波士頓、MIT發(fā)布AI報(bào)告詳解企業(yè)如何跨越“AI應(yīng)用鴻溝”

□文/Sam Ransbotham、David Kiron、Philipp Gerbert、Martin Reeves

波士頓、MIT發(fā)布AI報(bào)告詳解企業(yè)如何跨越“AI應(yīng)用鴻溝”

□文/Sam Ransbotham、David Kiron、Philipp Gerbert、Martin Reeves

人們對(duì)人工智能（AI）抱有極高的期待，但實(shí)際效果往往差強(qiáng)人意。本文希望提供貼近實(shí)際的AI應(yīng)用業(yè)界基準(zhǔn)，從而讓各個(gè)公司以此為鑒，對(duì)自身在AI方面的愿景定位和實(shí)際情況有更客觀、全面的了解。這項(xiàng)研究基于全球范圍諸多行業(yè)3000余位高管、管理者和市場(chǎng)、技術(shù)分析人員的問(wèn)卷調(diào)查，并對(duì)30多名技術(shù)專(zhuān)家和高管進(jìn)行了深度采訪，力求相關(guān)分析和結(jié)論信息全面、數(shù)據(jù)扎實(shí)。

對(duì)于AI，多數(shù)公司的期望和實(shí)際應(yīng)用相差甚遠(yuǎn)。3/4的高管認(rèn)為，AI可以讓公司發(fā)展出新的業(yè)務(wù)；近85%的受訪者認(rèn)為AI讓公司獲得或保持競(jìng)爭(zhēng)優(yōu)勢(shì)。但只有約1/5的公司將AI應(yīng)用于部分產(chǎn)品、服務(wù)或流程中；只有1/20的公司將AI進(jìn)行了廣泛應(yīng)用；制定AI戰(zhàn)略的公司不到39%；員工數(shù)超過(guò)十萬(wàn)的大公司應(yīng)當(dāng)制定AI戰(zhàn)略，但實(shí)際這樣做了的只有一半。

我們的研究表明，理解并應(yīng)用AI的領(lǐng)先者與落后者之間差距巨大，兩者對(duì)待數(shù)據(jù)的方式大相徑庭。AI算法并非天生“智能”，而是通過(guò)分析數(shù)據(jù)進(jìn)行歸納學(xué)習(xí)。多數(shù)領(lǐng)先者在AI人才方面投資，建立起穩(wěn)健的信息系統(tǒng)，而另一些公司卻缺乏數(shù)據(jù)分析的專(zhuān)業(yè)人員，數(shù)據(jù)可得性低。我們的研究揭示了一些對(duì)于訓(xùn)練AI所需資源的誤解。與落后者相比，領(lǐng)先者不僅更了解訓(xùn)練AI所需的資源，還更重視為AI項(xiàng)目提供高管層的支持，并找到了AI的應(yīng)用場(chǎng)景。

AI會(huì)給組織管理帶來(lái)影響。構(gòu)建AI組織有多種模式，其核心都強(qiáng)調(diào)組織的靈活性。我們與企業(yè)高管交流得知，應(yīng)用AI所需要的文化變革對(duì)于大公司來(lái)說(shuō)挑戰(zhàn)很大。

參與我們調(diào)查和訪談的對(duì)象對(duì)于AI是否會(huì)導(dǎo)致人類(lèi)失業(yè)持較樂(lè)觀的態(tài)度。多數(shù)管理者認(rèn)為自己所在的組織未來(lái)五年里不會(huì)因?yàn)锳I而裁員，他們希望AI能夠替他們處理一部分繁瑣的工作。

關(guān)于本研究

為了解有關(guān)應(yīng)用AI的機(jī)遇和挑戰(zhàn)，《MIT斯隆管理評(píng)論》與波士頓咨詢(xún)公司合作，首次開(kāi)展了年度調(diào)查，調(diào)查對(duì)象包括來(lái)自世界各地各行業(yè)組織的3000多位高管、管理者和分析人員。

調(diào)查于2017年春季開(kāi)展，受訪者分別來(lái)自112個(gè)國(guó)家、21個(gè)行業(yè)，所在組織規(guī)模各異。超過(guò)2/3的受訪者來(lái)自美國(guó)以外的國(guó)家和地區(qū)。調(diào)查取樣來(lái)源多樣，包括《MIT斯隆管理評(píng)論》的讀者和其他有關(guān)各方。

除了調(diào)查，我們還采訪了一些行業(yè)的公司高管和學(xué)者，了解當(dāng)今組織面臨的現(xiàn)實(shí)問(wèn)題。他們提供的觀點(diǎn)幫助我們更好地理解數(shù)據(jù)。

我們的調(diào)查使用《牛津詞典》對(duì)人工智能的定義：“人工智能是有關(guān)能夠執(zhí)行通常需要人類(lèi)智能的任務(wù)（如視覺(jué)感知、語(yǔ)音識(shí)別、決策和語(yǔ)言轉(zhuǎn)換等）的計(jì)算機(jī)系統(tǒng)的理論和開(kāi)發(fā)?！辈贿^(guò)，AI本身及其定義都在迅速演進(jìn)。

人工智能的優(yōu)勢(shì)

空中客車(chē)公司（Airbus，下稱(chēng)空客）開(kāi)始提升新的A350機(jī)型產(chǎn)量，公司面臨數(shù)十億歐元的挑戰(zhàn)。用法國(guó)圖盧茲數(shù)字轉(zhuǎn)型副總裁馬修·埃文斯（Matthew Evans）的話來(lái)說(shuō)，“我們計(jì)劃以前所未有的速度提升該機(jī)型的產(chǎn)量。為此，我們必須像應(yīng)對(duì)工廠故障一樣迅速應(yīng)對(duì)問(wèn)題，因?yàn)檎娴臅?huì)出故障”。

空客開(kāi)始采用人工智能，將過(guò)去生產(chǎn)項(xiàng)目中的數(shù)據(jù)與當(dāng)前A350生產(chǎn)項(xiàng)目中提供的實(shí)時(shí)數(shù)據(jù)相結(jié)合，通過(guò)模糊匹配和自主學(xué)習(xí)算法發(fā)現(xiàn)生產(chǎn)問(wèn)題的規(guī)律。在某些領(lǐng)域，這套系統(tǒng)為約70%的生產(chǎn)故障匹配到了之前用過(guò)的解決方案，速度近乎實(shí)時(shí)。埃文斯描述了AI助力整個(gè)空客生產(chǎn)線快速學(xué)習(xí)、應(yīng)對(duì)商業(yè)挑戰(zhàn)的過(guò)程：

系統(tǒng)深入理解某項(xiàng)問(wèn)題描述，結(jié)合所有背景信息，與問(wèn)題信息匹配，并迅速向一線員工推薦可行方案。問(wèn)題本身對(duì)于系統(tǒng)而言可能是初次出現(xiàn)，但我們以前可能碰到過(guò)類(lèi)似的問(wèn)題，或者是另一種情況下、生產(chǎn)線的另一個(gè)部分出現(xiàn)過(guò)類(lèi)似問(wèn)題。這樣一來(lái)就可以把我們應(yīng)對(duì)故障的時(shí)間縮短1/3以上。

AI令空客應(yīng)對(duì)業(yè)務(wù)問(wèn)題的速度更快，效率提升，優(yōu)于之前的其他方法（比如對(duì)數(shù)百或數(shù)千個(gè)案例進(jìn)行人工分析的因果分析法）。

正如空客的這個(gè)例子所顯示的，善于利用AI的領(lǐng)先者組織可以憑借AI能力實(shí)現(xiàn)新的、更好的流程，得到更好的結(jié)果。英國(guó)石油公司（BP）、印孚瑟斯（Infosys）、美國(guó)富國(guó)銀行（Wells Fargo）和平安保險(xiǎn)等其他大型公司已經(jīng)開(kāi)始運(yùn)用AI應(yīng)對(duì)重要的商業(yè)問(wèn)題，然而還有許多公司尚未起步。

人工智能的影響力

各行各業(yè)、各種規(guī)模、各個(gè)地區(qū)的公司都對(duì)AI抱有很高的期待。多數(shù)高管雖然尚未看到AI產(chǎn)生大的影響，但也明確表示希望在未來(lái)五年里看到較大影響。在所有組織中，僅有14%的受訪者認(rèn)為AI現(xiàn)在就對(duì)自己所在公司提供的產(chǎn)品或服務(wù)產(chǎn)生了較大影響，而期待在五年內(nèi)看到較大影響的受訪者多達(dá)63%。

