酷应用

商业帝国如何依靠AI出奇制胜？听3000名商界领袖怎么说

百家作者：硅谷洞察 2017-09-26 01:54:54

围绕AI的百家争鸣发展到今天，世界各地的商界领袖都已经无法无视他发出的轰鸣。近期，对于AI技术的投资正在不断增长，而且其中一大部分都来自科技领域之外的组织。而关于AI技术的成功故事也越来越多样。从亚马逊利用以AI驱动的仓库机器人Kiva极大提高了工作效率，到GE利用AI技术管理工业设备进行预见性维护，都令人对于AI的潜能有着无限畅想。

当CEO们都开始思考AI技术的商业潜力时，人们也意识到，因为这项技术在商业环境中的不成熟，我们还并不太清楚应该如何通过其获利。基于一个研究了10个国家14个行业的3073名CEO与160个个案的调查，以及一个单独的数字研究项目，我们发现了CEO们需要知道的10条商业领域成功使用AI技术的指南。

1.不要太相信热潮：并不是所有商业领域都在使用AI。。。吗？

在AI投资逐渐火热的今天，大企业对AI技术的使用仍然相对滞后。AI技术的总体投资量已经在2016年达到了260亿到390亿美金的范围内，而外部投资的资产已经达到了2013年的3倍。然而，即使如今的投资已经达到了这样的数字，AI技术的商业应用仍处于婴儿期。在所有的研究对象中，只有20%的公司大量或是在其核心领域使用了一种或更多的AI技术。只有10%使用了三种或以上的AI技术。（我们在结果中通过加权来反映不同体量的公司的经济影响。同时，我们的研究主要集中于5种AI技术：机器人，自动交通工具，计算机视觉与语言处理，虚拟主体和机器学习。）

当下，我们的研究结果表明现在的公司仍有足够的时间学习AI技术来与行业对手进行比拼。这对于那些仍然在试验阶段的公司（41%）来说是个好消息。

然而，我们有可能已经处在了AI技术应用的一个拐点。AI技术，例如基于神经网络的机器学习和自然语言处理技术，正在逐步成熟，并体现出其巨大的商业价值。我们估计至少有一半正在试验AI技术的公司将要最大可能的将这项技术融合于他们的商业实践中。最终，AI技术的使用将会不断扩散到不同的领域与部门。电信行业和金融服务首当其冲，身处这两个行业的受访者都计划在今后三年内每年增长不低于15%的投入预算（比整体产业预算高了7个百分点。）

2. 相信AI有潜力迅速提高你的收益。

所有早期AI技术使用者中有30%表明他们已经获得了收益的增长，获得了更多的市场份额或是提升了他们的产品质量和扩大了服务范围。同时，相比其他受访者，这些早期使用者更笃定地认为他们可以比行业竞争对手多提高5个点的利润率。也有人质疑他们利润率的提高与AI技术的使用是因果还是相关关系。在另一份研究分析中，研究人员认为已经有证据表明，AI已经直接提高了利润，而AI投资的投资回报率和相关的数字技术（大数据，进阶分析法）处于同一水准。

3.如果没有管理层的支持，公司的AI转变将不能成功。

成功的AI使用者都有着强有力的管理层的支持。调查中那些成功地大规模采用AI技术的公司对于公司中心领导层支持的评价是那些并没有采用AI技术的公司的两倍。他们还表明公司强力的支持并不仅仅来自于CEO和技术

主管，而是所有C level管理人员和董事会成员。

4.你不一定要独自尝试AI——和那些有能力与技术的公司合作。

当AI技术终于度过十年寒冬逐渐加速创新之时，这方面的专家却明显储备不足。即使是以技术见长的亚马逊和谷歌也开始寻求其边界之外的AI技术专家与公司的合作。而谷歌则是收购了Deepmind，一个利用机器学习帮助科技巨头优化包括搜索这样核心业务的公司。而我们的调查显示，事实上，早期AI使用者大部分都是采购了合适的AI技术来解决现有问题，只有很少的一部分回应者是自己发展了合适有效的AI技术。

5.抵抗住让科技团队独自负责AI研发执行的诱惑。

将执行AI的责任全部交给技术研发部门可能会造成研发与实际使用部门的沟通不畅，最后研发出来的科技成果也不一定可以迅速地在实际领域获得最佳应用。相反，应该让商业与科技领导人同时评定和领导AI技术的发展方向。这个教训，我们在商业领域引进数字技术时就已经看到了。

6.在你的AI征程中使用组合拳。

如今的AI工具的种类逐步丰富。我们看见了一些可以直接解决商业问题的技术（例如达成预见性维护的模式检测），也见识到了现在还并不太为人所知，但有着无限潜力的工具（例如发展竞争策略的AI应用）。这意味着商业组织在发展AI技术时可以组合以下三个时间段的技术发展过程：

短期：将注意力集中在如今已经有成熟的市场应用的AI技术，并在整个组织中有计划有规模地推行，以提高利润。

中期：开始试验那些正在稳步发展但是仍相对不成熟的技术（例如深度学习视频识别），并在大规模推行之前证明他们在主要商业领域的价值。

长期：和学界与第三方合作来研发高影响力的AI理论的实际应用，从而获得不可估量的先动优势。

7.机器学习是一个强大的工具，但他并不是万灵药。

机器学习和他现如今最为有潜力的分领域，深度学习，已经吸引了许多的媒体关注并且获得了整个AI宇宙中很大一部分的资金支持。在2016年，这一领域获得了所有外部投资的60%。

然而，虽然机器学习有着众多的应用，他只是众多AI相关的可以解决金融问题的技术中的一个。例如，用来改善自动客服服务的AI技术会和侦测信用卡诈骗的技术完全不同。在公司发展的不同阶段如何使用合适的AI工具来达成经济利益最大化是许多CEO应该思考的重中之重。

8.服务数字化要放在AI之前。

我们发现AI技术最为领先的产业，尤其是高科技，电信和汽车领域，也同时是数字化技术最为先进的产业。相似的是，几乎所有产业里较早接触AI技术的公司都已经在数字服务领域进行投资，包括云设备和大数据。事实上，我们可以看到公司是不可能在完全没有经历过数字化转型的情况下轻松进化到AI时代的。在研究过大量数据之后，我们发现那些有着深厚的数字化背景的公司从AI技术中获得的利润比其他公司高出50%。

9.大胆一点。

在另一份研究数字化颠覆的研究中，我们发现采取最有攻击性的数字战略成为了公司打破数字化颠覆诅咒的最有力的手段。一个采取了最为激进战略的公司彻底地改变了公司发展的路线，成功建造了新的金融模型并规划出一条比数字化时代到来之前更为稳健的发展道路。到目前为止，这样的策略在AI时代同样有效：那些有前瞻性和激进战略的早期AI技术采纳者普遍反馈了更积极的利润前景。

10.最大的挑战永远是人和执行的过程。

大多数情况下，在研发推行AI技术过程中改变整个管理决策过程和员工工作程序所受到的挑战，比研发AI技术本身要大得多。当领导决定了由机器顶替人来进行的工作后，他也必须要重视所有雇员技能的再培训。而当AI持续发展先进的视觉化，合作机制与设计思维时，金融产业也应该将管理风格从原有的以流程效率为核心转变为以决策有效性为重点。而这，更加需要管理层人员去创造一个持续学习与完善自我的工作文化。