麥肯錫：機器學(xué)習(xí)僅僅是AI的解決方法之一

　　基于麥肯錫全球研究所對跨越10個國家，14個行業(yè)的3073名企業(yè)高管和160個AI使用案例的AI調(diào)查，以及一項獨立的數(shù)字研究項目，本文提出要想利用AI取得成功，CEO們需要知道10個要點。

　　人工智能的熱潮已經(jīng)滲透各行各業(yè)，對AI的投資正在增長，并且這些投資越來越多地來自技術(shù)領(lǐng)域之外的組織。利用AI獲得成功的案例也越來越多，例如亞馬遜通過使用AI驅(qū)動的倉儲機器人Kiva提高運作效率，通用電氣利用AI預(yù)測來維護其工業(yè)設(shè)備的運行，等等。

　　顯然，企業(yè)的CEO需要考慮AI對業(yè)務(wù)的影響，但AI在商業(yè)環(huán)境中的使用如何能夠盈利是不明確的。基于麥肯錫全球研究所對跨越10個國家，14個行業(yè)的3073名企業(yè)高管和160個AI使用案例的AI調(diào)查，以及一項獨立的數(shù)字研究項目，我們發(fā)現(xiàn)要想利用AI取得成功，CEO們需要知道10個關(guān)鍵的觀點。

　　不要相信炒作：并不是每個企業(yè)都在使用AI。雖然現(xiàn)在針對AI的投資正在升溫，但企業(yè)采用AI技術(shù)的幅度還是比較小的。AI的總投資額(包括內(nèi)部和外部)在2016年達到260億至390億美元，外部投資自2013年以來翻了兩番。但是，盡管有這樣的投資水平，AI的采用仍處于初步階段，我們的調(diào)查對象中只有20%在一個或一個以上的業(yè)務(wù)中大規(guī)模使用，或在核心業(yè)務(wù)使用AI技術(shù)。(調(diào)查結(jié)果被加權(quán)計算以反映不同規(guī)模的企業(yè)的相對經(jīng)濟重要性，調(diào)查包括五個AI技術(shù)系統(tǒng)：機器人和自動駕駛車輛，計算機視覺，語言，虛擬代理和機器學(xué)習(xí)。)

　　就目前來說，一些公司仍在試驗或試點使用AI(41%)，這是好事。我們的調(diào)查結(jié)果表明，趕上學(xué)習(xí)曲線并使用AI進行競爭仍需時間。

　　不過，現(xiàn)在可能是處在AI采用的一個關(guān)鍵轉(zhuǎn)折點。一些AI技術(shù)開始成熟，并開始能證明其價值，例如神經(jīng)機器學(xué)習(xí)和自然語言處理，這些技術(shù)迅速成為所有采用者的AI技術(shù)中心。我們預(yù)計目前AI的早期領(lǐng)航者中至少有一部分將在短期內(nèi)完全整合AI。最后，AI的采用似乎在各個部門和領(lǐng)域之間傳播，雖然傳播的速度不同。未來三年，電信及金融服務(wù)業(yè)將有望領(lǐng)先，而且這些行業(yè)的受訪者表示計劃在AI技術(shù)上的支出每年增加15%以上，超過跨行業(yè)平均水平7個百分點。

　　相信AI可以潛在地增加公司的總收入和賬面利潤這類炒作。我們的調(diào)查中，30%左右的早期AI采用者(即大規(guī)模使用AI或在核心業(yè)務(wù)采用AI的公司)表示他們已經(jīng)實現(xiàn)了收入增長，利用AI獲得了市場份額或擴張了其產(chǎn)品和服務(wù)。此外，早期AI采用者中說他們希望自己公司的利潤率增長到比同行高5個百分點的人比其他人多3.5倍。雖然相關(guān)性和因果關(guān)系的問題可以合理地提出，但有獨立分析已經(jīng)提出AI直接地改善利潤率的一些證據(jù)，AI投資的ROI與其他相關(guān)的數(shù)據(jù)技術(shù)(例如大數(shù)據(jù)和高級分析)相同。

　　沒有領(lǐng)導(dǎo)層的支持，你的AI轉(zhuǎn)型可能不會成功。成功的AI采用者在采用新技術(shù)時通常有強大的執(zhí)行領(lǐng)導(dǎo)支持。調(diào)查反饋顯示，已經(jīng)成功大規(guī)模部署AI技術(shù)的公司得到公司管理層的支持率是沒有采用任何AI技術(shù)的公司的2倍。此外，強大的支持不僅來自CEO和IT部門主管，而且來自所有管理層高管和董事會。

　　你不必一個人獨自專研AI——需要合作伙伴的才干和能力。人工智能領(lǐng)域經(jīng)歷了數(shù)十年的“AI寒冬”，最近才開始出現(xiàn)創(chuàng)新，有技術(shù)專長和能力的人相當稀缺。甚至像亞馬遜和谷歌這樣的大公司為了增加自己的AI能力也開始轉(zhuǎn)向非本領(lǐng)域的公司和人才。例如，谷歌收購DeepMind，DeepMind能夠利用其機器學(xué)習(xí)能力來幫助谷歌這家科技巨頭改進核心業(yè)務(wù)，例如搜索優(yōu)化。實際上，我們的調(diào)查顯示，AI的早期采用者主要是通過購買得到合適的技術(shù)解決方案，只有少部分受訪者是在內(nèi)部開發(fā)和實施所有AI解決方案。