對(duì)行業(yè)及組織職能的影響

各行業(yè)對(duì)于AI影響公司產(chǎn)品或服務(wù)的期望一直很高（參閱圖1）。在技術(shù)、媒體與電信行業(yè)，72%的受訪者期待AI在五年里產(chǎn)生較大影響，比表示目前已有較大影響的受訪者高出52%。即便是在對(duì)AI期望值最低的公共部門(mén)領(lǐng)域，也有41%的受訪者期待AI在五年里產(chǎn)生大的影響，比目前階段的比例高30%?？梢钥闯?，這種趨勢(shì)與組織規(guī)模及所在地區(qū)無(wú)關(guān)。

圖1各行業(yè)對(duì)五年內(nèi)AI影響產(chǎn)品或服務(wù)的期待一直很高

圖2期待AI在未來(lái)五年里對(duì)流程產(chǎn)生重大影響

圖3多數(shù)組織預(yù)見(jiàn)到IT、運(yùn)營(yíng)以及面對(duì)客戶的活動(dòng)會(huì)受到巨大影響

在組織內(nèi)部，受訪者也對(duì)AI改變流程抱有很高的期望。15%的受訪者表示AI已經(jīng)對(duì)組織目前的流程產(chǎn)生了較大影響，59%希望在未來(lái)五年里看到較大的影響（參閱圖2）。多數(shù)組織預(yù)見(jiàn)到了信息技術(shù)（IT）、運(yùn)營(yíng)與制造、供應(yīng)鏈管理以及面向客戶的活動(dòng)受到的巨大影響（參閱圖3），例如：

IT：業(yè)務(wù)流程外包提供商為AI可能的應(yīng)用提供了一個(gè)例子。“印孚瑟斯重視的IT服務(wù)行業(yè)，在過(guò)去二十多年里有了巨大的發(fā)展，”印孚瑟斯CEO兼董事總經(jīng)理史維學(xué)（在接受采訪期間，Vishal Sikka正擔(dān)任印孚瑟斯的CEO和董事總經(jīng)理。但在此報(bào)告發(fā)布前，他從原崗位辭職并開(kāi)始擔(dān)任公司的執(zhí)行副主席）說(shuō)：“很多外包給人工成本較低的國(guó)家的工作都比較機(jī)械，比如系統(tǒng)管理、IT管理、業(yè)務(wù)操作和驗(yàn)證?，F(xiàn)在有了AI技術(shù)，我們的系統(tǒng)可以承擔(dān)的這類(lèi)工作就增加了。我們還在初期階段，這類(lèi)工作只有一部分實(shí)現(xiàn)了自動(dòng)化，但在未來(lái)幾年里，我們可以將大部分乃至全部重復(fù)機(jī)械的工作實(shí)現(xiàn)自動(dòng)化。不過(guò)，AI技術(shù)可以自動(dòng)完成目前一些步驟清晰的工作，也給目前尚不存在的突破性的新工作創(chuàng)造了機(jī)會(huì)?！?/p>

運(yùn)營(yíng)和制造：工業(yè)企業(yè)高管認(rèn)為受人工智能影響最大的領(lǐng)域是運(yùn)營(yíng)和制造。例如BP用AI作為人工的輔助，改進(jìn)現(xiàn)場(chǎng)操作。上游技術(shù)全球負(fù)責(zé)人艾哈邁德·哈什米（Ahmed Hashmi）說(shuō)：“我們?cè)O(shè)有BP Well Advisor人工智能顧問(wèn)，收集鉆井系統(tǒng)的所有數(shù)據(jù)，為工程師提供建議，調(diào)整鉆井參數(shù)，保持在最佳操作區(qū)，并提醒工程師注意過(guò)程中潛在的操作問(wèn)題。我們還嘗試將根源問(wèn)題分析交給人工智能，讓系統(tǒng)自我學(xué)習(xí)，有能力迅速做出評(píng)估，從描述問(wèn)題進(jìn)化到預(yù)測(cè)問(wèn)題，再到診斷問(wèn)題?！?/p>

面向客戶的活動(dòng)：中國(guó)第二大保險(xiǎn)商平安保險(xiǎn)公司，市值1200億美元，運(yùn)用AI改進(jìn)保險(xiǎn)及金融的客戶服務(wù)。例如，該公司現(xiàn)在提供三分鐘在線貸款，部分依賴(lài)于一套客戶打分工具，具備內(nèi)部開(kāi)發(fā)的AI人臉識(shí)別功能，準(zhǔn)確度比人類(lèi)更高。這套工具驗(yàn)證過(guò)的人臉超過(guò)3億，與該公司的語(yǔ)音和圖像識(shí)別功能互補(bǔ)。

圖4超過(guò)80%的組織將AI視為戰(zhàn)略機(jī)會(huì)，近40%的組織也看到了其中的戰(zhàn)略風(fēng)險(xiǎn)

圖5組織希望利用AI獲得競(jìng)爭(zhēng)優(yōu)勢(shì)，但也預(yù)見(jiàn)到競(jìng)爭(zhēng)將會(huì)加劇

人工智能帶來(lái)的機(jī)會(huì)與風(fēng)險(xiǎn)

高管對(duì)AI期待極高，卻也意識(shí)到了潛在的風(fēng)險(xiǎn)。史維學(xué)雖然樂(lè)觀，但也對(duì)AI即將迎來(lái)熱潮持謹(jǐn)慎態(tài)度。他說(shuō)：“AI從1956年出現(xiàn)以來(lái)一直有高峰有低谷，現(xiàn)在我們身在一個(gè)浮夸的時(shí)代，前方好像怎么看都是輝煌的巔峰?！?0%以上接受調(diào)查的高管看到了眼前的高峰，認(rèn)為AI是戰(zhàn)略機(jī)會(huì)（參閱圖4）。近半數(shù)受訪者認(rèn)為AI只會(huì)帶來(lái)機(jī)會(huì)，不存在風(fēng)險(xiǎn)，占比最高；一些人看到了風(fēng)險(xiǎn)，認(rèn)為AI會(huì)帶來(lái)好處，也可能使競(jìng)爭(zhēng)加?。唤?0%的管理者認(rèn)為AI也是戰(zhàn)略風(fēng)險(xiǎn)；更少的一部分人（13%）覺(jué)得AI既非機(jī)會(huì)亦非風(fēng)險(xiǎn)。

業(yè)界對(duì)AI抱有期待和興趣的原因不一而足（參閱圖5）。多數(shù)受訪者認(rèn)為，AI會(huì)給組織帶來(lái)好處，比如可以帶來(lái)新的業(yè)務(wù)，或者降低成本；84%的人認(rèn)為AI會(huì)讓組織獲得或保持競(jìng)爭(zhēng)優(yōu)勢(shì)。3/4的管理者認(rèn)為AI可以讓他們發(fā)展新業(yè)務(wù)。

高管們也意識(shí)到，AI帶來(lái)的優(yōu)勢(shì)不止惠及自己所在的公司。受訪者認(rèn)為成長(zhǎng)企業(yè)和成熟企業(yè)會(huì)同時(shí)從人工智能中獲益。3/4的受訪者預(yù)見(jiàn)到市場(chǎng)中會(huì)出現(xiàn)運(yùn)用AI的新的競(jìng)爭(zhēng)對(duì)手，69%的受訪者認(rèn)為現(xiàn)在的競(jìng)爭(zhēng)對(duì)手也開(kāi)始使用AI。此外他們還意識(shí)到，自己公司所在生態(tài)體系中的供應(yīng)商和客戶將會(huì)更加希望他們使用AI。

人工智能應(yīng)用程度的差異

雖然期待值高，但AI的商業(yè)應(yīng)用尚在初期階段，期望和實(shí)際行動(dòng)尚有差距。4/5的高管贊同AI對(duì)于自己所在組織而言是戰(zhàn)略機(jī)會(huì)，然而只有1/5將AI應(yīng)用在一部分產(chǎn)品、服務(wù)或流程中，只有1/20將AI廣泛應(yīng)用于產(chǎn)品、服務(wù)或流程（參閱圖6）。

