3000位全球高管告訴你，企業如何借勢AI走向成功？

人工智慧（AI）的話題討論越來越熱鬧已經蔓延到全球各大公司的高級管理層。對AI的投資也在持續升溫，並且越來越多資本來自科技圈之外的企業。並且，AI的成功案例也越來越多，花樣也層出不窮，從亞馬遜使用基於AI的倉庫管理機器人Kiva來取代重複操作提高效率到通用公司利用AI進行預測性維護來保持其工業設備的正常運行。

雖然毫無疑問，首席執行官們勢必需要考慮到AI業務的影響力，但該技術在業務環境中的難點使得如何有利可圖地利用之變得難以琢磨。通過一項涉及3073位高管的調查問卷和來自10個國家14個地區的160個案例分析，以及獨立的數字研究項目，我們總結了10項關鍵意見，來幫助首席執行官們開啟成功的AI之旅。

別輕信炒作：目前不是每家公司都在使用AI

雖然AI領域的投資一路升溫，真正採用AI技術的企業仍不是很多。2016年，AI領域（內部與外部）的總投資約在260億美元到390億美元之間，其中外部投資自2013年以來增加了兩倍。儘管不斷有資本進入，但AI的採納率依然徘徊在初級階段，在我們的調查問卷中，僅20%的受訪者表示他們有規模化或在核心業務中使用一項或多項AI技術，這其中又僅有10%不到使用了三項或更多的AI技術。（我們的結果以加權方式來反應不同規模企業的相對經濟重要性。我們涵蓋了AI技術系統中的五大類：機器人和自動駕駛汽車、計算機視覺、語言、虛擬程序和機器學習。）

目前，對於那些處於AI試驗或測試階段的公司（佔到41%）來說，這是一個好消息。我們的結果表明現在開始迎頭追趕在AI使用中與其他公司競爭為時未晚。

但是，我們極有可能處於AI採納的關鍵轉折點。AI技術，如基於神經的機器學習和自然處理，已經日漸成熟並證明了其機制，將迅速成為被廣泛採納的AI技術組件核心部分。並且，我們預計，至少有一部分目前正在試行AI技術的企業將在可見的未來完全整合AI技術到他們的業務中。最終，AI的採納率將呈現爆炸式增長，雖然不同領域之間的程度不盡相同。通訊和金融服務行業很有可能成為領頭羊，這部分領域的受訪者均表示計劃在未來三年內每年多投入15%資金到AI技術上——高於跨行業平均水平7個百分點。

AI可以潛在地促進你的上限和底線

在我們的調查問卷中，30%的早期AI採納者——即已經規模化使用AI或在核心進程中使用AI的企業——表示，他們的營收確實增長了，利用AI來獲得更多市場份額或擴張他們的產品與服務。另外，相比其他人，3.5倍多的早期AI技術採納者認為未來利潤率會比其他行業同行多增長5個百分點的。雖然相關性和因果關係的問題會越來越顯著，但單獨的分析已然展現出證明表明AI可以直接提升利潤，AI的投資回報率範圍接近相關數字技術，如大數據和高級分析。

沒有領導層的支持，你的AI轉型可能會失敗

成功的AI採納者無不擁有高級領導層的大力支持。來自成功規模化部署AI技術的公司的受訪者對高級管理層支持的重要性評價是其他還未採納AI技術的兩倍。他們表示，強大的支持不僅來自CEO和IT主管，其他C級高管和董事會成員也給予了大力的支持。

你不必在AI的道路上孤軍奮戰——尋求合作夥伴

結束了長達數十件的「AI凜冬」之後，人工智慧領域最近終於趕上了創新的步伐。技術專家和人才嚴重短缺，即便是大型數字公司，如亞馬遜和谷歌，也不得不面向其他公司和外部人才來提升他們自身的AI技能。比如谷歌收購DeepMind。我們的調查問卷顯示，事實上，早期的AI才難這主要以購買合適的適用於目的的技術解決方式，當然也有少部分受訪者在內部一邊進行開發一邊應用所有的AI解決方案。

