企業(yè)如何發(fā)揮人工智能的作用

近年來，人工智能已邁出機房，步入主流行業(yè)。BCG和《MIT斯隆管理評論》所進行的研究表明，人工智能將在未來五年內(nèi)對所有行業(yè)產(chǎn)生重大影響。進一步研究發(fā)現(xiàn)，超過70%的高管希望人工智能在其公司中發(fā)揮重要作用。

今天的人工智能算法能夠支持非常精確的機器視覺、聽覺和語音，并可以訪問全球信息庫。由于深度學(xué)習和其它先進的人工智能技術(shù)的發(fā)展、驚人的數(shù)據(jù)增長水平以及原始信息和數(shù)據(jù)處理能力的不斷提高，人工智能的性能得以不斷改善。

這些發(fā)展導(dǎo)致人工智能商業(yè)應(yīng)用的爆炸式發(fā)展，就像寒武紀時代，視覺系統(tǒng)的發(fā)展促使物種多樣性在世界范圍內(nèi)顯著增加。同其它時代一樣，這個新時代將會有贏家和輸家。但我們與麻省理工學(xué)院的研究表明，如果繼續(xù)按照目前的模式發(fā)展下去，兩者之間的差距會變得巨大而嚴峻。數(shù)據(jù)顯示，即使在同一行業(yè)內(nèi)，不同公司對人工智能理解和應(yīng)用的程度也有顯著不同。以保險業(yè)為例，中國平安集團五年前已開始開發(fā)人工智能，目前正將這項技術(shù)融入到各項服務(wù)中，而其它保險公司才剛剛開始嘗試最簡單的應(yīng)用?？傮w而言，許多公司的高管認為他們的組織對人工智能缺乏基本的了解。

作為了解人工智能的起點，本報告旨在提供對人工智能直觀而實用的理解（參閱 “關(guān)于人工智能，管理者應(yīng)當知曉的十個事項”）。在更深的層次上，本報告還討論了許多當前和潛在的人工智能應(yīng)用案例，并探討了人工智能對產(chǎn)業(yè)價值池、未來工作及尋求競爭優(yōu)勢的影響。最后，本報告就如何在大型組織內(nèi)引入和傳播人工智能提供了一些實踐指導(dǎo)。

人工智能不是一個現(xiàn)成的解決方案

人工智能并非一款“即插即用”的產(chǎn)品。企業(yè)不能簡單地“購買智能”并將其應(yīng)用于解決它們的問題。雖然人工智能各技術(shù)要素已存在于市場上，但是對數(shù)據(jù)、流程和技術(shù)之間相互影響而進行管理的復(fù)雜工作卻需要在企業(yè)內(nèi)部進行。

應(yīng)用人工智能的概念框架非常直觀（圖 1）。簡而言之，人工智能的算法能夠輸入數(shù)據(jù)，處理數(shù)據(jù)，然后生成行動。這個過程依賴于多層技術(shù)合理整合，但企業(yè)通常并不明確從數(shù)據(jù)到行動的具體路徑。

從數(shù)據(jù)到行動

與大數(shù)據(jù)或傳統(tǒng)數(shù)據(jù)分析的數(shù)據(jù)處理需求相比，人工智能的數(shù)據(jù)處理需求有幾個基本的不同之處：

·數(shù)據(jù)、訓(xùn)練和處理。純粹的人工智能算法是一行行簡單的計算機代碼。它們本身并不智能，需要感官輸入和反饋來開發(fā)智能。在可預(yù)見的將來，人工智能的訓(xùn)練需要企業(yè)特定數(shù)據(jù)和投入。數(shù)據(jù)科學(xué)家必須為機器學(xué)習的訓(xùn)練提供大量的數(shù)據(jù)，從而對無數(shù)的關(guān)聯(lián)關(guān)系進行加權(quán)處理，最終形成針對特定數(shù)據(jù)進行智能分析的算法。這種經(jīng)典的歸納方法解釋了為什么人工智能經(jīng)常需要海量數(shù)據(jù)。

·行動。通過訓(xùn)練的算法可以接受實時數(shù)據(jù)并采取行動——例如信用評分決策及其向客戶的自動交付、基于醫(yī)學(xué)圖像的癌癥診斷、抑或是無人駕駛的汽車左轉(zhuǎn)掉頭匯入對向車流。雖然這個數(shù)據(jù)到行動的過程與標準的計算機程序運作并無差別，但是一套人工智能系統(tǒng)會不斷地學(xué)習和改變自己。因此，數(shù)據(jù)是行動和自我改善的源泉——就像一個企業(yè)主管，他根據(jù)事實做出決定，并利用這些事實來完善未來的決策。