圖6目前只有約1/4的組織應(yīng)用AI

應(yīng)用的差距可能很大，特別是同一行業(yè)內(nèi)。例如，平安保險(xiǎn)公司雇用了約110位數(shù)據(jù)科學(xué)家，啟動(dòng)了約30個(gè)由CEO贊助的AI項(xiàng)目，在一定程度上支持其愿景“技術(shù)將會(huì)成為未來(lái)幾年給公司帶來(lái)收入增長(zhǎng)的關(guān)鍵驅(qū)動(dòng)力”，如公司首席創(chuàng)新官喬納森·拉森（Jonathan Larsen）所說(shuō)。然而其他一些大型保險(xiǎn)公司的AI項(xiàng)目?jī)H限于“試驗(yàn)聊天機(jī)器人”，這是某家西方保險(xiǎn)公司的高管描述自己所在公司AI項(xiàng)目的原話。兩者形成鮮明對(duì)比。

各個(gè)組織對(duì)AI的總體理解也顯示出極大的差異。例如，16%的受訪者強(qiáng)烈贊同“自己所在組織了解開(kāi)發(fā)基于AI的產(chǎn)品及服務(wù)所需的開(kāi)支”，強(qiáng)烈不同意這一點(diǎn)的比例與之相差無(wú)幾（17%）。19%的受訪者強(qiáng)烈贊同“自己所在組織了解訓(xùn)練算法所需要的數(shù)據(jù)”，16%強(qiáng)烈不贊同這一點(diǎn)。

將調(diào)查結(jié)果與有關(guān)AI理解和應(yīng)用的問(wèn)題結(jié)合在一起，我們將各組織根據(jù)AI能力分為了四類(lèi)：先驅(qū)者（Pioneer）、研究者（Investigator）、試驗(yàn)者（Experimenter）、被動(dòng)者（Passive）。

先驅(qū)者（19%）：了解并應(yīng)用了AI的組織，走在將AI應(yīng)用于產(chǎn)品或服務(wù)以及組織內(nèi)部流程的前沿。

研究者（32%）：了解AI但只停留在試用階段的組織，謹(jǐn)慎地研究AI可能會(huì)帶來(lái)的影響。

試驗(yàn)者（13%）：試用或應(yīng)用了AI但并未深入了解AI的組織，在實(shí)踐中學(xué)習(xí)。

被動(dòng)者（36%）：不應(yīng)用也不了解AI的組織。

既然對(duì)AI的期待很高，許多組織將之視為機(jī)遇，那么一些組織不應(yīng)用AI的原因何在？即使在一些長(zhǎng)期應(yīng)用新技術(shù)、管理數(shù)據(jù)的行業(yè)，應(yīng)用AI可能也是困難重重。例如金融服務(wù)行業(yè)，瑞士銀行（UBS）超高凈值人士首席投資官西蒙·斯邁爾斯（Simon Smiles）說(shuō)：“對(duì)于大型金融機(jī)構(gòu)而言，在業(yè)務(wù)中更好地運(yùn)用人工智能等技術(shù)和數(shù)據(jù)，為終端用戶帶來(lái)更好的客戶體驗(yàn)，這種潛力是巨大的。問(wèn)題在于這些傳統(tǒng)大機(jī)構(gòu)能否抓住機(jī)會(huì)?！币プC(jī)會(huì)，組織上下必須通力合作，克服許多AI項(xiàng)目帶來(lái)的不可避免的難題，也就是史維學(xué)所說(shuō)的“應(yīng)用鴻溝”。

難題并不是技術(shù)局限，而是在商業(yè)方面。受訪者總體認(rèn)為，相比于技術(shù)能力限制，與之競(jìng)爭(zhēng)的其他投資重點(diǎn)和商業(yè)可行性論證不清晰是阻礙企業(yè)應(yīng)用人工智能更重要的原因。空客的埃文斯說(shuō)出了這個(gè)重要的區(qū)別：“嚴(yán)格地講，我們沒(méi)有投資AI。我們沒(méi)有投資自然語(yǔ)言處理，沒(méi)有投資圖像分析。我們一直在為某個(gè)業(yè)務(wù)問(wèn)題投資?！笨湛筒捎肁I，是因?yàn)锳I解決了一個(gè)業(yè)務(wù)上的問(wèn)題，投資AI是一種應(yīng)對(duì)商業(yè)問(wèn)題的有效方式。

圖7 AI先驅(qū)者受到人才問(wèn)題的限制，AI被動(dòng)者尚未意識(shí)到AI在商業(yè)中的用途

UBS的斯邁爾斯提出，各組織面對(duì)的問(wèn)題不盡相同。對(duì)于成熟公司和金融科技創(chuàng)業(yè)公司，他說(shuō)：“要開(kāi)發(fā)價(jià)值驚人的平臺(tái)，對(duì)公司規(guī)模有要求。規(guī)模達(dá)到一定程度的公司往往被舊有商業(yè)模式和體系束縛，難以發(fā)展更好的模式。而沒(méi)有這種束縛的公司卻又缺乏客戶和相應(yīng)的數(shù)據(jù)，難以充分把握機(jī)會(huì)?！边@一類(lèi)問(wèn)題造成了AI應(yīng)用率的差異。

調(diào)查中各類(lèi)組織反映的AI阻礙因素各不相同，且對(duì)AI應(yīng)用情況有影響（參閱圖7）。先驅(qū)者已經(jīng)克服了有關(guān)理解的問(wèn)題：這類(lèi)公司有3/4找到了能夠應(yīng)用AI的實(shí)際業(yè)務(wù)場(chǎng)景，高管直接領(lǐng)導(dǎo)涉及整個(gè)組織的AI項(xiàng)目，它們最大的問(wèn)題是如何高效地培養(yǎng)或?qū)ふ液线m的AI人才，以及為AI爭(zhēng)取投資。這些公司也更熟悉應(yīng)用AI在安全方面的種種顧慮。與之相比，被動(dòng)者尚未發(fā)現(xiàn)AI在商業(yè)上的用途，沒(méi)有找到符合投資標(biāo)準(zhǔn)的實(shí)際業(yè)務(wù)場(chǎng)景，領(lǐng)導(dǎo)不參與，技術(shù)是難題。許多公司甚至尚未意識(shí)到尋找和任命AI人才的困難程度。

我們的調(diào)查還揭示了各類(lèi)公司在理解方面的細(xì)微差別。

·商業(yè)潛力：AI會(huì)改變組織創(chuàng)造商業(yè)價(jià)值的方式。表示本組織了解AI如何影響商業(yè)價(jià)值的先驅(qū)者（91%）和研究者（90%）多于試驗(yàn)者（32%）和被動(dòng)者（23%）?？湛偷陌Ｎ乃拐f(shuō)：“不是價(jià)值問(wèn)題，是嘗試解決我們的一種機(jī)型上的某個(gè)實(shí)際問(wèn)題。”

·對(duì)實(shí)際工作的影響：如何協(xié)調(diào)人類(lèi)和機(jī)器的能力相結(jié)合，這個(gè)問(wèn)題將愈發(fā)棘手。AI會(huì)大大改變?nèi)粘９ぷ鳝h(huán)境。在工作場(chǎng)合配備機(jī)器會(huì)改變組織中的行為，這一點(diǎn)先驅(qū)者和研究者更了解。MIT航空航天學(xué)副教授朱莉·沙阿（Julie Shah）說(shuō)：“人們沒(méi)有覺(jué)察的是融合問(wèn)題。即使你開(kāi)發(fā)出的系統(tǒng)能完成現(xiàn)在由人類(lèi)在做的特定任務(wù)，整個(gè)流程中也不能完全沒(méi)有人類(lèi)，那么就有一個(gè)新的問(wèn)題——協(xié)調(diào)人與AI系統(tǒng)的工作，乃至協(xié)調(diào)雙方的交流。這個(gè)問(wèn)題對(duì)于我們來(lái)說(shuō)依然非常困難，目前無(wú)解。”

·行業(yè)背景：組織在監(jiān)管和行業(yè)背景下運(yùn)作。試驗(yàn)者和被動(dòng)者認(rèn)為自己所在的組織并不了解AI會(huì)對(duì)行業(yè)格局產(chǎn)生何種影響。

