機器學習優化工作流程的8種途徑

本文為「價值家（ID:Know-Valuer）」原創文章，翻譯自「

hbr.org」如需轉載，請與我們聯繫授權事宜。

作者：Dan Wellers, Timo Elliott and Markus Noga

譯者：劉喬

發表時間：2017年5月31日

原文標題：8 Ways Machine Learning Is Improving Companies』 Work Processes

價值觀

全文2567字 閱讀7分鐘

AI和機器學習在很多方面都為公司創造了價值。機器學習擴大了公司的營收增長，優化了工作流程，同時提高了員工參與度和客戶滿意度。但是在其創造價值的同時，公司也必須解決AI和機器學習的局限性，包括數據問題、隱私問題等等。總之，AI的發展是大勢所趨，它如今以及在將來必然會對工作領域產生極大影響。

價值觀為摘要，精彩盡在完整版

當今領先的組織正在使用基於機器學習的工具使其決策過程自動化，並在數字化轉換方面開始試驗人工智慧（AI）更高級的使用方法。預計企業在AI上的投資會在2017年翻三番，到2025年將達到1000億美元。去年，機器學習方面的風險投資就達到了50億美元。最近的一項調查顯示，30％的受訪者認為AI最能在未來五年內影響各個行業。這無疑會對工作產生深遠的影響。

機器學習擴大了公司的營收增長，優化了工作流程，同時提高了員工參與度和客戶滿意度。以下是如今AI和機器學習為公司創造價值的一些具體例子：

1.個性化的客戶服務：

它具有在降低成本的同時改善客戶服務的潛力，這也使其成為最令人振奮的優勢之一。客戶可以在提出問題後獲得高質量的答案，這些答案的背後是歷史客戶服務數據、自然語言處理以及從互動中不斷學習提升的演算法的結合。實際上，美國有44％的消費者認為，聊天機器人比人更能處理維護客戶關係。演算法可以通過學習客服處理意外情況時的做法來自我升級，就可以知道下一次遇到特殊情況該怎麼做。

2.提高客戶忠誠度和保留度：

公司可以挖掘有關客戶行動、交易和社會情感的數據，以確定哪些客戶最有可能離開。再結合盈利能力的數據，組織就可以優化其「下一次行動的最佳方法」策略，個性化端到端的客戶體驗。例如，父母常常為孩子「包辦」手機話費套餐，而當孩子逐漸長大了，由於需求的個性化，經常會拋棄過去父母選擇的運營商，轉向其他運營商。運營商可以利用機器學習預見到這種行為，並根據個體的使用模式，在年輕人轉向競爭對手之前為其制定定製化的建議。

3.僱用合適的人：

公司的每個空缺職位平均能收到約250份簡歷，而超過一半的受訪招聘人員表示，篩選出符合要求的候選人是他們工作中最困難的部分。軟體可以快速閱覽成千上萬的工作申請，並給出篩選後的候選人名單，這些候選人都是最有可能在公司里成功的人。在過去的招聘中，必須當心不要盲從於任何人類的偏見。AI自身可以通過在職務描述中自動標記帶有偏好的語言來抵制人的偏好性，同時檢測出由於不符合傳統期望而被忽視的高素質候選人。

4.金融自動化：

AI可以在很多財務流程中加快「異常情況處理」。例如，當收到付款卻沒有訂單號碼時，人必須確認該款項對應哪個訂單、如何處理超額或不足。AI通過監控現有流程、學習識別不同情況，可以顯著增加可以自動匹配的發票數量。這樣可以讓組織減少外包給服務中心的工作量，使得財務人員能夠把工作重點放到戰略性的任務上。

5.測量品牌曝光率:

自動程序可以識別出產品、人員、logo等等。例如，籃球賽等體育賽事的錄像片段中會出現品牌的logo，高級圖像識別就可以追蹤到logo的位置。通過詳細分析數量、logo出現的持續時間和logo的位置，企業贊助商就可以了解到其贊助投資的投資回報率。

