【我們為什麼挑選這篇文章】 這篇《哈佛商業評論》根據麥肯錫研究所寫的研究報告,是非常難得且實用的好文章。不僅客觀探討「企業內部運用 AI 是否真有成效?」並且突破迷思,講出現階段企業內部運用 AI 技術之比例仍不高,然而,AI 技術對於企業利潤提升卻有很大影響。本文還分成前中後期教你如何加速公司內部採用 AI 技術!值得一讀!(責任編輯:劉庭瑋)

本文轉自微信公眾號「新智元」(ID:AI_era),來源:哈佛商業評論,作者:Jacques Bughin,Brian McCarthy & Michael Chui,編譯:劉小芹

基於麥肯錫全球研究所對跨越 10 個國家,14 個行業的 3,073 名企業高管和 160 個 AI 使用案例的 AI 調查,以及一項獨立的數字研究項目,本文提出要想利用 AI 取得成功,CEO們需要知道 10 個要點。

人工智能的熱潮已經滲透各行各業,對 AI 的投資正在增長,並且這些投資越來越多地來自技術領域之外的組織。利用 AI 獲得成功的案例也越來越多,例如亞馬遜通過使用 AI 驅動的倉儲機器人Kiva 提高運作效率,通用電氣利用 AI 預測來維護其工業設備的運行,等等。

顯然,企業的 CEO 需要考慮 AI 對業務的影響,但 AI 在商業環境中的使用如何能夠盈利是不明確的。基於麥肯錫全球研究所對跨越 10 個國家,14 個行業的 3073 名企業高管和 160 個 AI 使用案例的 AI 調查,以及一項獨立的數字研究項目,我們發現要想利用 AI 取得成功,CEO 們需要知道 10 個關鍵的觀點。

企業內部採用 AI 技術比例仍少

不要相信炒作,並不是每個企業都在使用 AI。雖然現在針對AI的投資正在升溫,但企業內部採用 AI 技術的幅度還是比較小的。AI的總投資額(包括內部和外部)在 2016 年達到 260 億至 390 億美元,外部投資自 2013 年以來翻了兩番。但是,儘管有這樣的投資水平,AI 的採用仍處於初步階段,我們的調查對像中只有 20%在一個或一個以上的業務中大規模使用,或在核心業務使用AI技術。(調查結果被加權計算以反映不同規模的企業的相對經濟重要性,調查包括五個 AI 技術系統:機器人和自動駕駛車輛,計算機視覺,語言,虛擬代理和機器學習。)

就目前來說,一些公司仍在試驗或試著使用 AI(41%),這是好事。我們的調查結果表明,趕上學習曲線並使用 AI 進行競爭仍需時間。

不過,現在可能是處在 AI 採用的一個關鍵轉折點。一些 AI 技術開始成熟,並開始能證明其價值,例如神經機器學習和自然語言處理,這些技術迅速成為所有採用者的 AI 技術中心。我們預計目前 AI 的早期領航者中至少有一部分將在短期內完全整合 AI。最後, AI 的採用似乎在各個部門和領域之間傳播,雖然傳播的速度不同。未來三年,電信及金融服務業將有望領先,而且這些行業的受訪者表示計劃在 AI 技術上的支出每年增加 15%以上,超過跨行業平均水平 7 個百分點。

使用 AI 的確能增加企業總收入

相信 AI 可以潛在地增加公司的總收入和帳面利潤。我們的調查中,30%左右的早期 AI 採用者(即大規模使用 AI 或在核心業務採用AI的公司)表示他們已經實現了收入增長,利用 AI 獲得了市場份額或擴張了其產品和服務。此外,早期 AI 採用者中說他們希望自己公司的利潤率增長到比同行高 5 個百分點的人比其他人多3.5 倍。雖然相關性和因果關係的問題可以合理地提出,但有獨立分析已經提出 AI 直接地改善利潤率的一些證據,AI 投資的 ROI 與其他相關的數據技術(例如大數據和高級分析)相同。

公司高層和IT部門的支持是關鍵因素

沒有管理層的支持,你的 AI 轉型可能不會成功。成功的AI採用者在採用新技術時通常有強大的執行領導支持。調查反饋顯示,已經成功大規模部署 AI 技術的公司得到公司管理層的支持率是沒有採用任何 AI 技術的公司的2倍。此外,強大的支持不僅來自 CEO 和 IT 部門主管,而且來自所有管理層高管和董事會。

「購買別人的 AI 技術」是常見手法

你不必一個人獨自專研 AI——需要合作夥伴的才乾和能力人工智能領域經歷了數十年的「AI 寒冬」,最近才開始出現創新,有技術專長和能力的人相當稀缺。甚至像亞馬遜和 Google 這樣的大公司為了增加自己的 AI 能力也開始轉向非本領域的公司和人才。例如,Google 收購 DeepMind,DeepMind 能夠利用其機器學習能力來幫助 Google 這家科技巨頭改進核心業務,例如搜索優化。實際上,我們的調查顯示,AI 的早期採用者主要是通過購買得到合適的技術解決方案,只有少部分受訪者是在內部開發和實施所有 AI 解決方案。

管理層擁有 AI 主導權能提升效率

抵制讓技術團隊完全掌控 AI 主動權的誘惑。將 AI 劃分為IT、數字、創新等各職能部門的領導者分別問責可能導致「拿著錘子找釘子」的結果:缺乏令人信服的用例即部署技術。為了確保能夠把關注的重點放在最有價值的使用案例,人工智能的主導權應該由企業領導和技術負責人共同進行評估和領導,這一方法在其他數字技術領域已經被證明是成功的。

如何加速公司內部 AI 技術採用?