對(duì)數(shù)據(jù)、訓(xùn)練和算法的需求

以上四類(lèi)組織最顯著的差異，也許在于其對(duì)數(shù)據(jù)和AI算法之間重要的相互依存關(guān)系的理解。與被動(dòng)者相比，了解訓(xùn)練算法過(guò)程的先驅(qū)者比被動(dòng)者多12倍，了解AI相關(guān)產(chǎn)品及服務(wù)開(kāi)發(fā)成本的多出10倍，了解訓(xùn)練AI算法所需數(shù)據(jù)的多出8倍（參閱圖8）。

多數(shù)組織都不甚了解如何用組織自身的數(shù)據(jù)訓(xùn)練AI算法，使得算法可以像空客的AI應(yīng)用軟件那樣識(shí)別問(wèn)題規(guī)律。表示自己所在組織了解訓(xùn)練AI所需過(guò)程或數(shù)據(jù)的受訪者不到一半。

讓AI產(chǎn)生商業(yè)價(jià)值，與高效訓(xùn)練AI算法直接相關(guān)。目前許多AI應(yīng)用軟件最初只是一種或多種基本算法，經(jīng)過(guò)訓(xùn)練（主要是公司自身的數(shù)據(jù)）后才具備智能。要想成功訓(xùn)練算法，組織要有健全的信息系統(tǒng)，將相關(guān)數(shù)據(jù)收集到一起。很多先驅(qū)者組織已經(jīng)擁有了穩(wěn)健的數(shù)據(jù)及分析系統(tǒng)，并對(duì)訓(xùn)練AI算法所需的數(shù)據(jù)有著廣泛的了解。與之相比，研究者和試驗(yàn)者則缺乏分析能力，大量數(shù)據(jù)難以集中。半數(shù)以上的先驅(qū)者組織在數(shù)據(jù)和訓(xùn)練方面大量投資，其他幾類(lèi)組織的投資情況遠(yuǎn)不如先驅(qū)者。大量投資AI技術(shù)、訓(xùn)練AI算法所需的數(shù)據(jù)以及支持訓(xùn)練流程的研究者組織只有1/4。

對(duì)人工智能所需數(shù)據(jù)的誤解

我們的研究發(fā)現(xiàn)了一些與數(shù)據(jù)有關(guān)的誤解。其中一項(xiàng)誤解是，復(fù)雜精密的AI算法不需要充足的數(shù)據(jù)就能提供有價(jià)值的商業(yè)解決方案。微軟數(shù)據(jù)科學(xué)總監(jiān)雅各布·斯波爾斯特拉（Jacob Spoelstra）說(shuō)：

圖8企業(yè)對(duì)AI相關(guān)技術(shù)和業(yè)務(wù)背景的了解程度不一

“我覺(jué)得大家還不是很懂機(jī)器學(xué)習(xí)可以做什么。我們常看到的一種錯(cuò)誤是，組織沒(méi)有歷史數(shù)據(jù)可供算法提取規(guī)律，于是算法無(wú)法提供可靠的預(yù)測(cè)。比如說(shuō)，他們讓我們制定預(yù)測(cè)性的維護(hù)解決方案，而我們發(fā)現(xiàn)他們的錯(cuò)誤記錄很少，甚至沒(méi)有。他們希望AI預(yù)測(cè)將來(lái)會(huì)出現(xiàn)什么問(wèn)題，卻沒(méi)有過(guò)去的例子可供AI學(xué)習(xí)?！?/p>

算法再精密，沒(méi)有歷史數(shù)據(jù)也無(wú)計(jì)可施。組織要用AI提升業(yè)績(jī)，理解這一點(diǎn)至關(guān)重要。數(shù)據(jù)稀缺的情況不容忽略。訓(xùn)練AI往往既需要成功的數(shù)據(jù)點(diǎn)，也需要失敗的數(shù)據(jù)點(diǎn)，而失敗數(shù)據(jù)可能很難搜集。助力產(chǎn)品開(kāi)發(fā)的材料信息AI平臺(tái)Citrine Informatics，運(yùn)用從研究機(jī)構(gòu)關(guān)系網(wǎng)絡(luò)中得到的公開(kāi)實(shí)驗(yàn)數(shù)據(jù)（多數(shù)是成功的實(shí)驗(yàn)）和非公開(kāi)實(shí)驗(yàn)數(shù)據(jù)（包括失敗的實(shí)驗(yàn)）。平臺(tái)聯(lián)合創(chuàng)始人、首席科學(xué)官布賴(lài)斯·梅雷迪格（Bryce Meredig）說(shuō)：“失敗的實(shí)驗(yàn)數(shù)據(jù)幾乎不會(huì)公開(kāi)，但要建立公正全面的數(shù)據(jù)庫(kù)，這部分?jǐn)?shù)據(jù)不可或缺。”全面的數(shù)據(jù)讓Citrine得以將特定應(yīng)用的研發(fā)時(shí)間縮短了一半。開(kāi)發(fā)了Gore-Tex防水材料的戈?duì)柟荆╓. I. Gore & Associates）同樣記錄了創(chuàng)新過(guò)程中的成功和失敗結(jié)果，因?yàn)樗麄冎?，失敗能夠幫助他們（或者高層領(lǐng)導(dǎo)者和決策者）找到下一步應(yīng)當(dāng)探索的方向。

如果算法質(zhì)量非常高，有時(shí)可以彌補(bǔ)數(shù)據(jù)上的不足，但質(zhì)量欠佳的數(shù)據(jù)會(huì)產(chǎn)生負(fù)面影響。在開(kāi)發(fā)AI應(yīng)用軟件的過(guò)程中，數(shù)據(jù)收集和準(zhǔn)備往往是最耗費(fèi)時(shí)間的步驟，比選擇和調(diào)整模型更花時(shí)間?？湛偷陌Ｎ乃拐f(shuō)：“我們做每個(gè)新項(xiàng)目，都要為整合數(shù)據(jù)進(jìn)行投資，有時(shí)還要為數(shù)據(jù)平臺(tái)引入新的資源進(jìn)行投資。但我們過(guò)去做過(guò)的工作也都可以重復(fù)利用，因?yàn)槲覀兛梢愿咝Ч芾砟切I(yè)務(wù)對(duì)象，每個(gè)項(xiàng)目進(jìn)展速度都會(huì)加快。開(kāi)發(fā)所需的預(yù)付成本，也就是一次性成本相對(duì)較低。我們每做一個(gè)項(xiàng)目都可以充實(shí)數(shù)據(jù)庫(kù)，增加價(jià)值?！?/p>

先驅(qū)者組織了解數(shù)據(jù)基礎(chǔ)設(shè)施對(duì)于人工智能算法的價(jià)值。

另外，公司有時(shí)錯(cuò)誤地以為能夠接觸到開(kāi)發(fā)AI所需的數(shù)據(jù)。數(shù)據(jù)所有權(quán)對(duì)于所有行業(yè)的管理者而言都是問(wèn)題。一些數(shù)據(jù)是有專(zhuān)有權(quán)的，擁有這些數(shù)據(jù)的組織可能不想供其他公司使用。還有一些數(shù)據(jù)來(lái)自多個(gè)數(shù)據(jù)源，支離破碎，需要多個(gè)組織協(xié)商一致才能得到更完整的數(shù)據(jù)，用來(lái)訓(xùn)練AI系統(tǒng)。還有一種情況是，重要數(shù)據(jù)的所有者不明確或有爭(zhēng)議。從AI中獲得商業(yè)價(jià)值在理論上可行，實(shí)際上可能很困難。

即使組織擁有所需要的數(shù)據(jù)，也可能由于多個(gè)系統(tǒng)間零散的存儲(chǔ)使得AI算法訓(xùn)練受阻。美國(guó)富國(guó)銀行（Wells Fargo & Co.）企業(yè)模型風(fēng)險(xiǎn)執(zhí)行副總裁阿古斯·斯吉安托（Agus Sudjianto）說(shuō)：“ 我們工作中一大部分就是處理凌亂的數(shù)據(jù)，比如文本挖掘，還有分析海量的交易數(shù)據(jù)，尋找規(guī)律。我們致力于不斷提升客戶體驗(yàn)，改進(jìn)決策，包括潛在客戶分析、信用審批和金融犯罪偵察。所有這些領(lǐng)域都有很大的應(yīng)用AI的空間，但在規(guī)模很大的組織里，數(shù)據(jù)往往很零散。這就是大企業(yè)的核心問(wèn)題——戰(zhàn)略性地處理數(shù)據(jù)?！?/p>

