AI准备好了，那你的企业呢？要用好AI先收下麦肯锡的这10条建议

本篇文章5224字，读完约13分钟

我不这么认为！；我想是的！这只是对人工智能的两种态度。有人认为现在谈论人工智能的商业化还为时过早，但也有人认为人工智能在企业的许多商业场景中发挥了至关重要的作用。无论如何，作为一个已经引爆了朋友圈的热门话题，它的曝光率日益增加，许多企业已经迫不及待地想在人工智能上有所作为，甚至先下手为强。不仅大大小小的科技公司已经开始给自己贴上人工智能的标签，而且许多企业也开始尝试使用人工智能技术来不断优化他们的运营。就在两个月前，可口可乐公司向外界宣布，它将应用人工智能推出一款与可口可乐自动售货机相结合的智能应用。通过这个应用，消费者可以直接在网上订购，然后从自动售货机购买商品。即使在任何地方，包括其他国家，你也可以给你的家人或朋友买饮料。同时，通过自动售货机和云之间的连接，可口可乐还可以实现对机器的远程控制，如调整自动售货机销售产品的价格，在特定地点引入折扣和促销等。同时，通过这样的渠道，可口可乐还可以向消费者发送个性化信息，并提供互动聊天平台。这种方式不仅给消费者带来了便利，也使可口可乐能够更好地收集消费者相关数据，了解消费者行为，相应地调整其产品和服务，提高公司的管理和运营水平。举例说明人工智能在工业场景中的应用。这只是人工智能的一个非常小的商业案例。关于人工智能的商业化，麦肯锡全球研究所调查了14个行业和10个国家的3073名高管，分析了160个案例，最终发布了《人工智能:下一个数字前沿？其中，报告详细描述了五个应用案例，并举例说明了零售、电力和医疗行业的应用:1 .零售:连接消费者、改善购物体验、图像识别、机器学习和自然语言处理等。技术的发展使智能服务机器人能够轻松地与顾客打招呼和交流，预测订单并提供指导；通过机器学习，可以根据消费者的个人数据进行个性化推广；当顾客在店内浏览商品时，店内的信标也可以通过手机向他们发送优惠信息。基于深度学习的计算机视觉技术，他们可以识别购物者包装的商品；人工智能结合传感器获得的数据，使自动结账和付款成为可能。采用深度学习技术的无人机快递完成了零售商业链最后一英里的配送，可以避开障碍，应对收货人的缺席。具有计算机视觉和深度学习功能的交互式屏幕和桌面可以识别商品并推荐适合消费者的相关产品。自动购物车将跟随商店中的顾客，并将商品送到顾客的登机点。或者使用机器人和无人机送货上门，并使用机器学习。商店开门营业，根据竞争对手的价格、天气情况、库存等数据信息，实时调整和优化商品价格，实现收入最大化。人工智能强化的机器人可以持续跟踪仓储信息、识别空货架和补充货物。同时，其他机器人也可以包装在仓库里。2.电力:更少的发电站，更智能的电网可以通过传感器和机器学习系统实时调整风力条件，最大限度地提高发电效率。机器学习可以预测电力供需峰值，从而最大限度地将间歇性可再生能源智能电线与机器学习相结合，实现实时电力调度，提高电网负荷。无人驾驶飞行器和小型机器人可以，用于检测和预测设备故障的机器可以代替人工自动记录数据和检查设备状态，从而减少对技术人员的需求，使他们能够花更多的时间解决其他问题。在设备检修过程中，现场工作人员仍然可以实时接收运行数据，以减少响应时间和中断的影响。虚拟助理可以根据商业历史对消费者进行分类，并通过机器学习提供坏账预警服务。智能仪器可以根据使用情况和天气等因素自动调整用电数据。3.医疗:更快的诊断，更好的治疗机器学习程序可以通过可穿戴设备远程分析病人的健康状况，将数据与他们的病历进行比较，提供健康建议并警告疾病风险。利用机器学习和其他相关的人工智能技术，该设备可以进行独立诊断并帮助患者进行简单的体征指标检查，无需人工辅助。从而减轻医生和护士的工作压力。根据历史医疗数据和患者记录，基于人工智能的诊断工具可以更准确地诊断疾病。人工智能算法可以根据医疗和环境因素预测患者的行为和患病概率，从而优化医院运营、调度计划和库存管理。通过人工智能，可以分析患者的病史和环境因素，从而确定有疾病风险的对象。并指导他们进行预防性保健。交互式信息亭形式的虚拟助手可以帮助患者登记并将其转交给适当的医生进行诊断，缩短患者的等待时间，并改善医疗体验。