波士頓諮詢：把人工智慧應用於工作

DinK發表於2017-11-29

人工智慧

AI不是現成的解決方案

人工智慧不是即插即用的現成解決方案。公司不能簡單地“購買人工智慧”並將其應用於他們的問題。儘管人工智慧的一些元素在商業領域是可用的，但繁重的工作體現在管理資料、流程和技術之間的相互作用（公司內部）。

將人工智慧用於工作的概念框架相當直觀。簡而言之，人工智慧演算法吸收資料，處理資料，然後生成操作。這個過程依賴於不同層級技術的適當整合，儘管如此，尋找一個從資料到行動的特定方法經常困擾著企業。

　　每個經理都應該知道的有關人工智慧的10件事：

· 人工智慧是具有感應性的

　　· 人工智慧的演算法是簡單的

　　· 人工智慧是以超乎想象的速度和規模工作的

　　· 可以實現對人工智慧的語言和視覺訪問

　　· 人工智慧克服了傳統的複雜障礙

　　· 潛艇不會游泳（人工智慧與人解決問題的思維方式是不同的）

　　· 人工智慧很難質詢

　　· 人工智慧的行動是分散的，但是學習是集中的

　　· 人工智慧的商業價值來自於資料和訓練

　　· 人機互動已經發生了變化。

應用中的人工智慧

人工智慧在商業中大規模應用的水平仍然很低：根據與麻省理工大學（MIT）的調查，在20家公司中，只有1家公司廣泛採用了人工智慧。然而，每個行業採用人工智慧的公司都是在行業領先的公司。即使沒有一家公司在所有工作流程上都實現了人工智慧，但許多公司都正在利用人工智慧創造巨大的商業價值。人工智慧在以下幾個行業的應用，包括各種組織功能和流程，展示了人工智慧的普及程度，以及它在恰當的環境中的有效性。

市場與銷售：人工智慧為企業提供了個性化服務、廣告和互動的機會。這種利益是巨大的。整合先進數字技術和專有資料以創造個性化體驗的品牌可以增加6%到10%的收入——是其他品牌的兩到三倍。BCG估計，在零售業、醫療保健和金融服務行業，未來5年，將有8000億美元的收入將轉移到個性化公司前15%名。

研究與開發：與市場與銷售相比，研發對人工智慧來說是一個比較不成熟的領域。與大型零售連鎖店相比，研發所產生的資料要少得多，而且往往無法將這些資料數字化。此外，許多研發問題都是複雜的、技術性很強的，受到嚴格的科學約束。即便如此，人工智慧在這一領域仍有很高的潛力。例如，在生物製藥行業，研發是主要的利潤驅動因素，人工智慧可以扭轉成本高和開發時間長的趨勢。

運營：運營的實踐和過程是十分適合人工智慧應用的。運營通常有相似的例行程式和步驟，生成大量的資料，併產生可測量的輸出。許多人工智慧概念如果在一個行業中起作用，在另一個行業中也能起作用。目前流行的人工智慧用途包括預測維護和非線性生產優化，它對生產環境的元素進行整體分析，而不是按順序或孤立地進行分析。

採購和供應鏈管理：在採購方面，人工智慧的潛力很大，因為結構化資料和重複交易很常見，但基本上還未實現。眼下，機器可以打敗世界上頂級的撲克玩家，也可以交易證券，但他們還沒有表現出在企業採購方面勝過供應商的能力——至少在公開場合是這樣（公司可能使用人工智慧驅動的採購系統，但沒有告訴他們的供應商或其他任何人，以維持其競爭優勢）。已知的人工智慧在採購方面應用的案例包括聊天機器人；半自動的合同設計與稽核；基於對新聞、天氣、社交媒體和需求的分析提出的採購建議。重要的增強甚至自動化的採購現在才剛剛出現。

後勤部門：公司通常將後勤部門部分外包，這使得各公司的後勤趨於相似。但是很快他們就可以為這些流程購買人工智慧解決方案了。重型人工智慧的開發正在外包巨頭如IBM，埃森哲，和印度四大巨頭（HCL、Infosys、Wipro、和塔塔）進行。這些公司正在將重點從強調降低勞動力成本和規模轉向建立智慧和自動化平臺，以提供更高價值的服務。

產品和服務中的人工智慧：不同於大多數現有的例子，人工智慧的應用，包括先進的產品和服務——例如個人數字助理、自動駕駛汽車、機器人投資顧問——往往受到很多的關注。提供人工智慧服務的公司渴望向公眾展示這些產品的具有競爭力效能和特點。