建立從數(shù)據(jù)到行動過程是一項艱苦的工作。企業(yè)無法在市場上有效地購買，而那些試圖逃避這一工作或采取捷徑的公司將會失望。 BCG與《MIT斯隆管理評論》聯(lián)合撰寫的文章引用了一位制藥公司經(jīng)理的話，將人工智能供應(yīng)商提供的產(chǎn)品和服務(wù)描述為“非常年幼的孩子”。供應(yīng)商“要求我們給他們提供大量的信息以供他們學(xué)習，”該經(jīng)理表示沮喪?！盀槭谷斯ぶ悄芊?wù)成長到 17歲、 18歲或 21歲所付出的努力，目前看來似乎并不值得?！?/p>

在可預(yù)見的未來，大多數(shù)企業(yè)將需要依靠內(nèi)部數(shù)據(jù)科學(xué)家來查找、收集、整理和創(chuàng)建數(shù)據(jù)源，并開發(fā)和訓(xùn)練針對企業(yè)的人工智能系統(tǒng)。當然，企業(yè)可以將整個流程或活動（如人力資源）與所有相關(guān)數(shù)據(jù)一起外包給服務(wù)提供商。但如果將其外包給同時為多個客戶提供服務(wù)的供應(yīng)商，企業(yè)本身將喪失獲得競爭優(yōu)勢的機會。

人工智能的基礎(chǔ)

幸運的是，并非所有的人工智能都必須在企業(yè)內(nèi)部開發(fā)。企業(yè)可從市場獲得支持平臺和技術(shù)，可以租用云端的計算能力，也可以將其本地部署在配置了特定硬件的場所。這些硬件能夠并行處理許多任務(wù)——這也是人工智能技術(shù)（如深度神經(jīng)網(wǎng)絡(luò)）的基本功能。基于開源代碼，企業(yè)也可以快速開發(fā)人工智能數(shù)據(jù)架構(gòu)。大多數(shù)前沿的人工智能算法均已對外開放，頂尖科學(xué)家們將繼續(xù)發(fā)布和開源針對這些算法的進一步研究。此外，人工智能平臺（如谷歌的TensorFlow）已被作為一種服務(wù)向客戶提供。

企業(yè)也可以使用被稱為人工智能模塊的產(chǎn)品。機器視覺等模塊比純粹的算法更為實用，但不能完全獨立運行。人工智能的使用依賴于其中一個或多個模塊，而每個模塊則依賴于算法、應(yīng)用程序界面和可用于訓(xùn)練的數(shù)據(jù)。根據(jù)研究和經(jīng)驗，我們挑選出十個正在快速發(fā)展的模塊（參閱 “人工智能模塊”）。高管們需要了解這些模塊的功能和潛在價值。今天看來很難做到的事情，在未來幾年可能很容易做到。同樣在現(xiàn)在不可能實現(xiàn)的事，在未來三到五年內(nèi)也許會成為可能。

對于那些想要處于領(lǐng)先地位的公司，市場并不總能提供最好的選擇。在平安保險打算利用面部識別技術(shù)時，他們并不滿意市面上已有產(chǎn)品的性能，因此自己打造了相應(yīng)的產(chǎn)品。由平安內(nèi)部開發(fā)的系統(tǒng)比其它商業(yè)解決方案能夠更好地識別中國人的臉部輪廓和特征，并且該技術(shù)已在各種應(yīng)用中識別了3億多張面孔。這項技術(shù)完善了平安包括語音和圖像識別在內(nèi)的認知系統(tǒng)。這家保險公司的經(jīng)驗表明，所有公司都應(yīng)該評估其通過使用人工智能模塊來獲得競爭優(yōu)勢的能力。

人工智能的使用

人工智能在商業(yè)中的廣泛應(yīng)用程度仍然很低：根據(jù)我們和麻省理工學(xué)院的調(diào)查，20家公司中僅有1家已廣泛地使用人工智能。盡管如此，每個行業(yè)都有在人工智能領(lǐng)域處于領(lǐng)先地位的企業(yè)。即使沒有一家企業(yè)出色地應(yīng)用人工智能的所有功能，但是很多企業(yè)正在使用人工智能創(chuàng)造巨大的商業(yè)價值。以下使用案例來自多個行業(yè)、涉及各種組織職能和流程，這些案例展示了人工智能的普遍性及其在正確運用下的高效性。

