《MIT 人工智慧產業應用調查》:80% 的產業業者都知道 AI 重要,卻因為高層腦袋水泥轉型不成

【我們為什麼挑選這篇文章】人工智慧被所有人捧為未來最重要的科技革新, 並且十分看好,但各行各業現在對 AI 的應用狀況為何?良好應用 AI 的企業對比落後的企業,有何不同之處?MIT 聯合波士頓諮詢集團一同做了一份 行業 AI 應用大調查 。而雷鋒網則整理出了這篇中文版重點濃縮報告,分享給大家!(責任編輯:劉庭瑋)

人工智慧已經成了一個新的趨勢,人人都在談論人工智慧,但是,企業在人工智慧上的佈局,是否真的如人們談論的那般積極?最近,麻省理工大學《斯隆管理評論》(MIT Sloan Management Review)聯合波士頓諮詢集團出爐了一份題為《Reshaping Business with Artificial Intelligence》(用人工智慧重塑商業)的報告,旨在為讓各公司能平衡好雄心和實際行動,更好地落地人工智慧。

該報告是基於一份包括 3000 名高管和分析人士的問卷而來,調查對象分佈在全球 112 個國家 21 個行業中。此外《斯隆管理評論》還訪問了行業內的一些高管和學術人士,整理了各組織機構面臨的實際問題。

總體來說,該報告揭示了當下 AI 的落實現狀: 呼聲高,但腳踏實地做的少有許多因素制約著 AI 的發展 ,但是科技並不是首要的, 真正關鍵的,反而是管理上和商業上的因素,因此對管理層有較大挑戰

高呼聲,高期望

根據調查結果, 各行業對 AI 都有很高的期望 。目前只有 14%的調查對象認為,AI 對他們現在的產品或服務已經有了很大的影響。但對於 5 年後的情況,這一比例上升到 63%。 在 TMT(科技、媒體、電信)行業,有 72%的調查對像對五年後的 AI 影響情況表示樂觀。 就連公共部門,也有 40%的調查對象認為五年後 AI 的影響巨大。

現階段只有 15% 的調查對象認為 AI 對於自身流程的影響很大,而有 59% 的調查對象認為五年後 AI 對其流程有很大影響。

大部分的調查對像都認為,在 IT、營運和製造、供應鏈、和需要面對客戶的智慧領域 ,AI 將大有可為。不同的行業,受影響情況有所不同,拿專業服務為例,策略才是受 AI 影響最大的職能領域。

從宏觀上看,大部分的企業或機構對 AI 的認可還是比較高的。有 80%的調查對象認為 AI 是一個機遇,40% 認為 AI 意味著風險(33% 認為 AI 既是風險,又是挑戰)。僅有 4%的調查對象認為 AI 純粹是風險。

AI 受熱捧的原因是什麼?與商業利益有什麼關聯嗎?答案並不唯一,從圖表 5 來看,大多數的調查對象認為,AI 將會讓他們獲益並降低成本84% 的調查對象認為 AI 能讓他們獲得和保持競爭力。約 3/4 的主管認為 AI 可以帶來新的商業機會。

AI 應用現況

那 AI 的採用情況究竟如何呢?不同的企業或組織有不同的情況,這也體現了呼聲和行動之間的差距。只有約 5 % 的調查對象較好地完成了 AI 落地。54 % 的調查對象表示並沒有採用 AI 的實際行動。此外,即便是採用 AI,不同的企業或組織也有不同的級別。拿保險行業來說,平安保險聘請了 110 名科學,展開了 30 項 AI 項目。 平安保險已經可以實現 3 分鐘內審批一份網絡貸款申請 ,而西方的某些大型保險公司,其 AI 還停留在「聊天機器人」上。

根據調查對象採用 AI 的水平和對 AI 的理解程度 ,調查對象可分為四組:先鋒者、研究者、實驗者、和被動者。

1. 先鋒者(19%)代表深入理解 AI 並已經採用了 AI 的機構

2. 研究者(32%)代表理解 AI 但 AI 的採用還處於試點階段的機構

3. 實驗者(13%)代表有一些試點項目或已經採用 AI,但是對 AI 的理解不夠深入的機構

4. 被動者(36%)代表沒有採用 AI,對 AI 的理解也不深的機構

絕大部分的調查對像都認為 AI 是機遇,為何在採用 AI 上,一些企業或組織卻顯得後勁不足呢?下圖體現了以上四組調查對像對所認為的牽制因素,可以看出, 被動者最缺乏的是清晰的商業計劃,而實驗者則認為自己需要更多的資金,技術還不是首要原因

另外一個很重要的因素,體現在了這四組分組的標準上——對 AI 的理解程度 約有 90% 的先鋒者和 91% 的研究者認可 AI 對商業價值的影響,而對於實驗者和被動者來說,只有 32% 和 23% 表示贊同。先鋒者和研究者都認為 AI 在工作場所上,會改變一個組織的習慣。不過該報告也指出,在工作流程上,人還是很難被取代的。

