《哈佛商业评论》:900 家採用 AI 技术的公司利润都已大

《哈佛商业评论》:900 家採用 AI 技术的公司利润都已大

本文转自

基于麦肯锡全球研究所对跨越 10 个国家,14 个行业的 3,073 名企业高管和 160 个 AI 使用案例的 AI 调查,以及一项独立的数字研究项目,本文提出要想利用 AI 取得成功,CEO 们需要知道 10 个要点。

人工智能的热潮已经渗透各行各业,对 AI 的投资正在增长,并且这些投资越来越多地来自技术领域之外的组织。利用 AI 获得成功的案例也越来越多,例如亚马逊通过使用 AI 驱动的仓储机器人 Kiva 提高运作效率,通用电气利用 AI 预测来维护其工业设备的运行,等等。

显然,企业的 CEO 需要考虑 AI 对业务的影响,但 AI 在商业环境中的使用如何能够盈利是不明确的。基于麦肯锡全球研究所对跨越 10 个国家,14 个行业的 3073 名企业高管和 160 个 AI 使用案例的 AI 调查,以及一项独立的数字研究项目,我们发现要想利用 AI 取得成功,CEO 们需要知道 10 个关键的观点。

企业内部採用 AI 技术比例仍少

不要相信炒作,并不是每个企业都在使用 AI。虽然现在针对 AI 的投资正在升温,但 企业内部採用 AI 技术的幅度还是比较小的。AI 的总投资额(包括内部和外部)在 2016 年达到 260 亿至 390 亿美元,外部投资自 2013 年以来翻了两番。但是,儘管有这样的投资水平,AI 的採用仍处于初步阶段,我们的调查对像中只有 20%在一个或一个以上的业务中大规模使用,或在核心业务使用 AI 技术。(调查结果被加权计算以反映不同规模的企业的相对经济重要性,调查包括五个 AI 技术系统:机器人和自动驾驶车辆,计算机视觉,语言,虚拟代理和机器学习。)

就目前来说,一些公司仍在试验或试着使用 AI(41%),这是好事。我们的调查结果表明,赶上学习曲线并使用 AI 进行竞争仍需时间。

不过,现在可能是处在 AI 採用的一个关键转折点。一些 AI 技术开始成熟,并开始能证明其价值,例如神经机器学习和自然语言处理,这些技术迅速成为所有採用者的 AI 技术中心。 我们预计目前 AI 的早期领航者中至少有一部分将在短期内完全整合 AI。 最后, AI 的採用似乎在各个部门和领域之间传播,虽然传播的速度不同。 未来三年,电信及金融服务业将有望领先,而且这些行业的受访者表示计划在 AI 技术上的支出每年增加 15%以上 ,超过跨行业平均水平 7 个百分点。

使用 AI 的确能增加企业总收入

相信 AI 可以潜在地增加公司的总收入和帐面利润。 我们的调查中,30%左右的早期 AI 採用者(即大规模使用 AI 或在核心业务採用 AI 的公司)表示他们已经实现了收入增长,利用 AI 获得了市场份额或扩张了其产品和服务。此外,早期 AI 採用者中说他们希望自己公司的利润率增长到比同行高 5 个百分点的人比其他人多 3.5 倍。虽然相关性和因果关係的问题可以合理地提出,但有独立分析已经提出 AI 直接地改善利润率的一些证据,AI 投资的 ROI 与其他相关的数据技术(例如大数据和高级分析)相同。

公司高层和 IT 部门的支持是关键因素

没有管理层的支持,你的 AI 转型可能不会成功。 成功的 AI 採用者在採用新技术时通常有强大的执行领导支持。 调查反馈显示,已经成功大规模部署 AI 技术的公司得到公司管理层的支持率是没有採用任何 AI 技术的公司的 2 倍。此外,强大的支持不仅来自 CEO 和 IT 部门主管,而且来自所有管理层高管和董事会。

「购买别人的 AI 技术」是常见手法

你不必一个人独自专研 AI——需要合作伙伴的才乾和能力 。 人工智能领域经历了数十年的「AI 寒冬」,最近才开始出现创新,有技术专长和能力的人相当稀缺。甚至像亚马逊和 Google 这样的大公司为了增加自己的 AI 能力也开始转向非本领域的公司和人才。例如,Google 收购 DeepMind,DeepMind 能够利用其机器学习能力来帮助 Google 这家科技巨头改进核心业务,例如搜索优化。实际上,我们的调查显示,AI 的早期採用者主要是通过购买得到合适的技术解决方案,只有少部分受访者是在内部开发和实施所有 AI 解决方案。

管理层拥有 AI 主导权能提升效率

抵制让技术团队完全掌控 AI 主动权的诱惑。将 AI 划分为 IT、数字、创新等各职能部门的领导者分别问责可能导致「拿着锤子找钉子」的结果:缺乏令人信服的用例即部署技术。为了确保能够把关注的重点放在最有价值的使用案例, 人工智能的主导权应该由企业领导和技术负责人共同进行评估和领导,这一方法在其他数字技术领域已经被证明是成功的。

如何加速公司内部 AI 技术採用?

採取投资组合方式来加速你的 AI 採用。 目前,AI 工具的範围已经相当大,从已被证明可以解决具体业务问题的工具(例如,用于预测性维护的模式检测工具)到少人有了解,当前能力有限但潜力效用高的工具(例如,用于开发竞争性战略的 AI 应用)。这样的分布表明,组织可以考虑採用基于投资组合的方法来实现不同时间维度的人工智能採用:

短期 : 专注于 当前已有成熟技术解决方案的使用案例,并将其推广到整个组织,以推动有意义的底线价值。

中期 : 尝试已出现但仍相对不成熟的技术(例如深度学习视频内容视频),在推广之前证明其在关键业务中使用的价值。

长期 : 与学术界或第三方研究机构合作 ,利用前沿的 AI 技术解决具有更高影响力的使用案例(例如,在某个关键知识工作者角色中增强人类决策),以捕捉潜在的先发优势。

找出正确的工具来解决企业问题

机器学习是强大的工具,但它并不是对所有事情都适用 。 机器学习,以及它最突出的子领域深度学习吸引了许多媒体的关注,并获得了大量的融资,佔 2016 年所有外部投资的接近 60%。

虽然机器学习已经得到许多应用,但它只是能够解决业务问题的许多 AI 相关技术之一。没有哪一项技术是所有 AI 问题的解决方案。例如,为了提高客户服务中心的效率所使用的 AI 技术与用于识别信用卡欺诈所使用的技术可能有很大的不同。企业在数字化和 AI 採用的特定阶段, 寻找正确的工具来解决不同的业务问题是至关重要的。

数字化程度高的行业,AI 转型更容易

数字化能力在 AI 之前就已出现。我们可以看到, 高科技、电信和汽车等在 AI 採用方面领先的行业也是数字化程度最高的行业。 同样,所有早期採用 AI 的企业都已经在数字化能力方面投入,包括云基础架构和大数据。实际上,没有数字化转型经验的企业似乎很难轻易跳跃到 AI 採用。 统计数据显示,在数字化方面有较多经验的企业採用 AI 时的利润率相比其他公司高出 50%。

要敢于冒险

在一个关于数字化颠覆(digital disruption)的独立研究中,我们发现採取进攻性的数字化战略是扭转数字化颠覆诅咒的最重要因素。採取进攻性战略的企业会从根本上改变其业务组合,开发新的商业模式,创造比数字化前更强大的增长路径。到目前为止,对于 AI 来说也是这样:AI 的早期採用者中採取非常积极、进攻性的策略者相比其他具有更好的利润前景。

决策管理有效性 > 流程效率提升

最大的挑战是人和流程。在许多情况下,将 AI 结合到员工流程和决策过程的挑战远超实施 AI 的技术性挑战。领导者决定机器处理哪些任务,以及人类执行哪些任务,不管是新任务还是传统任务,实施允许持续学习新技能的程序将是至关重要的。随着 AI 继续融合先进的可视化技术、协作和设计思维, 企业将需要从主要关注流程效率转向重视决策管理的有效性 ,这需要进一步要求领导者创造一种持续改进和持续学习的文化。

毫无疑问:下一个数字化前沿就在这里,就是 AI。虽然一些公司仍在从以前的数字化崩坏中恢复,但新的数字化崩坏正在形成。不过现在仍是早期。现在还来得及让 AI 成为竞争优势。

《哈佛商业评论》:900 家採用 AI 技术的公司利润都已大

原文

__________________________________________

► 你是否常在各类丰富的科技趋势里流连忘返?
► 你是否常被创业故事弄得热血沸腾无法成眠?
► 你是否喜欢很有挑战性、尝试新事物的工作?
我想你大概就是得了  TO  病,不加入不行了。
準备好你的履历自传,寄至  [email protected]
记得标注你要「应徵  TO  社群编辑」,才不会跑错棚哦!
>> 
详细职缺讯息

_________________________________________

延伸阅读

资策会 2018 年科技趋势报告:台湾 AI 潜力比中国强,是喔?
如何从软体工程师转职人工智慧?Insight AI 访问超过 50 个纽约 AI 团队
Google AI 技巧全公开!不只开源语音数据资料库,连模型建立秘诀都教你
谁说人工智慧不会作曲?全球首张 AI 作曲专辑即将发行,现在就放给你听!

相关推荐