酷应用

CFO们也要学习AI吗？

百家作者：硅谷洞察 2017-10-12 09:57:35

Lee Coulter说，他已经可以意识到自己体内生长出了自己无法应对，需要医生介入的抑郁症状。作为一家共享服务公司的首席执行官，他一向努力提升自己的科技素养以应对这一职位对他的高要求。但是最近，Coulter总结道，他已经不知道所有人正在聊的是什么了。

“我不知道该相信谁，又该相信些什么，”Coulter说。“你根本无法同时和两个人进行一段有意义的关于人工智能的对话。

Coulter正在试图解决这个问题。2016年，他成功地向IEEE Standards Assoication介绍了以下计划：他希望组成一个工作组，来为企业自动化过程中使用的不同的机器人和智慧科技的种类下一个定义。

如今，由Coulter带领的IEEE Working Group on Standards in Intelligent Process Automation正致力于完成第一阶段成果的最终定案。这一阶段的主题是“术语，命名和概念。”而下一阶段的工作也已经开始，其内容将是关于“科技，分类和等级”。

同时，现阶段AI普世概念的缺乏已经给CFO们带来了不少麻烦，尤其在他们需要决定具体购买哪一种新科技，却根本无法从五花八门的AI方案中找出真正有用的产品时。“许多厂家都声称他们的产品中包含了AI技术。但大多数时候，那只是幌子罢了，”Coulter说到。但同时，对于AI技术的困惑可能会使CFO们变得更加束手束脚。“他们可能会忽视采用真正的AI技术可能会给公司带来的增长潜力，即使这种技术目前仍然并不完美。”

命名的学问

人工智能和机器学习究竟该被如何解释呢？2017年麦肯锡的报告中是如此定义AI的：“机器展现出类人智力的能力－例如，在不需要有着明确指令的软件的指引下就能解决问题的能力。”

而对于机器学习，这个被很多人认为是实现人工智能的敲门砖的概念，给IEEE团队成员们带来了更多麻烦。他们最终给出了如下解释：“在人类操作软件系统的指引下，由机器观察来发现，关联和进行模式识别，同时通过自信息算法，引导出可预知或符合规定的分析。”

Coulter表明，过去的两年，有至少1000家创业企业声称他们的产品中包含了AI或者机器学习的能力。虽然CIO们总是喜欢尝试那些闪闪发亮的新装置，但是没有几个CFO会有同样的想法。提议购买标上了AI商标的科技总是令人怀疑的。虽然AI这个概念已经有至少60年的历史，但是它成熟起来，并且可以基于巨大数据库发挥实际效用是这几年才出现的新现象。

而AI具体是如何被应用的呢？保险业正在利用机器视觉，通过顾客提交的汽车受损的图片来为损害归类。信用卡发卡放正在利用卡片所有者的Facebook主页来了解例如结婚生子这样的重要事件是如何影响了人们的话费习惯的。制造商也在用机器学习的科技来发现产品的瑕疵。更多的公司则是直接采用了AI对话程序。

事实是，这些所谓以人工智能为驱动的产品并没有办法解决公司最重要的问题。一篇由Shared Services & Outsourcing Network发表的，名为《国际智能自动化市场报告》的文章指出，大多数标上AI标签的东西只是“专注在一个非常局限的知识领域提出的非常有限的认知方案。”

Weston Jones，Ernst& Young国际机器人和智能自动化方面的领导任务，则采取了另一种表达方式，“创新建立在大大小小的会议上，而功能的提升则是建立在资金支持之上。”他继续说道：“许多AI产品的广泛使用还并未让CFO看到他们期待的收益上涨，于是他们中绝大部分都拒绝看到其中更大的价值。”

巨型科技企业则是例外。麦肯锡的报道显示，他们去年基本上都花费了两百到三百亿在AI科技上。举例来看，谷歌使用了加强学习来减少其数据中心百分之十的能量功耗。Facebook 和其他社交媒体公司运用自动翻译来提高使用者的参与度。

可是，麦肯锡报告写道，金融领域对于AI的需求仍然只是非常温吞。在近期一份针对3073个核心管理层的高管进行的调查中，咨询公司发现许多商业精英不只不清楚AI具体可以为他们做什么，也不清楚应该如何获得AI驱动的应用，怎样将它们融入自己公司日常实践，以及如何评估科技带来的投资回报率。

