未来已来,如何开启人工智能商业应用之旅

2018-04-08

getImg (4).png


  虽然目前人工智能的普及程度仍然较低,但许多企业正通过人工智能提升盈利能力。人工智能在创造巨大商业价值的同时,也在影响行业价值的转移。通过了解人工智能应用案例以及项目实施的关键因素,管理者们可以更好地采取行动,为在人工智能时代取胜而做好准备。



  由于人工智能的发展存在诸多不确定因素,对大多数公司而言,最明智的做法是根据当前趋势制定一系列短期行动,并通过构建能力和数据基础设施为将来的机遇做好准备。通常的方法与我们在数字化战略中所倡导的有些类似,但是人工智能会呈现出一些重要的细微差别。

  如何开始

  高管们应该把他们的人工智能之旅分成三个步骤:构思和测试;试点排序和启动;以及规模化应用(参阅下图)。


微信图片_20180408214746.jpg

 构思和测试。

  在这个阶段,公司应该依赖于四个视角:客户需求、技术进步(特别是涉及人工智能模块的技术)、数据源和流程分解(或系统化分解),以确定最有前途的应用案例(参阅BCG于2017年1月发表的文章《赢在人工智能时代》)。客户需求对发现有价值的人工智能应用起到了至关重要的指导性作用。客户可能来自外部,也可能是内部后台部门。深入了解人工智能模块的开发对于系统地整合先进技术而言至关重要。丰富的数据池,尤其是新的数据池,提供了另一个重要的视角,因为人工智能需要依赖它们。最后,通过将流程分解成相对常规和独立的元素,公司可能会发现人工智能可以自动化的领域。除了客户需求之外,其它视角与公司必须用来识别数字化机会的视角都不尽相同。

  对于缺乏人工智能经验的公司,我们强烈建议其实施一个并行的附加测试。这个测试阶段要基于一个能传递价值,能被合理定义且复杂度适中的应用案例。这个测试将帮助组织熟悉人工智能,突显数据或数据集成的需求以及组织和能力上的瓶颈,这是对进行下一步的关键输入。

 试点排序和启动。

  高管们应该根据每个试点的潜在价值和交付速度进行优先级排序。上一步中的测试结果将为这个环节中潜在试点的时间需求和复杂性提供洞察。

  一旦机构选定了一组最终的试点,就应该像在敏捷软件开发中一样,将其作为测试和学习的冲刺阶段运行。由于大多数试点仍然需要处理杂乱的数据集成和数据处理,这些试点将并不完美。但是,它们将有助于正确地区分优先级,定义数据集成计划的范围,并确定全面运营人工智能过程所需的能力和规模。每个冲刺阶段都应同时交付具体的客户价值,并定义所需的基础设施和集成架构。

 规模化应用。

    最后阶段包括将试点扩展为可靠的运行流程和产品,并构建能力、流程、组织、网络技术和数据基础设施。尽管这一步可能会持续12至18个月,但进行中的敏捷冲刺应该能将价值最大化,并最小化重大的意外流程修正出现的可能性。

  在执行这一运营项目的同时,高管们也应实施一系列活动,让自己及其组织做好准备,发挥人工智能的作用。

  理解人工智能。

   高管们需要了解人工智能的基本知识,并对可能发生的事情有一个直观的理解。他们不应只是简单地在媒体上阅读各种新的科技奇迹,而应开始尝试用Tensorflow Playground(Google推出的机器学习开源平台)做一些实验,或者进修一些有启发性和广泛普及的在线课程。它们的核心算法很简单,除了那些神秘的术语外,这个领域极易理解。因此,高管们应该能够对这个课题有一个功能性的理解。

