CFO們也要學習AI嗎？

Lee Coulter說，他已經可以意識到自己體內生長出了自己無法應對，需要醫生介入的抑鬱癥狀。作為一家共享服務公司的首席執行官，他一向努力提升自己的科技素養以應對這一職位對他的高要求。但是最近，Coulter總結道，他已經不知道所有人正在聊的是什麼了。

「我不知道該相信誰，又該相信些什麼，」Coulter說。「你根本無法同時和兩個人進行一段有意義的關於人工智慧的對話。

Coulter正在試圖解決這個問題。2016年，他成功地向IEEE Standards Assoication介紹了以下計劃：他希望組成一個工作組，來為企業自動化過程中使用的不同的機器人和智慧科技的種類下一個定義。

如今，由Coulter帶領的IEEE Working Group on Standards in Intelligent Process Automation正致力於完成第一階段成果的最終定案。這一階段的主題是「術語，命名和概念。」而下一階段的工作也已經開始，其內容將是關於「科技，分類和等級」。

同時，現階段AI普世概念的缺乏已經給CFO們帶來了不少麻煩，尤其在他們需要決定具體購買哪一種新科技，卻根本無法從五花八門的AI方案中找出真正有用的產品時。「許多廠家都聲稱他們的產品中包含了AI技術。但大多數時候，那只是幌子罷了，」Coulter說到。但同時，對於AI技術的困惑可能會使CFO們變得更加束手束腳。「他們可能會忽視採用真正的AI技術可能會給公司帶來的增長潛力，即使這種技術目前仍然並不完美。」

命名的學問

人工智慧和機器學習究竟該被如何解釋呢？2017年麥肯錫的報告中是如此定義AI的：「機器展現出類人智力的能力－例如，在不需要有著明確指令的軟體的指引下就能解決問題的能力。」

而對於機器學習，這個被很多人認為是實現人工智慧的敲門磚的概念，給IEEE團隊成員們帶來了更多麻煩。他們最終給出了如下解釋：「在人類操作軟體系統的指引下，由機器觀察來發現，關聯和進行模式識別，同時通過自信息演算法，引導出可預知或符合規定的分析。」

Coulter表明，過去的兩年，有至少1000家創業企業聲稱他們的產品中包含了AI或者機器學習的能力。雖然CIO們總是喜歡嘗試那些閃閃發亮的新裝置，但是沒有幾個CFO會有同樣的想法。提議購買標上了AI商標的科技總是令人懷疑的。雖然AI這個概念已經有至少60年的歷史，但是它成熟起來，並且可以基於巨大資料庫發揮實際效用是這幾年才出現的新現象。

而AI具體是如何被應用的呢？保險業正在利用機器視覺，通過顧客提交的汽車受損的圖片來為損害歸類。信用卡發卡放正在利用卡片所有者的Facebook主頁來了解例如結婚生子這樣的重要事件是如何影響了人們的話費習慣的。製造商也在用機器學習的科技來發現產品的瑕疵。更多的公司則是直接採用了AI對話程序。

事實是，這些所謂以人工智慧為驅動的產品並沒有辦法解決公司最重要的問題。一篇由Shared Services & Outsourcing Network發表的，名為《國際智能自動化市場報告》的文章指出，大多數標上AI標籤的東西只是「專註在一個非常局限的知識領域提出的非常有限的認知方案。」

Weston Jones，Ernst& Young國際機器人和智能自動化方面的領導任務，則採取了另一種表達方式，「創新建立在大大小小的會議上，而功能的提升則是建立在資金支持之上。」他繼續說道：「許多AI產品的廣泛使用還並未讓CFO看到他們期待的收益上漲，於是他們中絕大部分都拒絕看到其中更大的價值。」

巨型科技企業則是例外。麥肯錫的報道顯示，他們去年基本上都花費了兩百到三百億在AI科技上。舉例來看，谷歌使用了加強學習來減少其數據中心百分之十的能量功耗。Facebook 和其他社交媒體公司運用自動翻譯來提高使用者的參與度。

可是，麥肯錫報告寫道，金融領域對於AI的需求仍然只是非常溫吞。在近期一份針對3073個核心管理層的高管進行的調查中，諮詢公司發現許多商業精英不只不清楚AI具體可以為他們做什麼，也不清楚應該如何獲得AI驅動的應用，怎樣將它們融入自己公司日常實踐，以及如何評估科技帶來的投資回報率。