　　抵制讓技術(shù)團隊完全掌控AI主動權(quán)的誘惑。將AI劃分為IT、數(shù)字、創(chuàng)新等各職能部門的領(lǐng)導(dǎo)者分別問責可能導(dǎo)致“拿著錘子找釘子”的結(jié)果：缺乏令人信服的用例即部署技術(shù)。為了確保能夠把關(guān)注的重點放在最有價值的使用案例，人工智能的主導(dǎo)權(quán)應(yīng)該由企業(yè)領(lǐng)導(dǎo)和技術(shù)負責人共同進行評估和領(lǐng)導(dǎo)，這一方法在其他數(shù)字技術(shù)領(lǐng)域已經(jīng)被證明是成功的。

　　采取投資組合方式來加速你的AI采用。目前，AI工具的范圍已經(jīng)相當大，從已被證明可以解決具體業(yè)務(wù)問題的工具(例如，用于預(yù)測性維護的模式檢測工具)到少人有了解，當前能力有限但潛力效用高的工具(例如，用于開發(fā)競爭性戰(zhàn)略的AI應(yīng)用)。這樣的分布表明，組織可以考慮采用基于投資組合的方法來實現(xiàn)不同時間維度的人工智能采用：

　　短期：專注于當前已有成熟技術(shù)解決方案的使用案例，并將其推廣到整個組織，以推動有意義的底線價值。

　　中期：嘗試已出現(xiàn)但仍相對不成熟的技術(shù)(例如深度學(xué)習(xí)視頻內(nèi)容視頻)，在推廣之前證明其在關(guān)鍵業(yè)務(wù)中使用的價值。

　　長期：與學(xué)術(shù)界或第三方研究機構(gòu)合作，利用前沿的AI技術(shù)解決具有更高影響力的使用案例(例如，在某個關(guān)鍵知識工作者角色中增強人類決策)，以捕捉潛在的先發(fā)優(yōu)勢。

　　機器學(xué)習(xí)是強大的工具，但它并不是對所有事情都適用。機器學(xué)習(xí)，以及它最突出的子領(lǐng)域深度學(xué)習(xí)吸引了許多媒體的關(guān)注，并獲得了大量的融資，占2016年所有外部投資的接近60%。

　　雖然機器學(xué)習(xí)已經(jīng)得到許多應(yīng)用，但它只是能夠解決業(yè)務(wù)問題的許多AI相關(guān)技術(shù)之一。沒有哪一項技術(shù)是所有AI問題的解決方案。例如，為了提高客戶服務(wù)中心的效率所使用的AI技術(shù)與用于識別信用卡欺詐所使用的技術(shù)可能有很大的不同。企業(yè)在數(shù)字化和AI采用的特定階段，尋找正確的工具來解決不同的業(yè)務(wù)問題是至關(guān)重要的。

　　數(shù)字化能力在AI之前就已出現(xiàn)。我們可以看到，高科技、電信和汽車等在AI采用方面領(lǐng)先的行業(yè)也是數(shù)字化程度最高的行業(yè)。同樣，所有早期采用AI的企業(yè)都已經(jīng)在數(shù)字化能力方面投入，包括云基礎(chǔ)架構(gòu)和大數(shù)據(jù)。實際上，沒有數(shù)字化轉(zhuǎn)型經(jīng)驗的企業(yè)似乎很難輕易跳躍到AI采用。統(tǒng)計數(shù)據(jù)顯示，在數(shù)字化方面有較多經(jīng)驗的企業(yè)采用AI時的利潤率相比其他公司高出50%。

　　要敢于冒險。在一個關(guān)于數(shù)字化顛覆(digital disruption)的獨立研究中，我們發(fā)現(xiàn)采取進攻性的數(shù)字化戰(zhàn)略是扭轉(zhuǎn)數(shù)字化顛覆詛咒的最重要因素。采取進攻性戰(zhàn)略的企業(yè)會從根本上改變其業(yè)務(wù)組合，開發(fā)新的商業(yè)模式，創(chuàng)造比數(shù)字化前更強大的增長路徑。到目前為止，對于AI來說也是這樣：AI的早期采用者中采取非常積極、進攻性的策略者相比其他具有更好的利潤前景。

　　最大的挑戰(zhàn)是人和流程。在許多情況下，將AI結(jié)合到員工流程和決策過程的挑戰(zhàn)遠超實施AI的技術(shù)性挑戰(zhàn)。領(lǐng)導(dǎo)者決定機器處理哪些任務(wù)，以及人類執(zhí)行哪些任務(wù)，不管是新任務(wù)還是傳統(tǒng)任務(wù)，實施允許持續(xù)學(xué)習(xí)新技能的程序?qū)⑹侵陵P(guān)重要的。隨著AI繼續(xù)融合先進的可視化技術(shù)、協(xié)作和設(shè)計思維，企業(yè)將需要從主要關(guān)注流程效率轉(zhuǎn)向重視決策管理的有效性，這需要進一步要求領(lǐng)導(dǎo)者創(chuàng)造一種持續(xù)改進和持續(xù)學(xué)習(xí)的文化。

　　毫無疑問：下一個數(shù)字化前沿就在這里，就是AI。雖然一些公司仍在從以前的數(shù)字化崩壞中恢復(fù)，但新的數(shù)字化崩壞正在形成。不過現(xiàn)在仍是早期?，F(xiàn)在還來得及讓AI成為競爭優(yōu)勢。