是自行開(kāi)發(fā)，還是直接購(gòu)買(mǎi)

圖9先驅(qū)者通過(guò)培訓(xùn)和招聘獲得AI相關(guān)技能，而被動(dòng)者更依賴(lài)外部資源

公司投資新技術(shù)時(shí)往往面對(duì)一個(gè)老問(wèn)題：是自制還是購(gòu)買(mǎi)。AI算法要用合適的數(shù)據(jù)加以訓(xùn)練，對(duì)這個(gè)決定有著廣泛的影響。用AI創(chuàng)造價(jià)值，又比單純?yōu)槟硞€(gè)業(yè)務(wù)過(guò)程開(kāi)發(fā)或者購(gòu)買(mǎi)AI更加復(fù)雜。訓(xùn)練AI算法涉及多種技能，要了解如何構(gòu)建算法，如何收集和整合相關(guān)數(shù)據(jù)用于訓(xùn)練，如何監(jiān)督算法訓(xùn)練過(guò)程。斯吉安托說(shuō)：“我們必須引入不同學(xué)科的人才。而且，我們當(dāng)然需要機(jī)器學(xué)習(xí)與AI人才。能夠全面領(lǐng)導(dǎo)這類(lèi)團(tuán)隊(duì)的人才非常重要。”

先驅(qū)者十分依賴(lài)通過(guò)培訓(xùn)或招聘來(lái)培養(yǎng)內(nèi)部能力。經(jīng)驗(yàn)較少、比較不了解AI的組織更注重向外部尋求AI相關(guān)技能，但這種做法導(dǎo)致了一些問(wèn)題（參閱圖9）。

某大型制藥公司的首席信息官將AI供應(yīng)商提供的產(chǎn)品和服務(wù)描述為“幼兒”。他說(shuō)，AI技術(shù)供應(yīng)商“要求我們提供大量數(shù)據(jù)供AI學(xué)習(xí)”，話里流露出不滿?！耙孉I相關(guān)服務(wù)從幼兒長(zhǎng)到成年，需要付出的努力和回報(bào)似乎并不對(duì)等。我們覺(jué)得不值得這樣做?！?/p>

當(dāng)然，對(duì)于IT管理和員工薪酬支持等支持性質(zhì)的職能，公司可以選擇將整個(gè)流程外包（并傳輸所有數(shù)據(jù)）。不過(guò)，即使公司希望依賴(lài)外部支持，也需要內(nèi)部有相應(yīng)人員了解如何構(gòu)建問(wèn)題、處理數(shù)據(jù)并留意不斷變化的機(jī)遇。上文提到的這位首席信息官說(shuō)：“如果是五年前，我們會(huì)利用勞力套利，大量外包給勞力成本較低的供應(yīng)商。與此同時(shí)供應(yīng)商所做的就是開(kāi)始將這類(lèi)流程交給AI，經(jīng)常是在我們的系統(tǒng)里，用我們的設(shè)施，但技術(shù)是他們的。我并不認(rèn)為它們只是基于規(guī)則的自動(dòng)化，而這些供應(yīng)商能夠利用更為先進(jìn)的啟發(fā)法對(duì)這些工作進(jìn)行自動(dòng)化?！钡@種方法顯然不適合公司的特色產(chǎn)品或服務(wù)以及核心流程。

微軟研究院負(fù)責(zé)人埃里克·霍維茨（Eric Horvitz）認(rèn)為，科技行業(yè)正在迅速發(fā)展新模式，提供技術(shù)工具、使用公司專(zhuān)有的數(shù)據(jù)，即“向行業(yè)提供整套工具、計(jì)算和存儲(chǔ)器，以此推廣AI”。許多AI算法和工具已經(jīng)存在于公共平臺(tái)，如谷歌Tensor Flow、GitHub，以及技術(shù)提供商的應(yīng)用編程界面。霍維茨說(shuō)：“ 因?yàn)樽陨碛懈?jìng)爭(zhēng)空間，所以工具變得更加易于使用，參與了推廣和使用這些工具的組織能夠更好地發(fā)揮其性能。不是說(shuō)組織不必配備相應(yīng)的專(zhuān)業(yè)人員。有了工具和服務(wù)，事情會(huì)變得簡(jiǎn)單，但組織自身依然要有機(jī)器學(xué)習(xí)和AI方面的專(zhuān)業(yè)人員，這很重要。”

圖10先驅(qū)者在管理和領(lǐng)導(dǎo)力等方面能力總體更強(qiáng)

隱私和監(jiān)管

構(gòu)成AI的數(shù)據(jù)和算法不能只是準(zhǔn)確高效，還要滿足隱私和監(jiān)管方面的要求。調(diào)查中僅有一半受訪者表示自己所在行業(yè)有成型的數(shù)據(jù)隱私條款。

要確保數(shù)據(jù)隱私，應(yīng)當(dāng)有高效的數(shù)據(jù)治理方法和實(shí)踐。先驅(qū)者公司（73%）擁有良好的數(shù)據(jù)治理的比例高于試驗(yàn)者（34%）和被動(dòng)者（30%）（參閱圖10）。這個(gè)顯著的差異說(shuō)明了在發(fā)展AI能力上落后的公司面臨的又一個(gè)障礙。

數(shù)據(jù)問(wèn)題可以在監(jiān)管程度較高的行業(yè)看到，比如保險(xiǎn)，過(guò)去的保險(xiǎn)模式基于風(fēng)險(xiǎn)分擔(dān)機(jī)制，現(xiàn)在則轉(zhuǎn)向綜合預(yù)測(cè)具體風(fēng)險(xiǎn)元素的新方式。但一些屬性是不可觸及的禁區(qū)，例如，性別和宗教因素可以用來(lái)預(yù)測(cè)某些風(fēng)險(xiǎn)，但監(jiān)管方不允許這類(lèi)因素出現(xiàn)在應(yīng)用軟件和司法審判中。

其他金融市場(chǎng)的監(jiān)管者對(duì)透明度也有嚴(yán)格的要求。富國(guó)銀行的斯吉安托說(shuō)：“模型必須完全透明，隨時(shí)接受監(jiān)管者檢查。我們沒(méi)有選擇機(jī)器學(xué)習(xí)作為最終模型，是因?yàn)楸O(jiān)管規(guī)定常常要求解決方案少一些‘黑箱’，以便監(jiān)管者視察。但我們可以用機(jī)器學(xué)習(xí)算法評(píng)估模型的非線性結(jié)構(gòu)，加入變量和特征，以此對(duì)照傳統(tǒng)模型的結(jié)果?！?/p>

技術(shù)發(fā)展超過(guò)了消費(fèi)者的期待與偏好，企業(yè)和公共部門(mén)更謹(jǐn)慎地應(yīng)對(duì)AI項(xiàng)目涉及的隱私保護(hù)和客戶服務(wù)。一些金融服務(wù)提供商用聲音識(shí)別技術(shù)，識(shí)別電話里的客戶，節(jié)省驗(yàn)證身份的時(shí)間?？蛻舨⒉慌懦膺@種體驗(yàn)，部分原因是他們看重公司提供的服務(wù)，且信賴(lài)公司不會(huì)濫用相關(guān)技術(shù)和數(shù)據(jù)。與之相似，某技術(shù)供應(yīng)商提供基于AI的服務(wù)，運(yùn)用實(shí)時(shí)聲音數(shù)據(jù)情感分析，幫助客服中心識(shí)別客戶是否生氣。然而，不久的將來(lái)可能會(huì)出現(xiàn)不那么受歡迎的用法。幾年之后，中國(guó)的1.7億個(gè)攝像頭和美國(guó)的5000萬(wàn)個(gè)攝像頭都可能用于識(shí)別人臉。事實(shí)上，這類(lèi)用法已經(jīng)在上海抓到了亂穿馬路的行人。

人工智能技術(shù)以外的管理難題

AI需要的不止是駕馭數(shù)據(jù)。公司要引入AI，還面臨著許多管理方面的挑戰(zhàn)。

不出意料，來(lái)自先驅(qū)者組織的受訪者在一些綜合管理方面給自己所在公司評(píng)價(jià)較高，如視野和領(lǐng)導(dǎo)力、對(duì)變革的接受度和變革能力、長(zhǎng)遠(yuǎn)思考、業(yè)務(wù)和技術(shù)戰(zhàn)略緊密聯(lián)系，以及高效合作。這些能力與其他技術(shù)方面的轉(zhuǎn)變一樣，是優(yōu)秀公司必不可少的綜合能力。