只有20％的受訪者回應到他們正在以一定規模地推行AI相關技術。但是這是否意味著AI技術真的在以改變金融企業的速度被大規模採用呢？很難說。「AI包含了許多科技與應用，一些只是之前科技的延伸，而另一些則是革命性的。」

同時，麥肯錫報告也表明，「AI科技有好幾種不同的分類方法，但是我們非常難以給出一個明確的毫不重疊的清單，因為人們總是會將不同的科技混在一起，從而解決突發的單個的問題。」

但是即使公司們並沒有為AI技術直接投資的意願，至少他們對這一技術的興趣正在不斷高漲。Whit Andrews， Gartner的首席人工智慧分析師，認為AI相關的諮詢在2016年增長了200%，而在2017年進一步增長了100%。

John Parkinson則報告說幾乎所有財富榜前一千的公司都在觀察機器學習的風向。而在那些為數不多的已經開始應用的公司中，一些在使用現成的軟體，一些人在租用雲端的機器學習功能，而另一些則是在開發他們自己的系統。

Parkinson自己對公司使用AI這一話題沒什麼好說的。事實上，他認為「智能」是一個具有誤導性的詞語。沒有人真正知道人類智能是如何在工作的，所以聲稱編寫了可以模仿人類智能的說法是很滑稽的。

「我不關心IBM對Watson是如何宣傳的，」他說道，「這本身就是不合理的。我們應該將所謂的AI命名為非常聰明的，被訓練後會使用數學模型的系統。」

點滴累積

CFO們，如果可以暫時放下要讓AI驅動的自動化立刻帶來大量報酬的執念，則認識到AI和機器學習可以為公司帶來的無限潛力的。「我們正在告訴我們的客戶不要以傳統IT項目的思維來認識它，」Andrews說到，「對於許多組織來說，不管他們要通過AI做些什麼，都不應該是以傳統的模式來進行。反而，你應該將你的ROI看成是你可以通過這一獨特的學習路徑獲得的經驗。」

Andrews建議公司可以先從他們一直沒有人手解決的問題開始著手使用AI。非常有可能的是，這些改變不會是根本性的，這也就極大降低了公司使用AI技術的風險。

如果一個公司計劃用智能自動化來進行其10%的業務，那麼它可以非常快速地看到某些收益，Parkinson如是說。但是真正的利益將會在一段時間之後才開始顯現。「畢竟，越來越多的模式性工作將會被智能系統取代。」

EY的Jones建議，公司及早對自身業務和未來項目進行一個全面檢測，從而了解自身金融服務各環節對於自動化的需求。這非常重要，畢竟現階段由30%到50%的AI項目都是失敗的。而且，金融人士需要儘早意識到自動化是無法克服數據缺失和數據不可靠的問題的。

「AI並不是一種神奇的讓數據自行展現其意義的巫術，」Andrew評論道。

這意味著公司將會更加需要數據科學家。人們已經可以預見到未來日子裡對於這種人才的極大缺口。但是許多正在招聘這一職位的公司一定會失望，「因為擁有一個數據科學的學位並不意味著你就成為了一個數據工程師。如果你已經成功在機器學習領域工作了5到10年，你才可以這麼稱呼自己。」

外部影響

總體來說，公司，尤其是金融部門，也很有可能會被外部環境中AI的使用影響。舉例來說，幾大會計事務所都報告稱他們正在改造審計過程，以確保所有的交易都可以被人工智慧系統覆蓋。

同時，四大中的某行正在研發一款基於IBM Watson技術的產品，從而使得兼并收購的合法清查過程可以更加迅速。這款據說將在兩年內上架的產品，可以獲取與某公司相關的所有數據，從而給出非常值得信任的準確估值。

在Parkinson看來，這樣的能力並不是智力的標誌。同時，有意思的是，被標為機器學習驅動的科技產品實際上比理論預想的表現的還要好。「我們並不知道為什麼，」Parkinson如此說道。

從最基礎的層面來看，任何我們並不能理解的科技都可以通過不斷地試錯來進一步推動其發展。「我們這些在這個領域工作的人，總是想要尋找尖端軟體系統來達成不可思議的科學進展，從而允許我們構建越來越好的核心系統，」Parkinson說，「這種想法會進一步加速。而很有可能的是，當我們把之前沒有合作過的系統放在一起解決問題時，他們會取得我們無法料想的成績。」

無論人們如何定義企業自動化將會帶來的新能力，它們都只是會變得越來越有效。CFO需要決定的，只是何時帶領著自己的公司跳入這機會之井罷了。

本文編譯自CFO。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 矽谷密探 的精彩文章: