人工智慧：為什麼數字技術是關鍵

新技術的擴散，無論是銀行的自動取款機還是零售業中的射頻識別標籤，通常都遵循S曲線。早些時候，一些企業高層對創新非常抵觸。然後，隨著時間推移，隨著更多的公司急於接受技術並獲取潛在的收益，非採用者的市場機會逐漸減少。

我們的研究表明，人工智慧(AI)的技術競賽已經沿著S曲線展開，這是一組目前處於部署初期的新技術。看起來，如果沒有堅實的核心基礎和先進的數字技術，AI的採用者就不可能蓬勃發展。能夠組裝這些能力的公司正開始擺脫困境，很可能成為AI的最終贏家。高管們開始意識到什麼是岌岌可危的：我們的調查研究表明，45%的尚未投資AI的高管擔心會落後於競爭對手。我們的統計分析表明，面對人工智慧的競爭威脅，企業接受AI的可能性是在過去的技術周期中採用新技術的兩倍。人工智慧基於其他技術到目前為止，只有大約10%的公司試圖將AI擴散到整個企業，有一半的公司是不願意不是AI的，另外四分之一的公司在一定程度上測試了人工智慧，而三分之二的公司根本沒有採用任何人工智慧技術。為了理解公司的數字能力與部署新工具的能力之間的關係，我們研究了AI的核心技術。我們的模型測試了核心數字技術(雲計算、移動和網路)和更先進技術(大數據和高級分析)的基礎集群在多大程度上影響公司採用人工智慧的可能性。在這些核心領域擁有強大基礎的公司在統計上更有可能採用人工智慧工具，當這兩組技術結合在一起時，大約有30%的可能性。這些公司可能更好地將人工智慧與現有數字集成在一起。這一結果與我們從調查工作中所學到的一致。採用人工智慧的公司中有75%依賴於應用和掌握現有數字能力而獲得的知識。

在許多公司中，這種數字子結構仍然缺乏，這可能會減緩AI的擴散。我們估計，只有三分之一的公司完全傳播了底層數字技術，最大的差距在於最底層的技術，如大數據、分析和雲。根據我們的估計，這個薄弱的基礎使AI無法達到擴散。領導者與落後者除了能力差距之外，對於某些公司較慢地採用人工智慧還有另一種解釋：他們可能認為人工智慧的情況仍然沒有得到證實，或者認為它是一個不確定的目標，而且在不久的將來，人工智慧的進步將使他們有機會在沒有的情況下跳躍到領導崗位。提前投資。

我們的研究強烈表明等待會帶來風險。早期投資者似乎正在加速業績的增長，而第一波投資者的人工智慧投資也為第二波漲勢奠定了基礎。在通過人工智慧實現了最初的業務模型改進之後，公司似乎利用這些利潤來投資於額外的人工智慧應用程序，從而進一步增加了它們的利潤率。

為了更詳細地描述人工智慧的領導者和落後者，我們考察了人工智慧和數字技術在六個行業中的四個內部擴散水平。分析顯示，且在數字技術方面基礎薄弱或沒有基礎的公司利潤顯著低於行業平均水平。在金融領域，人工智慧和數字技術正在創造更大的競爭差異，利潤差距比在建築業中更大。

達到臨界點?AI和數字技術正在壓低整個行業的利潤率。我們先前對核心和先進數字技術的研究發現，一旦15%的收入轉移到擁有數字技術和快速應用AI技術的企業手中，產業就達到了臨界點。雖然人工智慧的競爭還沒有進入這個領域，隨著未來五年人工智慧的擴散加速，正在向這個方向轉移。

當然，應用各種人工智慧技術的公司數量仍然很少，但競爭正在加劇，擁有強大的數字能力基礎的公司將受益，因為它們可以更快地採取人工智慧。那些數字基礎不太好的公司將需要招募新的人才，加快數字化改造的步伐。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！