營銷與銷售

人工智能使企業(yè)有機會為客戶提供個性化的服務(wù)、廣告和互動。其中的收益是巨大的。通過引入高階數(shù)字技術(shù)及運用專有數(shù)據(jù)來創(chuàng)造個性化體驗的品牌可以提高 6%至 10%的收入——是不采用人工智能技術(shù)品牌的兩到三倍。據(jù)BCG估計，僅在零售、醫(yī)療保健和金融服務(wù)領(lǐng)域，未來五年內(nèi)將有8000億美元的收入流向排名前15%的個性化公司。

許多成功的個性化最佳實踐已在快速發(fā)展的零售業(yè)中出現(xiàn)。例如，一家全球零售商使用會員 APP中的數(shù)據(jù)（包括位置、時間和購買頻率），深入了解其客戶的每周日?；顒印Ｍㄟ^將數(shù)百萬的個人數(shù)據(jù)點與一般消費者趨勢信息相結(jié)合，該零售商建立了一個實時營銷系統(tǒng)，目前每周可為客戶提供 50萬個定制產(chǎn)品。

在一些銷售和營銷組織中，人工智能并非體現(xiàn)在流程自動化方面，而是提高了組織績效。例如，一家有多條產(chǎn)品線的保險公司依靠機器學(xué)習對客戶進行細分，并結(jié)合客戶需求與保險公司的目標，向公司的銷售代理推薦“下一個最佳產(chǎn)品”。為了實現(xiàn)這個目標，保險公司建立了一個客戶保險需求模型，覆蓋生命周期不同的階段。該模型依賴于復(fù)雜的算法，其中包含超過 1000個靜態(tài)和動態(tài)變量，涵蓋人口統(tǒng)計、政策、代理人任期和銷售歷史數(shù)據(jù)。因此，保險公司可以將特定保單與具體客群下的個別客戶相匹配。該系統(tǒng)有望增加 30%的交叉銷售。保險公司還可以使用機器學(xué)習，通過處理地域、競爭和代理人業(yè)績數(shù)據(jù)來優(yōu)化銷售。

這類案例展示了人工智能在零售或金融銷售服務(wù)等分散環(huán)境中的有效性，這些環(huán)境下人工智能受益于豐富的情境和具體的客戶數(shù)據(jù)。合理構(gòu)建的試點項目通常能夠在四至六周內(nèi)實現(xiàn)概念驗證，并有助于確定整個項目全面上線所必要的數(shù)據(jù)架構(gòu)和技能基礎(chǔ)。

研究與開發(fā)

與營銷和銷售相比，研發(fā)是人工智能應(yīng)用中一個不太成熟的領(lǐng)域。研發(fā)產(chǎn)生的數(shù)據(jù)比大型連鎖零售要少得多，而且往往不能以數(shù)字化方式獲取這些數(shù)據(jù)。此外，很多研發(fā)問題不僅復(fù)雜、技術(shù)性強，還受到嚴格的科學(xué)約束。即便如此，人工智能在這個領(lǐng)域仍具有極大的潛力。例如，在以研發(fā)為主要利潤驅(qū)動因素的生物制藥行業(yè)，人工智能可以幫助降低成本并縮短開發(fā)周期。

Citrine Informatics是一個旨在加速產(chǎn)品開發(fā)的人工智能平臺，展示了應(yīng)對有限數(shù)據(jù)這一挑戰(zhàn)的方法。大多數(shù)已發(fā)表的研究都偏重于成功的實驗，并考慮資助機構(gòu)的潛在利益。 Citrine通過與研究機構(gòu)建立的大型關(guān)系網(wǎng)絡(luò)收集未發(fā)表的數(shù)據(jù)，從而克服了這一限制。 Citrine的聯(lián)合創(chuàng)始人兼首席科學(xué)家 Bryce Meredig表示：“負面數(shù)據(jù)幾乎從未公布。但是，負面結(jié)果的原始數(shù)據(jù)對建立一個毫無偏差的數(shù)據(jù)庫而言至關(guān)重要?！边@種綜合方法使公司能夠?qū)⑻囟☉?yīng)用的研發(fā)時間縮減一半。

在工業(yè)品領(lǐng)域，領(lǐng)先的制造商通過人工智能、工程軟件和操作數(shù)據(jù)（如：維修頻率）的結(jié)合，來優(yōu)化設(shè)計。人工智能在增材制造（也稱為3D打?。┑脑O(shè)計開發(fā)方面頗有助益，因為其算法驅(qū)動的流程不受工程慣例約束。