不要讓技術團隊獨攬AI大權

針對AI技術，假如只讓各技術部門，如IT、數字或創新部門的領導者各自分擔責任，則會導致顧此失彼的結果：技術雖然落地了但缺乏引人注目的使用案例。為了確保重點關注最有價值的使用案例，AI計劃應由業務和技術領導者共同評估和領導，這一方法已被其他數字技術採納者證實為是成功有效的。

採用多種方式來加速你的AI旅程

如今的AI工具範圍廣泛，從用以解決業務問題的工具（如預測下維護的模式化檢測）到那些暫未被廣泛認識，目前使用有限但未來潛力無窮的工具（如應用AI開發競爭戰略）。這種分布表明，企業可以考慮在以下三個時間維度內採用多種方式來應用AI，

短期：關注使用案例，這裡有目前已被驗證的技術解決方案，然後在公司內部規模化使用，來推動有意義的底線價值。

中期：嘗試使用新興但仍舊相對不成熟（如深度學習視頻識別）的技術，以在規模化投入到關鍵業務中之前驗證其價值。

長期：與學術界或第三方合作解決高影響力使用案例（如重要知識工作者角色中的增強人類決策），結合最前沿的AI技術來潛在地抓住先發優勢。

機器學習是一個強大的工具，但並不適合所有

機器學習，及其最為突出的子領域——深度學習，已經吸引了眾多媒體關注，並且大部分投入到AI領域的資金都流向這一領域。在2016年，機器學習吸收了行業外部60%的總投資。

儘管機器學習有很多應用，但其本質上仍是眾多AI相關技術中的一種，用以解決企業問題。但這世上並沒有萬能的解決方案。打個比方，用來改進客戶服務中心績效的AI技術，跟用來識別信用卡支付欺詐的技術完全不同。關鍵在於，你應該在公司的數字與AI之旅的途中的各個階段尋找合適的工具來解決每一個可以創造價值的業務問題。

數字性能先於AI到來

我們發現，在AI採納上具有領先趨勢的行業，如高科技、電信和汽車等，同樣也是數字化程度最高的領域。同樣地，無論在哪個行業，早期使用了AI技術的公司也是已經大力投資數字性能的公司，包括雲基礎架構和大數據。事實上，沒有數字轉型的經驗，任何一家公司很難直接跳躍到AI階段。根據數據，我們發現，那些在數字化方面有豐富經驗的公司通過使用AI可以提高50%的利潤。

要大膽

在一項關於數字變革的獨立研究中，我們發現大膽採用數字戰略是使得現有公司扭轉數字變革詛咒的最關鍵因素。制定大膽數字戰略的公司從根本上改變了其業務組合，並開發新的業務模型來開創比數字化之前更為強大的增長路徑。到目前為止，這一模式也同樣適用於AI：根據報告顯示，具有更加積極、更加徹底大膽的戰略計劃的早期AI採納者比其他公司具有更加樂觀的利潤前景。

在AI之旅中，最大的挑戰其實是人

很多情況下，將人工智慧納入員工流程和決策過程中的挑戰遠遠超過了應用AI技術的挑戰。隨著領導者決定機器應該處理那些任務，人類應該處理哪些任務，不論新的還是傳統的，都將對實施可以不斷重新培養員工隊伍的方案至關重要。並且，隨著AI不斷融合先進的可視化、協作和設計思維，業務將從最初的流程效率第一轉而為決策管理效益第一。而這又將進一步要求領導者打造一個持續改進和學習的企業文化。

不要犯錯：下一個數字前沿就在這裡，它就是AI。雖然上一波數字變革帶來的陣痛仍未退卻，但新的變革已然近在咫尺。好在，我們仍處於這一新變革的早期，我們仍有時間和機會來將AI變做自己的競爭優勢。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！