採取投資組合方式來加速你的 AI 採用。目前,AI 工具的範圍已經相當大,從已被證明可以解決具體業務問題的工具(例如,用於預測性維護的模式檢測工具)到少人有了解,當前能力有限但潛力效用高的工具(例如,用於開發競爭性戰略的 AI 應用)。這樣的分佈表明,組織可以考慮採用基於投資組合的方法來實現不同時間維度的人工智能採用:

短期專注於當前已有成熟技術解決方案的使用案例,並將其推廣到整個組織,以推動有意義的底線價值。

中期嘗試已出現但仍相對不成熟的技術(例如深度學習視頻內容視頻),在推廣之前證明其在關鍵業務中使用的價值。

長期與學術界或第三方研究機構合作,利用前沿的 AI 技術解決具有更高影響力的使用案例(例如,在某個關鍵知識工作者角色中增強人類決策),以捕捉潛在的先發優勢。

找出正確的工具來解決企業問題

機器學習是強大的工具,但它並不是對所有事情都適用機器學習,以及它最突出的子領域深度學習吸引了許多媒體的關注,並獲得了大量的融資,佔 2016 年所有外部投資的接近 60%。

雖然機器學習已經得到許多應用,但它只是能夠解決業務問題的許多 AI 相關技術之一。沒有哪一項技術是所有 AI 問題的解決方案。例如,為了提高客戶服務中心的效率所使用的 AI 技術與用於識別信用卡欺詐所使用的技術可能有很大的不同。企業在數字化和 AI 採用的特定階段,尋找正確的工具來解決不同的業務問題是至關重要的。

數字化程度高的行業,AI 轉型更容易

數字化能力在 AI 之前就已出現。我們可以看到,高科技、電信和汽車等在 AI 採用方面領先的行業也是數字化程度最高的行業。同樣,所有早期採用 AI 的企業都已經在數字化能力方面投入,包括雲基礎架構和大數據。實際上,沒有數字化轉型經驗的企業似乎很難輕易跳躍到 AI 採用。統計數據顯示,在數字化方面有較多經驗的企業採用 AI 時的利潤率相比其他公司高出 50%。

要敢於冒險

在一個關於數字化顛覆(digital disruption)的獨立研究中,我們發現採取進攻性的數字化戰略是扭轉數字化顛覆詛咒的最重要因素。採取進攻性戰略的企業會從根本上改變其業務組合,開發新的商業模式,創造比數字化前更強大的增長路徑。到目前為止,對於 AI 來說也是這樣:AI 的早期採用者中採取非常積極、進攻性的策略者相比其他具有更好的利潤前景。

決策管理有效性 > 流程效率提升

最大的挑戰是人和流程。在許多情況下,將 AI 結合到員工流程和決策過程的挑戰遠超實施 AI 的技術性挑戰。領導者決定機器處理哪些任務,以及人類執行哪些任務,不管是新任務還是傳統任務,實施允許持續學習新技能的程序將是至關重要的。隨著 AI 繼續融合先進的可視化技術、協作和設計思維,企業將需要從主要關注流程效率轉向重視決策管理的有效性,這需要進一步要求領導者創造一種持續改進和持續學習的文化。

毫無疑問:下一個數字化前沿就在這裡,就是 AI。雖然一些公司仍在從以前的數字化崩壞中恢復,但新的數字化崩壞正在形成。不過現在仍是早期。現在還來得及讓 AI 成為競爭優勢。

原文:https://hbr.org/2017/08/a-survey-of-3000-executives-reveals-how-businesses-succeed-with-ai

__________________________________________

TechOrange 徵才:社群編輯+實習編輯】

你是否常在各類豐富的科技趨勢裡流連忘返?
你是否常被創業故事弄得熱血沸騰無法成眠?
你是否喜歡很有挑戰性、嘗試新事物的工作?
我想你大概就是得了 TO 病,不加入不行了。
準備好你的履歷自傳,寄至 [email protected]
記得標註你要「應徵 TO 社群編輯」,才不會跑錯棚哦!
>> 
詳細職缺訊息

_________________________________________

(本文經 新智元  授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈 麥肯錫3000高管調查:要想利用AI取得成功,你需要知道這10個秘訣〉。Photo credit: jurvetson via Visual hunt / CC BY)

延伸閱讀

資策會 2018 年科技趨勢報告:台灣 AI 潛力比中國強,是喔?
【史上最完整 AI 入行指南】如何從軟體工程師轉職人工智慧?Insight AI 訪問超過 50 個紐約 AI 團隊
Google AI 技巧全公開!不只開源語音數據資料庫,連模型建立秘訣都教你
誰說人工智慧不會作曲?全球首張 AI 作曲專輯即將發行,現在就放給你聽!