積極的數(shù)據(jù)收集應(yīng)該成為研發(fā)流程中人工智能試點的關(guān)鍵元素。數(shù)據(jù)收集活動也許有必要與大學(xué)合作，將過去的記錄數(shù)字化，甚至重新生成數(shù)據(jù)。由于從事研發(fā)需要專業(yè)的知識和技能，一鍵式的人工智能解決方案幾乎不存在。相反，科學(xué)家必須依靠系統(tǒng)的試驗來構(gòu)建未來人工智能應(yīng)用所需的數(shù)據(jù)清單。

運營

運營的實踐和流程與人工智能自然契合。這些實踐和流程常常擁有類似的操作程序和步驟，產(chǎn)生大量的數(shù)據(jù)和可測量的輸出信息。許多被某個單一行業(yè)應(yīng)用人工智能概念也會在另一行業(yè)中起作用。目前，包括預(yù)測性維護和非線性生產(chǎn)優(yōu)化在內(nèi)的被廣泛應(yīng)用的人工智能技術(shù)是基于全面分析生產(chǎn)環(huán)境各項要素，而非按順序或孤立地進行分析。

一家煉油廠想要預(yù)測和避免一個重要的氣化爐發(fā)生故障停機（該氣化爐負責將精煉過程中的殘余產(chǎn)物轉(zhuǎn)化為用于發(fā)電的、有價值的合成氣）。如果該氣化爐意外故障停機會導(dǎo)致發(fā)電暫停一個月，必將造成巨大損失。盡管煉油廠已經(jīng)積累了大量有關(guān)日常運作的數(shù)據(jù)，但是并未清楚地了解哪些具體因素會導(dǎo)致該氣化爐的故障停機。傳統(tǒng)的工程模型無法完全描述上千種可能導(dǎo)致故障的變量之間所存在的復(fù)雜的相互依賴關(guān)系。

煉油廠的工程師與數(shù)據(jù)科學(xué)家密切合作，使用人工智能來確定故障原因。通過機器學(xué)習算法導(dǎo)入六年的運行數(shù)據(jù)和維護信息，人工智能模型成功量化了所有關(guān)鍵因素（包括原料種類、產(chǎn)出質(zhì)量和溫度）對整體性能的影響，工程師們從而能夠判斷該氣化爐是否可在計劃維護的間隔時段內(nèi)繼續(xù)運行。

工程師們根據(jù)機器學(xué)習算法產(chǎn)生的洞察，設(shè)計了一個基于規(guī)則的透明系統(tǒng)，用于調(diào)整蒸汽和氧氣等變量的關(guān)鍵運行設(shè)置，使設(shè)備能夠在計劃維護間隔時段內(nèi)保持運行。該系統(tǒng)可以最大限度地減少機組意外停機的風險，并減少維護計劃的短期變化，從而產(chǎn)生顯著的經(jīng)濟效益。

預(yù)測性維護的解決方案對于人來說也同樣適用。一家從美國聯(lián)邦醫(yī)療保險收取固定費用的美國保險公司，希望利用人工智能來減少醫(yī)?；颊卟槐匾目丛\。該保險公司將病史數(shù)據(jù)（例如藥物不良反應(yīng)）和病例管理記錄提供給機器學(xué)習系統(tǒng)。該系統(tǒng)將客戶進行智能分類，并為預(yù)防措施提供了實用的建議。例如現(xiàn)已證實，近期內(nèi)喪偶的患者將來需要醫(yī)療干預(yù)和預(yù)防性護理的幾率會很高。這些洞察使得支付方能夠重新設(shè)計保險項目，從而每年節(jié)省 6.5億美元的潛在支出。

除了維護之外，一位冶煉廠還利用人工智能和非線性優(yōu)化來提高銅的純度，這是工程師們多年來都在嘗試的事情。工程師們與數(shù)據(jù)科學(xué)家團隊合作，將五年的歷史數(shù)據(jù)錄入到一個神經(jīng)網(wǎng)絡(luò)中。該系統(tǒng)建議改變生產(chǎn)，結(jié)果銅純度提高了 2%，冶煉廠的利潤也隨之增長了兩倍。而這一工作僅耗時六周，且無需額外的資金或運營開支。