呼聲和行動之間的差距,還體現在各企業或組織對待數據、人才培訓、算法的態度上。 約有 50% 的先鋒者在數據上已經付出了大筆投資,而其他組的調查對象則相對較少,例如研究者一組,就只有 25% 針對數據進行了投資。為何數據如此重要? 因為沒有數據,算法是無法單獨提供任何價值的

微軟的數據科學主管就表示:「人們對機器學習能做什麼還沒一個成熟的認識, 許多企業或組織並沒有累積數據讓算法能夠提煉出模型來做可靠的預測。 」

算法和數據,都離不開技術人才的實現和管理。有經驗的企業或組織,例如先鋒者,主要透過內部培訓或者招聘來增強自己的 AI 技能,而缺乏經驗的,如被動者,主要透過外包的方式彌補 AI 技能上的不足。

報告中也指出,雖然現在有很多優秀的工具和開源的項目,企業或組織可以外包的形式採用 AI,但並不意味著組織或機構就不需要內部的 AI 技術團隊了。

在數據的使用上,隱私問題和法規等對四組調查對像都有限制,但是他們應對方式卻有所不同。 相比起實驗者(34%)和被動者(30%),先鋒者(73%)更能夠維持數據的隱私和安全。這一差距,也體現了在 AI 發展上落後的企業面臨的障礙。

從管理層下手才有轉型未來

落後的企業想要縮短差距,更要從管理上抓起 在管理上,管理上的挑戰有三個:建立對 AI 的基礎認識、為 AI 進行調整、重新思考競爭領域。

建立對 AI 的基礎認識

受訪的高管和學術人士都表示,管理層需要對 AI 有一個基礎的認識。可以從網絡課程開始學習,理解程序是如何從數據中學習的。

為 AI 進行調整

AI 的廣泛應用可能會讓原有的合作方式發生改變,項目團隊成員既有人類,也有機器。雖然各組對像都有發展 AI 能力的方案,但是 30% 的先鋒者和研究者仍然沒有為 AI 設立部門並明確責任,70% 的被動者處於同一情況。建立一個合適的 AI 發展模型顯得迫切。此外,AI 的發展也有文化上的阻力,需要建立中心化和去中心化的技術團隊,並招募合適的人才。

重新思考競爭版圖

如下圖表 11,超過 60%的調查對象認為研究出 AI 的策略非常重要,但是只有 30% 已經研究出了策略。大公司(員工超過 10 萬的公司)本來最應該有 AI 策略,但實際情況是只有 56% 有。報告指出,隨著數據的增多,優先獲得數據訪問權限的需求是源源不斷的。或許這是可以考慮到策略內的因素。

報告也提出了下一步行動的五點建議:

1.  維持顧客對自己的信任,合理使用數據、保障數據安全
2. 對 AI 系統進行週期檢測,不斷增強
3. 為不確定性做好準備,為項目和投資排好優先級
4. 構建完整的未來情景,並測試導向性計劃的適應力
5. 為 AI 項目規劃一個清晰的重點和工作計劃,吸納人才

最後,該報告也展望了 AI 對未來的影響。 根據調查結果,在勞動力上,70% 的調查對象並不擔憂 AI 將會取代原有員工的工作。但是,調查對像也同意 AI 將需要員工在未來五年內學習新的技能,並增強已有的技能。

除了勞動力,AI 也創造了新的商業機遇,但是究竟哪些企業或組織能夠獲得機遇,現在下結論,還為時過早。但可以肯定的是,企業或組織在未來將會憑藉 AI 這一關鍵技術,平衡人、機各自的優勢,提高自己的競爭力。

結語

新的時代來臨前,人們總是充滿期待。在 AI 來臨前,我們很難預測它到底會對我們造成多大的影響,我們對 AI 的認知還不夠清晰。想要真正落實 AI,首先就需要對 AI 有一個全面的認識,在此基礎上,研究好策略和計劃,不斷跨域障礙,一步步轉空談為現實,為未來商業做好準備,提高競爭力。優勝劣汰,不論哪個時代都是如此。

(本文經合作夥伴  雷鋒網    授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈MIT 聯合波士頓諮詢:全球 21 個行業,對話 3000 名高管,AI 如何重塑商業形態?| 雷報 〉。Photo credit: adpowers via Foter.com / CC BY

延伸閱讀

【遊戲工程師要失業了?】人工智慧只「看」2 分鐘超級瑪莉歐,就能完美複製它
終結阿茲海默症!人工智慧提早 10 年「認出」失智症患者,準確率高達 84%
IBM 牽手 MIT 發展人工智慧:雙強合作投入 72 億台幣,要用量子計算機顛覆 AI 運算
【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
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!

點關鍵字看更多相關文章: