠接管他們目前所從事的不愉快的任務(wù)。與此同時(shí)，幾乎所有的受訪者都承認(rèn)，人工智能將要求員工學(xué)習(xí)新的技能，就像汽車修理師不得不擴(kuò)充技能一樣。不同之處在于，他們沒(méi)有幾十年的適應(yīng)時(shí)間，所以他們可能需要利用新的教育產(chǎn)品和人工智能本身加快再培訓(xùn)的過(guò)程。組織需要靈活性，員工和高管也是如此。針對(duì)長(zhǎng)遠(yuǎn)成功的最佳準(zhǔn)備是建立變革的能力。

人工智能將從根本上改變商業(yè)。您成功的最好機(jī)會(huì)就是不要理會(huì)炒作，做必要的工作。相關(guān)行動(dòng)必不可少且無(wú)可替代。