采購和供應(yīng)鏈管理

在采購領(lǐng)域，結(jié)構(gòu)化的數(shù)據(jù)和重復(fù)交易屬于常見現(xiàn)象，因此人工智能具有巨大潛力，但在很大程度上還未實現(xiàn)應(yīng)用。今天的機器能夠擊敗世界頂級撲克玩家，還能進行證券交易，但是至少在公開場合，機器還未顯示出其在企業(yè)采購中智勝供應(yīng)商的能力（企業(yè)可能會使用支持人工智能的采購系統(tǒng)，但不會告知供應(yīng)商或其他任何人，從而保持其競爭優(yōu)勢）。為人所知的采購應(yīng)用人工智能包括聊天機器人、半自動的合同設(shè)計和審查，以及根據(jù)新聞、天氣、社交媒體和需求分析提出的采購建議。人工智能的增強應(yīng)用甚至是自動化采購現(xiàn)在才開始出現(xiàn)。

供應(yīng)鏈管理和物流則截然不同。這些流程可以直接使用歷史數(shù)據(jù)，從而自然成為機器學(xué)習應(yīng)用的目標。

一家全球化的金屬公司最近建立了一系列機器學(xué)習引擎，用于協(xié)助管理其整個供應(yīng)鏈，并預(yù)測需求和定價。該公司將40多個數(shù)據(jù)庫、 ERP系統(tǒng)和其它報表系統(tǒng)集成到一個數(shù)據(jù)湖中?；谶@些變化，系統(tǒng)現(xiàn)在能夠識別和預(yù)測復(fù)雜且難懂的需求模式將如何影響整個供應(yīng)鏈。例如，美國玉米一周的收成變化會對鋁供應(yīng)鏈產(chǎn)生全球性影響，因為鋁是一種常見的玉米包裝材料。該公司的這一項目還幫助客戶服務(wù)水平提高了30%至50%。此外，該公司還將在三年內(nèi)實現(xiàn)2%至4%的利潤率增長，并在兩年內(nèi)減少4至10天的庫存時間。

這個案例突顯出數(shù)據(jù)、數(shù)據(jù)準備和數(shù)據(jù)集成對于實現(xiàn)人工智能的重要性。相對于構(gòu)造機器學(xué)習模型而言，收集數(shù)據(jù)和構(gòu)建數(shù)據(jù)基礎(chǔ)結(jié)構(gòu)需要花費更多的時間。

后臺職能

企業(yè)通常會外包部分后臺職能，這一現(xiàn)象在各個機構(gòu)中都很相似。如今企業(yè)很快就可以為這些流程購買人工智能解決方案。 IBM、埃森哲和印度四大巨頭（HCL、Infosys、 Wipro、 Tata）等外包巨頭正在進行大規(guī)模的人工智能開發(fā)。這些公司將重點從強調(diào)降低勞動力成本和規(guī)模轉(zhuǎn)向建設(shè)智能和自動化平臺，以提供更高附加值的服務(wù)。

許多服務(wù)機構(gòu)開始認識到人工智能與機器人流程自動化（RPA）相結(jié)合的好處。他們使用基于規(guī)則運行的軟件機器人來代替人類常規(guī)工作，然后通過人工智能增強靈活性、智能性和學(xué)習能力。這種方法結(jié)合了機器人流程自動化的成本迅速回收和人工智能的高階潛能。

為了取代人類工作，一家亞洲銀行安裝了能夠即時學(xué)習的機器人流程自動化和人工智能系統(tǒng)。這些系統(tǒng)只將不確定該如何處理的工作轉(zhuǎn)給人工進行處理，這使得該銀行能夠降低20%的成本，并將用于某些流程的時間從幾天縮短到幾分鐘。

人工智能在產(chǎn)品和服務(wù)中的應(yīng)用

與之前大多數(shù)案例不同，涉及提供高階產(chǎn)品和服務(wù)的人工智能應(yīng)用程序（如數(shù)字私人助理、自動駕駛車輛和智能投顧）往往受到很多關(guān)注。提供人工智能服務(wù)的公司急切地向公眾展示這些高階產(chǎn)品和服務(wù)的優(yōu)越性能和特性。

由于與他們的產(chǎn)品和服務(wù)乃至于整個商業(yè)模式利害攸關(guān)，這些公司必須建立強大的內(nèi)部人工智能團隊。這解釋了技術(shù)廠商、車輛制造商和供應(yīng)商之間針對人工智能人才的激烈競爭。例如在汽車行業(yè)，博世將在未來五年投資3億歐元在德國、印度和美國建立人工智能設(shè)施。其首席執(zhí)行官Volkmar Denner表示：“從現(xiàn)在起的十年間，博世的任何一款產(chǎn)品都會包含人工智能。要么產(chǎn)品本身就是智能的，要么人工智能在開發(fā)或生產(chǎn)環(huán)節(jié)中起到關(guān)鍵作用?！?/p>

與此同時，自動化也創(chuàng)造了新的商業(yè)模式。例如，保險公司和制造商將能夠通過人工智能更準確地預(yù)測風險，從而允許它們根據(jù)使用情況、維護保養(yǎng)或磨損來定價（有關(guān)在整個行業(yè)價值鏈中使用人工智能的調(diào)查，參閱 “真正的保險”）。

公司之外：行業(yè)價值池如何轉(zhuǎn)變

整體而言，應(yīng)用案例和潛在場景會影響整個行業(yè)結(jié)構(gòu)。例如，自動駕駛車輛不僅會影響車輛制造商，還會影響城市里的司機、車主和交通模式。波士頓市已經(jīng)確認，自動駕駛車輛可以減少在途車輛的數(shù)量，并減少30%的平均行駛時間。停車需求將下降一半，排放量將下降三分之二。

醫(yī)療保健也是一個鮮明的例子。該行業(yè)有幾個組成部分，包括醫(yī)療技術(shù)、生物制藥、支付方和提供方，每個組成部分之間有著不同且相沖突的利益關(guān)系。該行業(yè)價值鏈各環(huán)節(jié)擁有豐富的人工智能實驗場景，特別是在研發(fā)、診斷、保健服務(wù)、健康管理、患者行為矯正和疾病預(yù)防等領(lǐng)域。

圖2展示了一個潛在場景，說明隨著人工智能的應(yīng)用，整個醫(yī)療保健價值池可能會發(fā)生怎樣的變化。當然，行業(yè)內(nèi)的各個參與者的價值變化點會有所不同，每個行業(yè)都有贏家和輸家。最初，大多數(shù)公司都會從將人工智能融入到公司內(nèi)部運營（圖2中標記為1的箭頭）中獲益。生物制藥公司和支付方可以從研發(fā)效率提升、個性化營銷和精簡的后臺職能中獲得最大收益。

在接下來的五年里，我們預(yù)計人工智能在診斷疾病方面會有很大的推動力。在診斷某些特定種類的癌癥時，視覺人工智能代理已經(jīng)超越了業(yè)界領(lǐng)先的放射科醫(yī)師。而且許多初創(chuàng)公司和科技巨頭正在研究如何使用人工智能更早地檢測癌癥，并提供更準確的診斷。在基礎(chǔ)醫(yī)療場景中，人工智能可以提升或替代一些醫(yī)生的操作。與此同時，遠程診斷可以在特定條件下消除或大幅減少患者到醫(yī)院就診的次數(shù)。這些變化可能對醫(yī)療科技公司（箭頭2）而言是有利的，同時可能損害生物制藥公司（箭頭3）和一些供應(yīng)商（箭頭4）。但更好的是，早期的診斷和預(yù)防措施可以減少對治療的需求。

憑借固有的績效指標，人工智能可能會加速醫(yī)療保健行業(yè)向著以價值為基礎(chǔ)的趨勢發(fā)展——為結(jié)果而不是數(shù)量買單。在這種趨勢下，支付方可以節(jié)約成本，并為供應(yīng)商和生物制藥公司設(shè)置新的支付標準（箭頭5），因此消費者可從中受益。最后，大多數(shù)公司會從技術(shù)廠商處（箭頭標記6）至少購買部分人工智能解決方案，這些技術(shù)廠商包括一些進入醫(yī)療領(lǐng)域的傳統(tǒng)科技企業(yè)。

在醫(yī)療保健需求不斷增長的背景下，這類可能場景的出現(xiàn)會提升人類健康水平，但生物制藥公司會倍感壓力?；蛘?，生物制藥公司可能在診斷方面采取更大膽的舉措，個性化藥物可能會普及并開辟新的利潤池。此外，付費方可以開發(fā)自有的遠程診斷技術(shù)，而供應(yīng)商也開始將人工智能納入他們給患者的治療方案中。無論如何，醫(yī)療科技公司和技術(shù)廠商都將獲利。

利用人工智能的取勝之道

由于人工智能的發(fā)展存在諸多不確定因素，對大多數(shù)公司而言，最明智的做法是根據(jù)當前趨勢制定一系列短期行動，并通過構(gòu)建能力和數(shù)據(jù)基礎(chǔ)設(shè)施為將來的機遇做好準備。通常的方法與我們在數(shù)字化戰(zhàn)略中所倡導(dǎo)的有些類似，但是人工智能會呈現(xiàn)出一些重要的細微差別。

如何開始

高管們應(yīng)該把他們的人工智能之旅分成三個步驟：構(gòu)思和測試；試點排序和啟動；以及規(guī)模化應(yīng)用（圖 3）。

·構(gòu)思和測試。在這個階段，公司應(yīng)該依賴于四個視角：客戶需求、技術(shù)進步（特別是涉及人工智能模塊的技術(shù)）、數(shù)據(jù)源和流程分解（或系統(tǒng)化分解），以確定最有前途的應(yīng)用案例。

客戶需求對發(fā)現(xiàn)有價值的人工智能應(yīng)用起到了至關(guān)重要的指導(dǎo)性作用?？蛻艨赡軄碜酝獠?，也可能是內(nèi)部后臺部門。深入了解人工智能模塊的開發(fā)對于系統(tǒng)地整合先進技術(shù)而言至關(guān)重要。豐富的數(shù)據(jù)池，尤其是新的數(shù)據(jù)池，提供了另一個重要的視角，因為人工智能需要依賴它們。最后，通過將流程分解成相對常規(guī)和獨立的元素，公司可能會發(fā)現(xiàn)人工智能可以自動化的領(lǐng)域。除了客戶需求之外，其他視角與公司必須用來識別數(shù)字化機會的視角都不盡相同。

對于缺乏人工智能經(jīng)驗的公司，我們強烈建議其實施一個并行的附加測試。這個測試階段要基于一個能傳遞價值，能被合理定義且復(fù)雜度適中的應(yīng)用案例。這個測試將幫助組織熟悉人工智能，突顯數(shù)據(jù)或數(shù)據(jù)集成的需求以及組織和能力上的瓶頸，這是對進行下一步的關(guān)鍵輸入。

·試點排序和啟動。高管們應(yīng)該根據(jù)每個試點的潛在價值和交付速度進行優(yōu)先級排序。上一步中的測試結(jié)果將為這個環(huán)節(jié)中潛在試點的時間需求和復(fù)雜性提供洞察。

一旦機構(gòu)選定了一組最終的試點，就應(yīng)該像在敏捷軟件開發(fā)中一樣，將其作為測試和學(xué)習的沖刺階段運行。由于大多數(shù)試點仍然需要處理雜亂的數(shù)據(jù)集成和數(shù)據(jù)處理，這些試點將并不完美。但是，它們將有助于正確地區(qū)分優(yōu)先級，定義數(shù)據(jù)集成計劃的范圍，并確定全面運營人工智能過程所需的能力和規(guī)模。每個沖刺階段都應(yīng)同時交付具體的客戶價值，并定義所需的基礎(chǔ)設(shè)施和集成架構(gòu)。

·規(guī)?；瘧?yīng)用。最后階段包括將試點擴展為可靠的運行流程和產(chǎn)品，并構(gòu)建能力、流程、組織、網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)基礎(chǔ)設(shè)施。盡管這一步可能會持續(xù)12 至18 個月，但進行中的敏捷沖刺應(yīng)該能將價值最大化，并最小化重大的意外流程修正出現(xiàn)的可能性。

在執(zhí)行這一運營項目的同時，高管們也應(yīng)實施一系列活動，讓自己及其組織做好準備，發(fā)揮人工智能的作用。

·理解人工智能。高管們需要了解人工智能的基本知識，并對可能發(fā)生的事情有一個直觀的理解。他們不應(yīng)只是簡單地在媒體上閱讀各種新的科技奇跡，而應(yīng)開始嘗試用 Tensorflow Playground（Google推出的機器學(xué)習開源平臺）做一些實驗，或者進修一些有啟發(fā)性和廣泛普及的在線課程。它們的核心算法很簡單，除了那些神秘的術(shù)語外，這個領(lǐng)域極易理解。因此，高管們應(yīng)該能夠?qū)@個課題有一個功能性的理解。

·執(zhí)行人工智能健康檢查。高管們應(yīng)該對他們在技術(shù)基礎(chǔ)設(shè)施、組織技能、設(shè)置和靈活性方面的起始條件有一個清楚的認知。此外，他們應(yīng)該了解訪問內(nèi)外部數(shù)據(jù)的難易程度。

·增加員工視角。人工智能可能會對員工產(chǎn)生威脅。盡管員工對即將失業(yè)的擔憂往往比實際情況夸張，但引入人工智能確實會產(chǎn)生情緒壓力，并且需要進行大規(guī)模的再培訓(xùn)。試想如下場景：一個工廠的員工和一個機器人一起工作，一個采購經(jīng)理從一個應(yīng)用程序接收輸入信息，或者一個呼叫中心坐席從一個聊天機器人那里接手聊天的情景。工作場所的溝通、教育和培訓(xùn)需要在試點設(shè)計的初始階段就被考慮到。