 执行人工智能健康检查。

    高管们应该对他们在技术基础设施、组织技能、设置和灵活性方面的起始条件有一个清楚的认知。此外,他们应该了解访问内外部数据的难易程度。

 增加员工视角。

   人工智能可能会对员工产生威胁。尽管员工对即将失业的担忧往往比实际情况夸张,但引入人工智能确实会产生情绪压力,并且需要进行大规模的再培训。试想如下场景:一个工厂的员工和一个机器人一起工作,一个采购经理从一个应用程序接收输入信息,或者一个呼叫中心坐席从一个聊天机器人那里接手聊天的情景。工作场所的沟通、教育和培训需要在试点设计的初始阶段就被考虑到。

  从长计议

  人工智能的未来,包括其以激进方式改变价值创造的潜力,仍然有着高度的不确定性。应对这种不确定性的最佳方式是绘制并测试几个场景,并制定一个路线图将各项独立的方案结合在一起。这些努力将使各公司能够明智地修改其原有计划,并明确该计划对数据、技能、组织和未来工作的意义:

  数据。人工智能的突破很大程度上取决于获得新的、独特的或丰富的数据资源。幸运的是,至少在某些领域,机器学习模型可以基于初始数据开始工作,并在有新的数据加入时进行改进。但是,由于现有数据量每两年翻一番,基于过去的数据所获得的竞争优势极易消逝,因此获取未来数据至关重要。

  我们与麻省理工学院的联合研究项目表明,对于跨行业以及行业内的管理者而言,数据所有权是一个棘手的问题。例如,调查受访者对公司专有数据、公共和公司所有数据以及公共数据这三类数据中,究竟哪一类在行业中应用最为普遍的问题存在分歧。重要的是,排他性数据的数量往往决定了竞争优势,这要求高管们更深入地理解行业和公司内部数据源的价值和可用性。

  技能。我们与麻省理工学院的研究表明,只有一小部分公司了解未来人工智能所需的知识和技能。而拥有高阶人工智能技术的公司往往很难聘请和留住那些精通人工智能的数据科学家。随着大学和在线教育提供更多的人工智能相关课程,这种迫切的需求将逐渐减少。长期而言,更有价值的技能可能是对数据科学家和业务高管团队的管理能力,以及将人工智能的洞察和能力与已有流程、产品和服务相整合的能力。

  组织。根据我们与麻省理工学院的研究,企业对于究竟是集中式、分散式还是混合式的组织模式最有利于发展人工智能存在分歧。更关键的问题是,随着组织中人员和机器越来越紧密地合作,在具备人工智能和业务专长的员工中需要实现组织内灵活性及跨职能的团队合作。

  我们越来越清晰地了解到,除了整体的组织设计,人工智能技术在行动分散、学习集中的结构中可以得到最好的应用。对于无论是自动驾驶车辆、实时市场营销、预测维护,还是公司的后台职能都是如此。通过一个中心收集和处理所有来自分散机构的数据,从而使得学习集合最大化,然后在中心对汇总数据池进行集中学习后,向分散机构部署新模型并调试。

  未来的工作。人工智能无疑会影响未来工作的结构。尽管担心人工智能将导致大规模的失业,但是我们与麻省理工学院的研究表明,在可预见的未来,会产生的影响其实十分有限。大多数受访者并不认为人工智能将在未来五年内导致公司裁员。超过三分之二的受访者并不担心人工智能通过自动化取代他们的工作。他们希望人工智能能够接管他们目前所从事的不愉快的任务。与此同时,几乎所有的受访者都承认,人工智能将要求员工学习新的技能,就像汽车修理师不得不扩充技能一样。不同之处在于,他们没有几十年的适应时间,所以他们可能需要利用新的教育产品和人工智能本身加快再培训的过程。组织需要灵活性,员工和高管也是如此。针对长远成功的最佳准备是建立变革的能力。

  人工智能将从根本上改变商业。您成功的最好机会就是不要理会炒作,做必要的工作。相关行动必不可少且无可替代。

201802072327574488fbKFDL.yasuotu.gif


更多内容关注:顶呱呱生活体验馆


顶呱呱炫彩二维码201803031615.png


喜欢讨论交流的朋友可以加微信群:

微信图片_20180319153559.jpg


如遇问题请咨询

mmqrcode1451441534030.png





写下你的评论吧