不過(guò)還有一些具體的挑戰(zhàn)。高管仍然需要進(jìn)一步了解AI，深入思考如何基于AI開(kāi)展業(yè)務(wù)，并且更加廣泛地了解所在行業(yè)的競(jìng)爭(zhēng)情況。

挑戰(zhàn)一：培養(yǎng)對(duì)AI的直觀了解

高管和其他管理者至少要對(duì)AI有基本的了解，學(xué)者和高管都認(rèn)同這一點(diǎn)。名列《財(cái)富》100強(qiáng)的金融服務(wù)組織TIAA，管理的資產(chǎn)近萬(wàn)億，該公司企業(yè)數(shù)據(jù)管理總監(jiān)埃利奧特（J. D. Elliott）說(shuō)：“我不認(rèn)為每一位一線管理者都必須了解神經(jīng)網(wǎng)絡(luò)中深度學(xué)習(xí)和淺層學(xué)習(xí)的區(qū)別，但我覺(jué)得在應(yīng)用分析和數(shù)據(jù)的過(guò)程中要有一些基本的了解，知道我們擁有的技術(shù)可以得出更好、更準(zhǔn)確的結(jié)果和決策，比單靠直覺(jué)更好，這很重要?！倍鄠惗啻髮W(xué)羅特曼管理學(xué)院（Rotman School of Management）市場(chǎng)營(yíng)銷(xiāo)學(xué)教授阿維·戈德法布（Avi Goldfarb）說(shuō)：“你會(huì)擔(dān)心不懂AI的管理者看到一次預(yù)測(cè)準(zhǔn)確就覺(jué)得肯定每次都是對(duì)的，看見(jiàn)一次預(yù)測(cè)錯(cuò)了就覺(jué)得全部是錯(cuò)的?！盡IT媒體實(shí)驗(yàn)室負(fù)責(zé)人伊藤穰一（Joi Ito）認(rèn)為“每個(gè)管理者都必須對(duì)AI有直觀的了解?！?/p>

為了培養(yǎng)自己對(duì)數(shù)據(jù)的理解，許多高管去硅谷體驗(yàn)數(shù)字原住民生活、設(shè)計(jì)思維方式和快速試錯(cuò)文化等等。這些都是數(shù)字化業(yè)務(wù)發(fā)展的核心元素，但這樣的一趟旅行對(duì)了解AI沒(méi)有多少幫助。如果已經(jīng)接觸過(guò)機(jī)器人、自動(dòng)駕駛汽車(chē)和自動(dòng)撲克機(jī)，在AI公司也沒(méi)什么新鮮東西可體驗(yàn)了。管理者應(yīng)該花些時(shí)間學(xué)習(xí)AI基礎(chǔ)，可以從簡(jiǎn)單的網(wǎng)絡(luò)課程或在線工具起步。他們應(yīng)當(dāng)了解程序如何從數(shù)據(jù)中學(xué)習(xí)，最重要的或許是了解AI如何使某項(xiàng)具體的業(yè)務(wù)受益。

挑戰(zhàn)二：為AI調(diào)整組織

在整個(gè)公司廣泛應(yīng)用AI，會(huì)提高對(duì)軟技能和組織靈活性的重視，促進(jìn)新的合作形式，比如由人和機(jī)器一起組成項(xiàng)目團(tuán)隊(duì)。

我們的調(diào)查發(fā)現(xiàn)，公司為發(fā)展AI能力探索了許多方法。先驅(qū)者公司的組織模式相對(duì)平均地分布在集中式、分散式和混合式。研究者和試驗(yàn)者也在探索混合方式，但這兩類(lèi)公司有近30%尚未在組織內(nèi)設(shè)置清晰的AI職責(zé)。約70%的被動(dòng)者同樣尚未開(kāi)始為AI項(xiàng)目部署職責(zé)，也許部分原因是，只有不到50%的被動(dòng)者組織認(rèn)為AI會(huì)在未來(lái)五年里對(duì)本組織流程以及產(chǎn)品和服務(wù)產(chǎn)生大的影響。

歸根結(jié)底，最有效的或許是混合模式，因?yàn)樵S多公司在總部和分支機(jī)構(gòu)都需要AI資源。例如，TIAA有卓越分析中心，還有一系列分散的團(tuán)隊(duì)。TIAA的埃利奧特說(shuō)：“卓越中心不會(huì)為整個(gè)組織提供分析，而是為其他執(zhí)行AI及分析的內(nèi)部團(tuán)隊(duì)提供專(zhuān)業(yè)知識(shí)和指導(dǎo)?！?/p>

在阻礙AI的因素列表中，所有四類(lèi)公司都沒(méi)有把文化抵觸排在前面，但只有一半受訪者表示自己所在公司了解未來(lái)AI需求所要求的不同的知識(shí)和技能。平安保險(xiǎn)公司集團(tuán)執(zhí)行副總裁、集團(tuán)首席運(yùn)營(yíng)官兼首席信息官陳心穎（Jessica Tan）說(shuō)，自己所在公司面臨的最大挑戰(zhàn)始終是整合各業(yè)務(wù)單元合作，認(rèn)識(shí)到“人類(lèi)不想訓(xùn)練算法”的事實(shí)，建立集中和分散的技術(shù)團(tuán)隊(duì)，以及尋找合適的人才。公司找的主要是三類(lèi)人：有能力嘗試不同工作方式的技術(shù)人員，了解特定業(yè)務(wù)模塊的技術(shù)人員，以及具備咨詢(xún)或項(xiàng)目管理能力、能夠開(kāi)展溝通促進(jìn)合作的人。

圖11雖然大部分組織將AI戰(zhàn)略視作當(dāng)務(wù)之急，但只有半數(shù)制定了AI戰(zhàn)略

挑戰(zhàn)三：重新思考競(jìng)爭(zhēng)格局

超過(guò)60%的受訪者表示自己所在的組織迫切需要AI戰(zhàn)略，但只有一半人說(shuō)自己所在組織制定好了戰(zhàn)略（參閱圖11）。就公司規(guī)模來(lái)看，員工數(shù)量超過(guò)十萬(wàn)的大型公司最有可能制定好AI戰(zhàn)略，但只有一半（56%）大公司的確如此。

保險(xiǎn)公司富衛(wèi)集團(tuán)（FWD Group）首席技術(shù)及運(yùn)營(yíng)官埃米·霍（Amy Hoe）說(shuō)，她把訪問(wèn)數(shù)據(jù)的權(quán)限看作是自己公司競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵。FWD希望確保廣泛的數(shù)據(jù)來(lái)源，包括與其他公司合作，如電信、租車(chē)服務(wù)提供商，公司客戶、代理商、社交媒體、公共平臺(tái)和外部數(shù)據(jù)分析供應(yīng)商。數(shù)據(jù)量每過(guò)幾年就能翻倍，獲取數(shù)據(jù)特許權(quán)的工作永無(wú)止境。

下一步舉措

AI是否只是公司整體數(shù)字轉(zhuǎn)型中的一個(gè)環(huán)節(jié)，還是AI本身需要公司采取新的轉(zhuǎn)型方式？AI像其他數(shù)字化技術(shù)一樣，帶來(lái)了相似的問(wèn)題和挑戰(zhàn)，公司可以通過(guò)多種方式培養(yǎng)數(shù)字和分析能力。但AI也有其自身不同于其他技術(shù)的特點(diǎn)。

獲得客戶信任。AI能力與許多數(shù)字化項(xiàng)目類(lèi)似，要依靠客戶數(shù)據(jù)以及客戶信任公司會(huì)保護(hù)個(gè)人數(shù)據(jù)隱私。不過(guò)，要確保AI值得信賴(lài)，在幾個(gè)方面都不同于其他依賴(lài)數(shù)據(jù)的數(shù)字項(xiàng)目。第一，管理者可能無(wú)法具體解釋AI產(chǎn)品如何使用客戶個(gè)人數(shù)據(jù)得出特定結(jié)果，一些機(jī)器學(xué)習(xí)項(xiàng)目的內(nèi)部操作是不透明的；第二，越來(lái)越多的AI系統(tǒng)可以模擬人類(lèi)智能，管理者有責(zé)任向客戶說(shuō)明在某一情況下與之交流的是機(jī)器還是人；第三，一些AI系統(tǒng)有能力遠(yuǎn)距離評(píng)估情緒，識(shí)別個(gè)人信息。這種能力引起了新的信息管理問(wèn)題，例如哪些員工可以在何種情況下訪問(wèn)此類(lèi)信息。

開(kāi)展AI成熟度診斷。與數(shù)字化成熟度診斷相似，可以對(duì)組織從流程中的應(yīng)用到賦能基礎(chǔ)設(shè)施、技術(shù)能力、敏捷流程和快速試錯(cuò)氛圍進(jìn)行評(píng)估。AI的成功與很多數(shù)字項(xiàng)目一樣要依賴(lài)數(shù)據(jù)源，無(wú)論是現(xiàn)有的內(nèi)部、外部數(shù)據(jù)，還是投資建設(shè)數(shù)據(jù)系統(tǒng)。大公司可能擁有所需要的數(shù)據(jù)，但如果數(shù)據(jù)零散，相互沒(méi)有聯(lián)系，就會(huì)大大限制戰(zhàn)略制定和執(zhí)行。AI成熟度診斷與其他數(shù)字項(xiàng)目不同的是，要涉及AI訓(xùn)練所必需的技能評(píng)估，從AI系統(tǒng)的初步培養(yǎng)到具備智能，再到投入使用后的繼續(xù)學(xué)習(xí)。這一點(diǎn)是決定性的新特點(diǎn)，多數(shù)公司都需要自行培養(yǎng)這種能力?，F(xiàn)成的AI程序作用會(huì)受到公司這方面能力和相關(guān)工作的限制。

迎接不確定性。好創(chuàng)意來(lái)自于時(shí)間的打磨，這句話適用于數(shù)字技術(shù)，更適用于AI。公司往往根據(jù)項(xiàng)目的預(yù)估價(jià)值和得到結(jié)果所需的時(shí)間來(lái)為項(xiàng)目排序，但AI項(xiàng)目很難評(píng)估。因此，AI的試驗(yàn)和學(xué)習(xí)時(shí)間可能比其他數(shù)字項(xiàng)目更長(zhǎng)，成功和失敗的不確定性也更高。管理者必須做好準(zhǔn)備，應(yīng)對(duì)更高的不確定性，這會(huì)影響他們是否能妥善對(duì)項(xiàng)目和投資進(jìn)行排序。

開(kāi)展基于情景的規(guī)劃。AI像其他數(shù)字技術(shù)一樣，可能會(huì)改變商業(yè)在跨市場(chǎng)、流程和職能上創(chuàng)造價(jià)值的方式。AI對(duì)思考的要求更高，因?yàn)锳I會(huì)影響以知識(shí)與判斷為基礎(chǔ)的專(zhuān)業(yè)領(lǐng)域，而市場(chǎng)新進(jìn)入者可能會(huì)是機(jī)器。因此，公司必須對(duì)業(yè)務(wù)進(jìn)行更廣泛的思考，建立對(duì)未來(lái)發(fā)展的全景圖，在這種圖景下檢測(cè)本公司未來(lái)規(guī)劃的適應(yīng)性。這類(lèi)基于情景的規(guī)劃能讓企業(yè)更好地識(shí)別會(huì)對(duì)自身業(yè)務(wù)帶來(lái)深刻影響的事件。

對(duì)人的重視。AI必然給員工帶來(lái)不安，畢竟連最淵博的專(zhuān)家都很難斷言程序會(huì)有怎樣的表現(xiàn)，什么職能或流程應(yīng)當(dāng)禁止引入AI，什么時(shí)候應(yīng)當(dāng)阻止AI。AI對(duì)員工目前工作和職業(yè)發(fā)展造成威脅，容易讓員工焦慮不安。AI項(xiàng)目中應(yīng)當(dāng)為AI活動(dòng)劃定重點(diǎn)，制定清晰的工作計(jì)劃，說(shuō)明應(yīng)用范圍和方式，包括日常交流、教育和培訓(xùn)。吸引和培養(yǎng)具備商業(yè)和技術(shù)兩方面能力的人才至關(guān)重要，組建跨職能團(tuán)隊(duì)的能力也同樣重要，需要個(gè)人和組織都具備靈活性。

對(duì)未來(lái)的影響

AI應(yīng)用可能將對(duì)工作、價(jià)值創(chuàng)造以及競(jìng)爭(zhēng)優(yōu)勢(shì)產(chǎn)生深遠(yuǎn)影響。在不久的將來(lái)，公司如何應(yīng)對(duì)這些改變？

調(diào)整工作結(jié)構(gòu)

AI越來(lái)越多地應(yīng)用于知識(shí)型工作，工作內(nèi)容可能會(huì)發(fā)生重大轉(zhuǎn)變，影響中產(chǎn)階級(jí)的許多工作。我們的調(diào)查結(jié)果與最近對(duì)AI取代人工的悲觀預(yù)測(cè)相反，顯示出謹(jǐn)慎的樂(lè)觀。多數(shù)受訪者認(rèn)為，未來(lái)五年里AI不會(huì)減少自己所在組織的工作崗位。近70%的受訪者表示并不害怕AI取代自己的工作。希望AI幫助自己處理一些令人厭煩的任務(wù)的受訪者比例與此近似。不過(guò)，受訪者普遍同意，AI既要求員工在未來(lái)五年里學(xué)習(xí)新的技能，又會(huì)強(qiáng)化他們目前的能力（參閱圖12）。

圖12關(guān)于AI在未來(lái)五年對(duì)勞動(dòng)力的影響，受訪組織持謹(jǐn)慎樂(lè)觀的態(tài)度

綜合來(lái)看，調(diào)查結(jié)果傾向于調(diào)整，而非消滅。MIT斯隆管理學(xué)院Schussel Family教席教授埃里克·布萊恩喬弗森（Erik Brynjolfsson）說(shuō)：“即使AI迅速進(jìn)步，也不可能迅速取代大部分工作。不過(guò)在幾乎所有行業(yè)，都會(huì)有運(yùn)用AI的人逐漸取代不用AI的人，這個(gè)趨勢(shì)只會(huì)越來(lái)越快?！?/p>

改變價(jià)值創(chuàng)造

AI將在哪些領(lǐng)域創(chuàng)造、毀滅或改變經(jīng)濟(jì)價(jià)值呢？

以醫(yī)療行業(yè)為例。醫(yī)療是全世界最大、復(fù)原力最強(qiáng)的一個(gè)經(jīng)濟(jì)活動(dòng)來(lái)源。醫(yī)療支出占了美國(guó)經(jīng)濟(jì)的1/6，在經(jīng)濟(jì)合作與發(fā)展組織（OECD）成員國(guó)經(jīng)濟(jì)中平均占到1/10。AI正在改變醫(yī)療價(jià)值鏈：機(jī)器讀取醫(yī)療診斷圖像，外科醫(yī)生依靠機(jī)器人完成手術(shù)，越來(lái)越多的實(shí)時(shí)醫(yī)療設(shè)備貢獻(xiàn)和交流數(shù)據(jù)，改進(jìn)預(yù)防性和慢性醫(yī)療措施。

AI會(huì)在某一行業(yè)中創(chuàng)造價(jià)值，但具體到組織會(huì)受何種影響，現(xiàn)在尚無(wú)法確定。IT提供商、醫(yī)療制品公司、放射醫(yī)師、醫(yī)院、專(zhuān)業(yè)化的創(chuàng)業(yè)公司乃至保險(xiǎn)公司，都想利用AI改善和降低診斷成本，AI對(duì)各組織的影響可能并不均衡。