從長計議

人工智能的未來，包括其以激進方式改變價值創(chuàng)造的潛力，仍然有著高度的不確定性。應(yīng)對這種不確定性的最佳方式是繪制并測試幾個場景，并制定一個路線圖將各項獨立的方案結(jié)合在一起。這些努力將使各公司能夠明智地修改其原有計劃，并明確該計劃對數(shù)據(jù)、技能、組織和未來工作的意義：

·數(shù)據(jù)。人工智能的突破很大程度上取決于獲得新的、獨特的或豐富的數(shù)據(jù)資源。幸運的是，至少在某些領(lǐng)域，機器學(xué)習模型可以基于初始數(shù)據(jù)開始工作，并在有新的數(shù)據(jù)加入時進行改進。但是，由于現(xiàn)有數(shù)據(jù)量每兩年翻一番，基于過去的數(shù)據(jù)所獲得的競爭優(yōu)勢極易消逝，因此獲取未來數(shù)據(jù)至關(guān)重要。

我們與麻省理工學(xué)院的聯(lián)合研究項目表明，對于跨行業(yè)以及行業(yè)內(nèi)的管理者而言，數(shù)據(jù)所有權(quán)是一個棘手的問題。例如，調(diào)查受訪者對公司專有數(shù)據(jù)、公共和公司所有數(shù)據(jù)以及公共數(shù)據(jù)這三類數(shù)據(jù)中，究竟哪一類在行業(yè)中應(yīng)用最為普遍的問題存在分歧。重要的是，排他性數(shù)據(jù)的數(shù)量往往決定了競爭優(yōu)勢，這要求高管們更深入地理解行業(yè)和公司內(nèi)部數(shù)據(jù)源的價值和可用性。

· 技能。我們與麻省理工學(xué)院的研究表明，只有一小部分公司了解未來人工智能所需的知識和技能。而擁有高階人工智能技術(shù)的公司往往很難聘請和留住那些精通人工智能的數(shù)據(jù)科學(xué)家。隨著大學(xué)和在線教育提供更多的人工智能相關(guān)課程，這種迫切的需求將逐漸減少。長期而言，更有價值的技能可能是對數(shù)據(jù)科學(xué)家和業(yè)務(wù)高管團隊的管理能力，以及將人工智能的洞察和能力與已有流程、產(chǎn)品和服務(wù)相整合的能力。

·組織。根據(jù)我們與麻省理工學(xué)院的研究，企業(yè)對于究竟是集中式、分散式還是混合式的組織模式最有利于發(fā)展人工智能存在分歧。更關(guān)鍵的問題是，隨著組織中人員和機器越來越緊密的合作，在具備人工智能和業(yè)務(wù)專長的員工中需要實現(xiàn)組織內(nèi)靈活性及跨職能的團隊合作。

我們越來越清晰地了解到，除了整體的組織設(shè)計，人工智能技術(shù)在行動分散、學(xué)習集中的結(jié)構(gòu)中可以得到最好的應(yīng)用。對于無論是自動駕駛車輛、實時市場營銷、預(yù)測維護，還是公司的后臺職能都是如此。通過一個中心收集和處理所有來自分散機構(gòu)的數(shù)據(jù)，從而使得學(xué)習集合最大化，然后在中心對匯總數(shù)據(jù)池進行集中學(xué)習后，向分散機構(gòu)部署新模型并調(diào)試。

·未來的工作。人工智能無疑會影響未來工作的結(jié)構(gòu)。盡管擔心人工智能將導(dǎo)致大規(guī)模的失業(yè)，但是我們與麻省理工學(xué)院的研究表明，在可預(yù)見的未來，會產(chǎn)生的影響其實十分有限。大多數(shù)受訪者并不認為人工智能將在未來五年內(nèi)導(dǎo)致公司裁員。超過三分之二的受訪者并不擔心人工智能通過自動化取代他們的工作。他們希望人工智能能夠接管他們目前所從事的不愉快的任務(wù)。與此同時，幾乎所有的受訪者都承認，人工智能將要求員工學(xué)習新的技能，就像汽車修理師不得不擴充技能一樣。不同之處在于，他們沒有幾十年的適應(yīng)時間，所以他們可能需要利用新的教育產(chǎn)品和人工智能本身加快再培訓(xùn)的過程。組織需要靈活性，員工和高管也是如此。針對長遠成功的最佳準備是建立變革的能力。

人工智能將從根本上改變商業(yè)。您成功的最好機會就是不要理會炒作，做必要的工作。相關(guān)行動必不可少且無可替代。