對(duì)于AI 企業(yè)自動(dòng)化的四個(gè)關(guān)鍵事實(shí)和戰(zhàn)略影響的總結(jié)

人工智能和機(jī)器學(xué)習(xí)在亞馬遜 Alexa 等面向消費(fèi)者的應(yīng)用領(lǐng)域取得了長(zhǎng)足的進(jìn)步，在企業(yè)內(nèi)的的部署也不斷涌現(xiàn)。

關(guān)于 AI 自動(dòng)化對(duì)企業(yè)的影響范圍和影響程度的意見不一。 一方面，牛津大學(xué)最近的一項(xiàng)研究表明，在未來二十年內(nèi)，50% 的工作都可以由 AI 自動(dòng)化完成。另一方面，許多企業(yè)高管仍然對(duì) AI 的實(shí)際影響持懷疑態(tài)度。 此外，目前的炒作和媒體也存在許多誤導(dǎo)。

基于對(duì)學(xué)術(shù)界、初創(chuàng)公司和企業(yè)用戶的親身參與的客戶訪談，我在本文中總結(jié)了 AI 企業(yè)自動(dòng)化的四個(gè)關(guān)鍵事實(shí)和戰(zhàn)略影響：

事實(shí) 1：目前的 AI 爆發(fā)是可持續(xù)的，企業(yè)管理者不應(yīng)該忽視

機(jī)器算法歷史上第一次在諸如圖像識(shí)別、語音、文本翻譯以及圍棋這樣的復(fù)雜的任務(wù)中擊敗人類。 目前的機(jī)器學(xué)習(xí)熱潮是由三個(gè)基本驅(qū)動(dòng)因素的融合推動(dòng)：（1）深度學(xué)習(xí)算法復(fù)雜性的持續(xù)突破，（2）大數(shù)據(jù)（或結(jié)構(gòu)化數(shù)據(jù)）的快速增長(zhǎng)，（3）機(jī)器學(xué)習(xí)的指數(shù)加速， 如 GPU 芯片組這樣的機(jī)器學(xué)習(xí)硬件，將訓(xùn)練時(shí)間從幾個(gè)月縮短到幾天、幾個(gè)小時(shí)。

機(jī)器學(xué)習(xí)發(fā)展的三個(gè)潛在驅(qū)動(dòng)力預(yù)計(jì)將在近期加速（見下圖）。 到 2020 年，將有 70％ 的企業(yè)數(shù)據(jù)將通過云數(shù)據(jù)中心進(jìn)行存儲(chǔ)和處理，這將為機(jī)器學(xué)習(xí)算法訓(xùn)練提供前所未有的大數(shù)據(jù)基礎(chǔ)設(shè)施。同樣，加快機(jī)器學(xué)習(xí)算法訓(xùn)練和處理的硬件芯片正在迅速發(fā)展。 Google，NVidia，Intel 等都宣布推出下一代 GPU 芯片硬件，這將進(jìn)一步加快訓(xùn)練速度 10-100 倍。最后，底層機(jī)器學(xué)習(xí)算法繼續(xù)加速進(jìn)步，這一點(diǎn)從專利申請(qǐng)和申請(qǐng)的增長(zhǎng)可以看出。

上述趨勢(shì)提供了強(qiáng)有力的證據(jù)，表明 AI 能力和表現(xiàn)將在近期內(nèi)繼續(xù)改善。商業(yè)領(lǐng)袖不應(yīng)該忽視 AI。

事實(shí) 2：AI 的使用案例在企業(yè)中普遍存在，但范圍有限

鑒于 AI 的進(jìn)步將會(huì)繼續(xù)加速，那么 AI 在未來 5-7 年內(nèi)能夠做什么？ 專家的共識(shí)是，大部分的企業(yè)用例都是弱人工智能（如有監(jiān)督式學(xué)習(xí)），實(shí)現(xiàn)近似人類的廣泛智能還需要數(shù)十年。

簡(jiǎn)而言之，人工智能算法將具有從訓(xùn)練數(shù)據(jù)中自動(dòng)完成任務(wù)的學(xué)習(xí)能力。 但一旦學(xué)習(xí)了某個(gè)任務(wù)，解決方案的范圍就會(huì)縮小，而且在大多數(shù)情況下，不能推廣執(zhí)行其他任務(wù)。下圖顯示了今天或未來 5 年內(nèi)可能出現(xiàn)的用例：

考慮到以下的計(jì)算機(jī)視覺用例，一家公司可能需要訓(xùn)練 AI 算法來自動(dòng)掃描 PDF 和手寫發(fā)票，驗(yàn)證字段格式并觸發(fā)自動(dòng)應(yīng)付賬款流程。 更高級(jí)的算法（即無監(jiān)督學(xué)習(xí)）已經(jīng)出現(xiàn)，即使在未標(biāo)記的數(shù)據(jù)上也可以訓(xùn)練解決方案。

然而，由此產(chǎn)生的人工智能解決方案從根本上局限于自動(dòng)執(zhí)行文本字段識(shí)別和格式化的任務(wù)。 如果公司希望使用發(fā)票處理機(jī)器人來發(fā)現(xiàn)欺詐行為，那么他們將需要設(shè)計(jì)和訓(xùn)練一個(gè)全新的解決方案，重點(diǎn)關(guān)注其他基礎(chǔ)功能和模式。

在可預(yù)見的將來，人工智能應(yīng)用將沿著弱人工智能的“使用訓(xùn)練數(shù)據(jù)的有監(jiān)督學(xué)習(xí)”范式。 這有兩個(gè)戰(zhàn)略意義：