6.檢測欺詐行為：

典型組織每年因欺詐會虧損5％的收入。機器學習演算法通過構建基於歷史交易、社會網路信息和其他外部數據源的模型，使用模式識別來發現反常現象、特殊情況並計算異常值。這有助於實時監測、防止欺詐性交易，即使是以前未知的欺詐類型也可以被監測到並加以預防。例如，銀行可以使用歷史交易數據來構建可以識別欺詐行為的演算法。銀行還能夠注意到可疑的付款模式，發現在具有重複的公司聯繫的個人網路之間的轉移交易。這種「演算法安全性」適用於廣泛的情形，比如網路安全、解決逃稅等。

7.預見性維護：

如果火車軸溫度異常，則其在接下來的幾個小時內可能會凍結，機器學習可以監測到這一點，列車就可以在故障之前送去維修，乘客也可以轉乘到不同的火車，避免了幾百名乘客被困在農村等待昂貴維修的局面。

8.更平穩的供應鏈：

機器學習能夠對物流數據進行情景分析，以預測和減輕供應鏈風險。演算法可以通過公共社交數據和各種語言的新聞來進行篩選，也可以進行監測。例如，一家位置偏僻的工廠生產對汽車變速器非常重要的滾珠軸承，若其發生火災，演算法就可以監測到。

機器智能可以不久被普遍使用的其他領域還包括：

職業規劃：推薦信可以幫助員工選擇可以實現高績效、高滿意度和長久的職業發展道路。如果有一天，有一位工程學士學位的人希望成為管理部門人員，那麼他們應該接受怎樣的附加教育、獲得什麼樣的工作經驗呢？這二者的順序又是什麼呢？

基於無人機和衛星的資產的管理：配備攝像機的無人機可以對商業結構（如橋樑或飛機）進行定期的外部檢查，運用圖像自動分析來檢測任何錶面是否有新的裂紋或變化。

零售貨架分析。運動飲料公司可以使用機器智能，加上機器視覺，來察看其商品的店內展示是否在商店所承諾的位置，商品是否被正確地放在了貨架上，商品標籤是否朝外。

機器學習使得公司能夠利用數字智能重新設計端到端的業務流程。它有著巨大的潛力。這也是軟體供應商正大力投資於將AI添加到現有應用程序里，以及利用AI創建全新的解決方案的原因。

但是現在還有一些障礙需要克服。目前的關鍵在於要獲得大量可用於訓練演算法的高質量數據。在許多組織中，數據並不集中或不是可用的格式，或者數據有偏，會導致決策失誤。您的企業需要為將來做好準備，第一步就是評估您現有的信息系統和數據流，以便將準備自動化的領域與需要更多投資的領域區分開來。也可以考慮任命首席數據官，以確保數據作為公司資產能夠得到妥善管理。

另一個問題是優先次序；機會太多就讓人很難決定從哪裡開始。為了減輕這種負擔，軟體提供商開始提供預定義解決方案，使用最先進的可立即使用的機器學習就能實現。許多組織也正在建設人工智慧基地，以便與業務部門密切合作。無論從何處開始，重要的是將項目與長期數字平台戰略聯繫起來，以避免創新的斷層。

最後，不要低估文化障礙。很多員工都擔心所有這些技術會對影響到他們的角色。 雖然大多數情況下，這是減少繁瑣任務、完成更多工作的機會，不過這需要激勵員工來保證他們能主動應用新的機器學習。您也必須仔細關注客戶。人工智慧可以增強對用戶數據的洞察分析，這可能會超出客戶的接受程度。組織必須認真對待隱私問題，依靠電腦進行那些需要慎重管理的重要決策。組織應該利用程序來審核所有自動化系統的實際效果，而且作為流程的一部分，資源和重寫不能少。需要使用相關人員資料的人工智慧系統應包含知情同意書。

AI的繼續發展是大勢所趨，它正以極快的速度進入工作領域。現在的問題不在於管理人員應該調查是否應用人工智慧，而是他們引進人工智慧的速度有多快。 同時，組織需要充分了解該技術固有的優缺點，考慮如何應用人工智慧。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！