人工智能塑造价值的重要性


我最近了解到,尽管组织对人工智能充满热情,但相对而言,很少有组织积极主动地将人工智能程序付诸实践。事实上,一份新报告显示,尽管高管们情绪高涨,only 20% of companies have extensively implemented AI 进入他们的商业运作。

这项由波士顿咨询集团和麻省理工学院斯隆商学院联合开展的调查发现,在接受采访的3000名高管中,约75%的高管认为人工智能将使他们能够进入新的业务领域,85%的高管表示人工智能将帮助他们“获得并保持竞争优势。”因此,事实上,组织对人工智能的可能性非常兴奋。

然而,只有不到40%的公司制定了人工智能策略,而在最大的公司中——员工超过10万人的公司——只有一半的公司制定了策略。

为什么热情和计划之间会有如此大的差距?

远远没有被广泛采用

看起来,尽管有人工智能的承诺,大多数公司都发现在他们的业务中实施人工智能的某些方面具有挑战性——甚至是在很小的程度上。

这对于一些行业观察人士来说似乎令人震惊,因为根据一项研究,在过去的五年里,人工智能的投资增长了300%report from McKinsey。2016年,谷歌(Google)和百度(Baidu)等全球科技巨头花费了200亿至300亿美元,其中大部分都花在了R&D的成本上,而大约60亿至90亿美元从风险投资、私募股权投资、赠款和类似渠道流入了初创企业。这些数字看起来很重要——而且确实如此——但我们还远远没有被所有行业广泛采用。

这就是问题的关键。是时候停止做行业观察者,开始做行业参与者了。要做到这一点,企业需要首先进入人工智能领域。

为什么人工智能难以实现

有各种各样的原因,为什么这么多的组织还没有考虑人工智能战略和实施。像许多商业问题一样,面临的挑战既是技术上的,也是人性上的。

不同的发展结构

当组织进行软件开发时,他们通常会遵循一个经过微调和验证的过程,这个过程会带来预期的结果。这个过程通常包括不同程度的规划、设计、构建、测试和部署。然而,有了人工智能,可能会有一个理想的结果,但路径并没有明确定义。人工智能的发展意味着创建一个软件自我训练的系统。为此,开发周期通常不是线性的,更多的是实验性的,希望利用人工智能的公司需要确保有实验的空间。

指数级的数据需求

为了让人工智能对一个组织真正有价值,它需要学习。它学习的唯一方法是处理大量高质量的数据。它能分析的数据越多,质量越好,结果就越准确。这比人类分析师在传统商业智能实践中通常处理的数据要多得多;这里我们不是在讨论一些电子表格,而是在讨论多种百科全书的数据价值。到底需要多少数据?这正是挑战所在。此外,重要的是输入一个广泛而平衡的人工智能数据,以避免其输出中任何无意的偏差。

人工智能在商业中的应用仍然是高度实验性的,将人工智能应用于商业问题的结果仍然是难以置信的不可预测。这使得实际测量人工智能的投资回报率有些困难。虽然有一些非常好的案例研究和轶事可以清楚地表明人工智能将对商业产生巨大的影响,但这种影响的全面程度目前还很难预测。希望在运营中部署人工智能的组织需要培养对实验的容忍度,同时也要建立自己的内部团队和技能来掌握这项新技术。

识别人工智能的价值

尽管开发人工智能策略面临挑战,但使用人工智能的组织的未来是光明的。但前提是他们现在开始考虑他们的人工智能策略。要做到这一点,组织需要有远见卓识的人和领导者,他们不仅能发现机会,还能收集开发和部署成功的人工智能战略所需的数据和人力资源。

但重点不应该只放在技术本身,还应该放在期望的结果上。这可能意味着从改善和个性化客户体验到提高生产效率到设计更好的小部件到优化决策和行动的任何事情。换句话说,人工智能的价值将基于企业应用人工智能识别和解决现实问题的能力。

有了愿景、战略和执行的正确结合,聪明的企业可以学会如何最好地利用这一快速发展的技术,获得竞争优势,并为企业的长期成功做好准备。