現(xiàn)在還無(wú)法確定醫(yī)療行業(yè)中哪類(lèi)組織會(huì)因AI受益。但如果解決了監(jiān)管問(wèn)題，這個(gè)行業(yè)可以提供大量詳實(shí)的數(shù)據(jù)。正如慕尼黑再保險(xiǎn)公司（Munich Re Group）的再保險(xiǎn)業(yè)務(wù)發(fā)展負(fù)責(zé)人馬庫(kù)斯·溫特（Marcus Winter）所說(shuō)的，“當(dāng)今世界隨著大數(shù)據(jù)的迅速發(fā)展，很少有獨(dú)家的數(shù)據(jù)了。多數(shù)時(shí)候我們都可以從其他渠道獲得自己需要知道的信息。”換言之，數(shù)據(jù)和AI算法組合在一起，催生了新的更高效的變通方案。例如，如果診斷圖像不可用，那么可以參考更準(zhǔn)確的血樣或其他體液分析來(lái)進(jìn)行診斷。因此，很難預(yù)測(cè)價(jià)值創(chuàng)造會(huì)發(fā)生怎樣的變化。

打造競(jìng)爭(zhēng)優(yōu)勢(shì)

管理者希望目前AI相關(guān)產(chǎn)品或流程能有顯著的改進(jìn)。然而此舉無(wú)法創(chuàng)造可持續(xù)的競(jìng)爭(zhēng)優(yōu)勢(shì)——如果每個(gè)人都達(dá)到同樣的效率，行業(yè)基線就會(huì)改變。要讓AI成為未來(lái)戰(zhàn)略的重要一環(huán)，公司必須設(shè)法讓人類(lèi)和電腦相互促進(jìn)，創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)。要做到這一點(diǎn)并不容易：首先，公司需要明確數(shù)據(jù)權(quán)限，而我們看到現(xiàn)在許多公司做不到；其次，公司必須學(xué)習(xí)讓人和機(jī)器高效合作，目前只有很少的幾家先驅(qū)者公司具備這種能力；最后，公司還必須有靈活的組織結(jié)構(gòu)，這意味著公司和員工都要應(yīng)對(duì)文化上的轉(zhuǎn)型。

如今幾乎所有公司都需要應(yīng)對(duì)AI的規(guī)劃。多數(shù)公司并沒(méi)有，已經(jīng)落后的公司要努力趕上去。如果繼續(xù)落后，這些公司會(huì)發(fā)現(xiàn)自己在行業(yè)內(nèi)的處境會(huì)越來(lái)越艱難。

長(zhǎng)遠(yuǎn)的未來(lái)

參與調(diào)查者和多數(shù)受訪者都只展望了今后五年里AI帶來(lái)的變化。但AI帶來(lái)的更加戲劇化的影響會(huì)在10到20年內(nèi)發(fā)生。在這期間，我們會(huì)看到什么？

自動(dòng)完成任務(wù)，不等于自動(dòng)完成工作。歷史表明，工作隨著任務(wù)變化而演進(jìn)。BP的艾哈邁德·哈什米說(shuō)，公司的工程師曾經(jīng)花大量時(shí)間尋找數(shù)據(jù)組織成報(bào)告，但“現(xiàn)在這個(gè)過(guò)程交給AI了。我們有一個(gè)數(shù)據(jù)庫(kù)，讓工程師可以訪問(wèn)所有數(shù)據(jù)。工程師的數(shù)量沒(méi)變，但他們更多的精力用在改進(jìn)業(yè)務(wù)，而不是尋找數(shù)據(jù)之類(lèi)的準(zhǔn)備工作?！睋Q言之，在高科技行業(yè)，將重復(fù)性的任務(wù)交給AI，并不代表將全部工作交給AI。

AI創(chuàng)造就業(yè)。組織對(duì)AI依賴(lài)度提升，在滿足目前需求的同時(shí)會(huì)創(chuàng)造新的需求。例如，保險(xiǎn)公司的工作位列“瀕危工種”榜首，但AI同時(shí)也拓寬了可保險(xiǎn)事件的范疇。怡安風(fēng)險(xiǎn)咨詢(xún)（Aon Risk Solutions）COO詹姆斯·普拉特（James Platt）曾說(shuō)過(guò)，“人們想確保自己避免的許多事情，比如品牌和名譽(yù)風(fēng)險(xiǎn)，或者更廣泛的網(wǎng)絡(luò)安全保險(xiǎn)，現(xiàn)在已經(jīng)‘不可確保’。沒(méi)有人能提供這種保險(xiǎn)”。現(xiàn)在有了新的風(fēng)險(xiǎn)評(píng)估方式，保險(xiǎn)公司可以開(kāi)始提供這類(lèi)新服務(wù)了。杜克大學(xué)人類(lèi)及自動(dòng)實(shí)驗(yàn)室（Humans and Autonomy Laboratory）總監(jiān)米西·康明斯（Missy Cummings）說(shuō)：“我們通常不會(huì)想到的是，隨著新技術(shù)帶來(lái)新的業(yè)務(wù)，新的工作也會(huì)出現(xiàn)?！?/p>

2016年世界經(jīng)濟(jì)論壇（WEF）報(bào)告《未來(lái)的工作》（The Future of Jobs）指出，“目前的就業(yè)格局即將瓦解，但這種瓦解更為復(fù)雜多樣，其原因不止是自動(dòng)化” 。簡(jiǎn)言之，改變工作性質(zhì)的不止是數(shù)字技術(shù)和AI。包括AI在內(nèi)的技術(shù)變革讓員工終生學(xué)習(xí)，接受事業(yè)靈活性，這已經(jīng)不是新聞了，但正如WEF報(bào)告中所說(shuō)的，起作用的不止是技術(shù)：“技術(shù)、社會(huì)經(jīng)濟(jì)、地緣政治和人口發(fā)展以及這些因素間的相互作用會(huì)催生新的工作和職位，也會(huì)部分取代或完全取代一些工作。它們會(huì)改變?cè)S多行業(yè)的工作所需要的技能，改變?nèi)藗児ぷ鞯姆绞健！蔽覀円惨呀?jīng)看到，數(shù)字技術(shù)被用來(lái)解決這個(gè)問(wèn)題。隨著AI的擴(kuò)展，人類(lèi)有了很多新的選擇可供學(xué)習(xí)：增強(qiáng)現(xiàn)實(shí)、新的培訓(xùn)工具、在線教育（比如大規(guī)模開(kāi)放在線課程MOOC和優(yōu)達(dá)學(xué)城的“nanodegrees”）都在迅速發(fā)展。

在這樣一種更為廣闊的社會(huì)、人口、環(huán)境和全球政治發(fā)展的背景之下，預(yù)測(cè)AI對(duì)就業(yè)水平的影響很困難，因?yàn)檫@些因素相互牽扯。不過(guò)，AI可以幫助人們預(yù)測(cè)就業(yè)市場(chǎng)接下來(lái)的變動(dòng)，發(fā)現(xiàn)（并滿足）新的培訓(xùn)勞動(dòng)力的需求，以此緩沖它自身及其他因素造成的影響。

即便如此，我們也不能松懈。企業(yè)不該被全球性的不確定性嚇住，需要采取行動(dòng)時(shí)就要采取行動(dòng)。例如，印孚瑟斯為12萬(wàn)員工提供設(shè)計(jì)思維培訓(xùn)。這種新能力讓員工有能力構(gòu)建一系列新的基于AI的服務(wù)，也有能力將以往的業(yè)務(wù)流程自動(dòng)化。

Sam Ransbotham（薩姆·蘭斯博撒姆）

是波士頓學(xué)院卡羅爾商學(xué)院（Carroll School of Business）信息系統(tǒng)系副教授，《MIT斯隆管理評(píng)論》（MIT Sloan Management Review）人工智能大思路項(xiàng)目（Artificial Intelligence Big Ideas Initiative）客座編輯。

David Kiron（戴維·吉隆）

是《MIT斯隆管理評(píng)論》主編，該刊將學(xué)者的理論介紹給管理者付諸實(shí)踐。

Philipp Gerbert（菲利普·格伯特）

是波士頓咨詢(xún)公司（BCG）德國(guó)慕尼黑辦公室資深合伙人兼董事總經(jīng)理，BCG數(shù)字化戰(zhàn)略專(zhuān)題的全球負(fù)責(zé)人，也是BCG亨德森智庫(kù)（Henderson Institute）研究成員，專(zhuān)門(mén)研究人工智能帶來(lái)的商業(yè)影響。

Martin Reeves（馬丁·里夫斯）

是波士頓咨詢(xún)公司資深合伙人兼董事總經(jīng)理，BCG亨德森智庫(kù)的全球負(fù)責(zé)人。BCG亨德森智庫(kù)致力于為具備前瞻思維的商界領(lǐng)袖帶來(lái)創(chuàng)意和啟發(fā)。