獲取訓(xùn)練的標(biāo)記數(shù)據(jù)成為戰(zhàn)略能力和差異化的根源

AI 解決方案需要深入的功能和特定領(lǐng)域的與人類共同創(chuàng)造和重新設(shè)計(jì)流程

事實(shí) 3：優(yōu)先專注于優(yōu)先級(jí) A→B 活動(dòng)

日本保險(xiǎn)公司 Fukoko 最近宣布使用人工智能替代人工進(jìn)行索賠處理。 高盛在 2000 年至 2016 年期間將 600 個(gè)交易員的團(tuán)隊(duì)轉(zhuǎn)變?yōu)橐粋€(gè)更加精簡(jiǎn)的 200 人的機(jī)器學(xué)習(xí)團(tuán)隊(duì)。

然而，并不是所有的企業(yè)活動(dòng)都適合于目前使用數(shù)據(jù)范式的弱 AI 自動(dòng)化。

描述機(jī)器可學(xué)習(xí)任務(wù)特征的一個(gè)有用方法是 Andrew Ng 的A→B活動(dòng); 投入明確的數(shù)據(jù)集 A，產(chǎn)生答復(fù)的活動(dòng) B.

例如，零售需求預(yù)測(cè)可以認(rèn)為是 A→B 活動(dòng)。 通過獲取季節(jié)、區(qū)域銷售歷史數(shù)據(jù)，銷售趨勢(shì)點(diǎn)，社交媒體信號(hào)以及定價(jià)敏感度數(shù)據(jù)等多種輸入信號(hào)，該算法可能實(shí)現(xiàn)對(duì)未來需求的預(yù)測(cè)。

金融交易也是一個(gè) A→B 的活動(dòng)。 交易算法得到一組輸入數(shù)據(jù)，如歷史價(jià)格，宏觀趨勢(shì)驅(qū)動(dòng)因素，過去交易者遵循的套利規(guī)則等，產(chǎn)生買入或賣出的輸出。 基于輸入（A）進(jìn)行正確的交易（B）可能是一個(gè)困難的問題，因?yàn)槭袌?chǎng)潛在的不可預(yù)測(cè)性，但是如果 AI 解決方案在大量交易中能超越人類，仍然是具有吸引力。

將企業(yè)流程和活動(dòng)分類到 A→B 與非 A→B 類別可以幫助管理者對(duì) AI 自動(dòng)化和增強(qiáng)策略進(jìn)行系統(tǒng)機(jī)會(huì)的掃描。

參閱下圖，了解適用于 AI 的其他A→B任務(wù)，以及不適合 AI 自動(dòng)化的活動(dòng)。

事實(shí) 4：AI 的采用不僅需要技術(shù)上的可行性

我們的客戶經(jīng)驗(yàn)表明，即使?jié)撛诘募夹g(shù)要求可以實(shí)現(xiàn)，一些 AI 應(yīng)用的采用率也會(huì)比其他應(yīng)用更快。公司需要考慮更廣泛的部署采用的驅(qū)動(dòng)因素， 關(guān)鍵采用驅(qū)動(dòng)因素包括：

一次性成本：用于開發(fā) AI 解決方案的初始資本支出，例如算法開發(fā)和訓(xùn)練數(shù)據(jù)采集。人工智能算法的開放源代碼的可用性，“人工智能即服務(wù)”平臺(tái)可以幫助減少固定成本。獲取訓(xùn)練數(shù)據(jù)往往成為一個(gè)昂貴的瓶頸，成為差異化的關(guān)鍵。

轉(zhuǎn)換成本：用新的 AI 解決方案取代當(dāng)前解決方案的相關(guān)成本和障礙。 這包括技術(shù)障礙，例如打開 AI 算法黑盒子以追蹤和解釋決策的能力，以及政治，文化和變革阻力等人為障礙。

生態(tài)系統(tǒng)需求：作為綜合解決方案的一部分，需要補(bǔ)充技術(shù)。 例如，需要與創(chuàng)新的物聯(lián)網(wǎng)傳感器和新興的機(jī)器人技術(shù)集成，人工智能解決方案將經(jīng)歷更高的采用復(fù)雜性。

系統(tǒng)外部性障礙：人工智能解決方案的網(wǎng)絡(luò)外部性，其中采用的價(jià)值隨著采用的增加而增加。

參見下圖，具有不同采用挑戰(zhàn)和潛在采用時(shí)間用例對(duì)企業(yè)的影響：

基于消費(fèi)者語音或聊天來自動(dòng)化進(jìn)行情感分析，以提高話務(wù)員能力的案例。 該解決方案在文化和風(fēng)險(xiǎn)方面的轉(zhuǎn)換成本顯然較高?？蛻魧?duì)從小處著手以減少對(duì)消費(fèi)者的負(fù)面影響要敏感得多。 即使解決方案有效，客戶也需要重新設(shè)計(jì)端到端的培訓(xùn)流程，以允許 AI 引擎推送建議。 最后，解決方案具有相對(duì)較高的網(wǎng)絡(luò)外部性，更高的采用率將產(chǎn)生更多的訓(xùn)練數(shù)據(jù)以進(jìn)一步提高性能，但收集最初的批量訓(xùn)練數(shù)據(jù)將需要時(shí)間和領(lǐng)導(dǎo)人“信心的飛躍”。 鑒于這種復(fù)雜性，人工智能情緒分析機(jī)器人可能需要長(zhǎng)達(dá) 7 - 10 年，而不是 2 - 3 年時(shí)間內(nèi)快速采用。

AI 自動(dòng)化用例在企業(yè)和價(jià)值鏈中迅速成為現(xiàn)實(shí)。企業(yè)領(lǐng)導(dǎo)者應(yīng)該從今天開始采用嚴(yán)格的基于投資組合的方法來開發(fā)機(jī)器學(xué)習(xí)功能、數(shù)據(jù)和合作關(guān)系。