通过机器学习工具，可以针对特定患者的需求设计个性化的治疗方案，从而提高治疗效率和改善治疗效果。根据人工智能对公众的健康分析结果，可以鼓励护理人员更好地管理患者的健康，帮助患者降低住院费用和治疗费用。4.制造业:更聪明、更灵活。对于工程和R&D人员来说，人工智能工具的使用意味着更快的周转时间和更少的迭代，并且效率大大提高。获取全球供应商信息，降低采购过程中的成本，更好地管理供应链。收入最大化。项目经理可以使用基于人工智能的高级分析，从而提高评审过程的有效性。人工智能可以帮助企业重新审视生产流程和生产线，有针对性地进行优化和调整，从而降低成本，减少资源浪费，加快企业上市。制造商可以利用人工智能技术为客户提供更好的售后服务。工人和工厂生产线必须更好地合作。从而挖掘人工智能的全部潜力，实现其价值。5.教育:不断优化教学形式和效果，解决教育资源分配不均的问题，帮助政府机构根据市场需求不断优化教育体系，提高人才与市场的匹配度，为学生提供更有针对性的教学计划，提高学习效果，帮助学校通过适应性学习体系不断改善课程结构，提高毕业生就业率。在适当的时间以最佳的方式向每个学生提供适当的内容，创造个性化的教学自然语言、计算机视觉和深度学习可以帮助教师回答学生的标准问题或充当教学助手，使教师可以将更多的时间花在更有价值的教学环节上。简而言之，人工智能或多或少已经在工业中得到应用。在麦肯锡的报告中，根据调查，总结了目前不同行业人工智能的应用比例和未来的应用趋势，如下图所示:人工智能应用程度最高、增加投资意愿最强的企业也可以看到，采用人工智能策略的企业的利润率有了显著提高。正因为如此，越来越多的首席执行官开始关注人工智能技术的影响，并亲自领导相关项目的开发。根据ibm商业价值研究所今年6月发布的一项调查，73%的受访首席执行官认为人工智能将在企业的未来发挥重要作用，50%的首席执行官计划在2019年前采用相关技术。企业应用人工智能技术的十大考虑。当然，没有采用人工智能技术的企业不必感到焦虑和恐慌。如何规划企业的未来战略，如何更好地利用这些技术，以及如何在应用过程中推广这些技术，已经成为企业目前面临的问题。根据麦肯锡的报告，我们总结了应用人工智能技术过程中的10个关键思考点。1.不要听所有的炒作:事实上，不是每个企业都已经在使用人工智能。尽管人们对人工智能的投资正在升温，但企业对人工智能技术的采用仍然滞后。尽管2016年人工智能的总投资(内部和外部)达到260亿至390亿美元，但外部投资是2013年的三倍。然而，人工智能的应用仍处于初级阶段，只有20%的麦肯锡受访者在一个或多个业务或核心业务中大规模使用人工智能技术。(调查涵盖了五类人工智能技术系统:机器人和自动车辆、计算机视觉、语言、虚拟代理和机器学习。)尽管人工智能投资在高速增长，但2017年的应用率仍然很低，只有20%的受访者表示人工智能技术已经在使用，41%的企业表示他们仍然不确定使用人工智能能带来什么好处。目前，对于那些仍在试验或尝试人工智能的公司(41%)，调查结果显示，要爬上学习曲线并与人工智能竞争需要一些时间。然而，我们可能正处于采用人工智能技术的重要转折点。人工智能技术，如机器学习和基于神经网络的自然语言处理，已经逐渐成熟并变得越来越有价值，并迅速成为所有人工智能技术用户采用的核心技术。麦肯锡预计，至少一些目前的人工智能试用用户将在短时间内与人工智能完全融合。尽管应用进展不同，但人工智能技术已经在各个部门和领域稳步推广。调查结果显示，未来三年，电信、金融等服务行业的人工智能技术年度支出计划增长15%以上，比跨行业支出平均水平高出7个百分点。2.相信人工智能可以提高公司的收入和利润。根据麦肯锡的调查，30%的人工智能早期采用者(即大规模使用人工智能或在其核心业务中采用人工智能的公司)表示，他们已经实现了收入增长，通过使用人工智能获得了更高的市场份额，或者提高了产品和服务能力。此外，在人工智能的早期采用者中，那些期望他们公司的利润率比同行高出5%的人比其他人高出3.5倍。有证据表明，人工智能已经能够直接提高企业利润，使人工智能投资的投资回报(roi)与大数据和高级分析等相关数字技术的投资回报相同。3.没有领导的支持，你的人工智能改造计划可能会失败。