只有20％的受访者回应到他们正在以一定规模地推行AI相关技术。但是这是否意味着AI技术真的在以改变金融企业的速度被大规模采用呢？很难说。“AI包含了许多科技与应用，一些只是之前科技的延伸，而另一些则是革命性的。”

同时，麦肯锡报告也表明，“AI科技有好几种不同的分类方法，但是我们非常难以给出一个明确的毫不重叠的清单，因为人们总是会将不同的科技混在一起，从而解决突发的单个的问题。”

但是即使公司们并没有为AI技术直接投资的意愿，至少他们对这一技术的兴趣正在不断高涨。Whit Andrews， Gartner的首席人工智能分析师，认为AI相关的咨询在2016年增长了200%，而在2017年进一步增长了100%。

John Parkinson则报告说几乎所有财富榜前一千的公司都在观察机器学习的风向。而在那些为数不多的已经开始应用的公司中，一些在使用现成的软件，一些人在租用云端的机器学习功能，而另一些则是在开发他们自己的系统。

Parkinson自己对公司使用AI这一话题没什么好说的。事实上，他认为“智能”是一个具有误导性的词语。没有人真正知道人类智能是如何在工作的，所以声称编写了可以模仿人类智能的说法是很滑稽的。

“我不关心IBM对Watson是如何宣传的，”他说道，“这本身就是不合理的。我们应该将所谓的AI命名为非常聪明的，被训练后会使用数学模型的系统。”

点滴累积

CFO们，如果可以暂时放下要让AI驱动的自动化立刻带来大量报酬的执念，则认识到AI和机器学习可以为公司带来的无限潜力的。“我们正在告诉我们的客户不要以传统IT项目的思维来认识它，”Andrews说到，“对于许多组织来说，不管他们要通过AI做些什么，都不应该是以传统的模式来进行。反而，你应该将你的ROI看成是你可以通过这一独特的学习路径获得的经验。”

Andrews建议公司可以先从他们一直没有人手解决的问题开始着手使用AI。非常有可能的是，这些改变不会是根本性的，这也就极大降低了公司使用AI技术的风险。

如果一个公司计划用智能自动化来进行其10%的业务，那么它可以非常快速地看到某些收益，Parkinson如是说。但是真正的利益将会在一段时间之后才开始显现。“毕竟，越来越多的模式性工作将会被智能系统取代。”

EY的Jones建议，公司及早对自身业务和未来项目进行一个全面检测，从而了解自身金融服务各环节对于自动化的需求。这非常重要，毕竟现阶段由30%到50%的AI项目都是失败的。而且，金融人士需要尽早意识到自动化是无法克服数据缺失和数据不可靠的问题的。

“AI并不是一种神奇的让数据自行展现其意义的巫术，”Andrew评论道。

这意味着公司将会更加需要数据科学家。人们已经可以预见到未来日子里对于这种人才的极大缺口。但是许多正在招聘这一职位的公司一定会失望，“因为拥有一个数据科学的学位并不意味着你就成为了一个数据工程师。如果你已经成功在机器学习领域工作了5到10年，你才可以这么称呼自己。”

外部影响

总体来说，公司，尤其是金融部门，也很有可能会被外部环境中AI的使用影响。举例来说，几大会计事务所都报告称他们正在改造审计过程，以确保所有的交易都可以被人工智能系统覆盖。

同时，四大中的某行正在研发一款基于IBM Watson技术的产品，从而使得兼并收购的合法清查过程可以更加迅速。这款据说将在两年内上架的产品，可以获取与某公司相关的所有数据，从而给出非常值得信任的准确估值。

在Parkinson看来，这样的能力并不是智力的标志。同时，有意思的是，被标为机器学习驱动的科技产品实际上比理论预想的表现的还要好。“我们并不知道为什么，”Parkinson如此说道。

从最基础的层面来看，任何我们并不能理解的科技都可以通过不断地试错来进一步推动其发展。“我们这些在这个领域工作的人，总是想要寻找尖端软件系统来达成不可思议的科学进展，从而允许我们构建越来越好的核心系统，”Parkinson说，“这种想法会进一步加速。而很有可能的是，当我们把之前没有合作过的系统放在一起解决问题时，他们会取得我们无法料想的成绩。”

无论人们如何定义企业自动化将会带来的新能力，它们都只是会变得越来越有效。CFO需要决定的，只是何时带领着自己的公司跳入这机会之井罢了。

本文编译自CFO。