成功的人工智能采纳者通常会得到领导者对新技术的最强有力的支持。根据调查反馈，大规模成功部署人工智能技术的受访者对公司管理层的支持率几乎是没有采用任何人工智能技术支持的受访者的两倍。此外，除了首席执行官和it部门负责人的大力支持，他们还获得了所有管理人员和董事会的支持。4.不要独立研究人工智能。你还需要你的伴侣的天赋和能力。经过几十年的寒冬，人工智能领域直到最近才开始加快创新的步伐，拥有专业技能和能力的人才稀缺。就连亚马逊(Amazon)和谷歌(Google)等大型本土数字公司也开始通过外部市场向企业和人才求助，以提高自己的人工智能技能。例如，谷歌收购deepmind正是因为deepmind可以利用其机器学习能力来帮助谷歌改善其核心业务，如搜索优化。此外，调查显示，人工智能的早期用户主要是通过购买外部适用的技术解决方案实现的，只有少数受访者是完全由公司内部人才开发和实施的。5.避免让技术团队独立执行人工智能项目和计划。在信息技术、数字或创新领域任命不同的部门负责人，并划分人工智能的管理职责，这可能会导致用锤子敲钉子。为确保企业能够专注于最有价值的案例，人工智能项目应由业务和技术部门负责人共同评估和领导。6.采用投资组合加速公司的人工智能进程。如今，人工智能工具已被广泛用于解决特定的业务问题，如预测性维护等。组织在集成人工智能技术时可以考虑采用基于组合的方法，并从以下三个时间维度进行思考:短期:关注现有成熟技术解决方案的用例，并将它们扩展到整个组织。中期:对当前新兴但相对不成熟的技术(如深度学习和视频识别技术)进行实验。在推广之前证明其在核心业务中的价值。长期:与学术界或第三方研究机构合作，使用尖端的人工智能技术来解决影响深远的使用场景(例如，提高关键知识工作者角色的人类决策能力)。7.机器学习是一个强大的工具，但它并不适用于所有的事情。机器学习及其最突出的子领域深度学习吸引了众多媒体的关注，并获得了占2016年全部外部投资近60%的融资。即便如此，机器学习只是众多能够解决企业问题的人工智能技术之一。没有放之四海而皆准的人工智能解决方案。例如，用于提高客户服务中心效率的人工智能技术可能与用于识别信用卡欺诈风险的技术有很大不同。因此，在企业数字化和人工智能技术应用过程的特定阶段，找到合适的工具来解决每一个增值业务问题是非常重要的。不同的人工智能技术之间有交集。8.数字能力应该优先于人工智能。调查发现，人工智能应用的主导产业，如高科技、电信和汽车，也是数字化程度最高的产业。同样，早期应用人工智能技术的所有企业都投资了数字化能力，包括云基础设施和大数据。事实上，对于没有数字转型经验的企业来说，很难轻易进入人工智能领域。通过一系列的统计分析，我们发现在数字化方面经验丰富的企业在整合人工智能技术时比其他企业盈利的可能性高50%。数字化程度较高的行业和价值链更快地采用了人工智能技术。这些企业有六个特点:数字化成熟、业务规模较大、核心业务人工智能、采用多种技术、注重企业成长而非积累资金、企业最高层次对人工智能的支持。在一项关于数字颠覆的独立研究中，我们发现，要逆转数字颠覆的诅咒，最重要的因素是采取更激进的数字战略。采用这种战略的企业将从根本上调整其业务组合，开发新的业务模式，以构建比数字化之前更强大的增长路径。到目前为止，这个因素似乎也适用于早期人工智能:在早期人工智能用户中，采取积极激进策略的企业比其他企业有更好的盈利前景。人工智能转换和数字转换所需的类似条件和要素。人员和流程是最大的挑战。在大多数情况下，对于管理层来说，将人工智能纳入企业流程和决策过程的挑战远远超过实施人工智能的技术挑战。作为领导者，有必要决定哪些任务由机器处理，哪些任务由人类完成。无论是新任务还是传统任务，实施一个能让员工不断学习的计划都是非常重要的。随着人工智能技术与先进的可视化技术、协作和设计思维的不断融合，未来企业需要将其主要关注点从过程效率转向决策管理的有效性，这将进一步要求领导者营造一种持续改进和学习的文化氛围。毫无疑问，人工智能是下一个数字前沿。虽然一些公司还没有从以前的数字颠覆中恢复过来，但新的数字颠覆正在形成。然而，目前我们仍然[在处理这个方向时发生了一个错误]