该报告指出，“人工智能技术的广泛应用将为企业带来丰厚回报。”这意味着人工智能的颠覆性将在未来变得更加明显。而在这一点上，政府、企业、开发商应该都清楚这一点。此外，该报告提出了一些有趣的观点：
(1)除了科技产业之外，人工智能技术仍处于早期试验阶段，只有少数企业部署了人工智能解决方案。
(2)早期采用者可以更好地发现该技术的真正潜力，而那些后来的采纳者将很难跟上这种步伐。
(3)人工智能对数据和大数据基础的依赖意味着企业需要立即开始实施。
(4)人工智能不仅给企业和开发商带来了新的挑战，也带来了新的监管压力。例如，劳动力需要接受培训，以响应机器支持的发展，各个国家和地区需要进入全球劳动力/资本竞争，并解决道德、法律和监督问题。
如今，研究人员和行业企业正专注于人工智能系统的开发与应用，如机器人技术和自动化运输、虚拟代理和机器学习(包括深度学习和人工智能技术等技术进步的基础)。在众多行业知名数字巨头领导下，人工智能的投资将日益增长。
企业是否准备好利用人工智能?
最近，人们一直在谈论人工智能的发展潜力和带来的风险。然而，人工智能已不是一个新概念。它在整个历史中经历了动荡起伏，对此人们既有期望也有失望。这次会有所不同吗?根据新的分析，答案是：人工智能终于开始提供真正的商业利益，取得突破的条件已经具备。
计算能力显著增长，人工智能的算法变得更加精细，更重要的是，全球已经生成了大量的数据，并且众所周知的是，数据是人工智能的燃料。目前，大多数行业新闻都来自人工智能的技术提供商。许多新的使用案例仍处于试验阶段。市场上的产品是有限的，或者企业能够立即和普遍应用的产品更少。因此，分析人士有两种截然不同的观点：一些人对人工智能的潜力持乐观态度，一些人对其经济效益仍持谨慎态度。这种不一致的概念导致了市场规模的巨大差异。
在科技巨头的推动下，人工智能的投资正在增加，但商业应用仍然落后。
科技巨头正在投入数十亿美元开发人工智能技术。他们看到了人工智能技术的未来发展方向——强大的计算机硬件，越来越复杂的算法模型和大量数据，这些已经部分实现。事实上，大型科技公司的投资在人工智能领域占据重要地位。
人工智能将增加利润促进产业转型
尽管人工智能近年来发展迅速，但随后的采用仍处于起步阶段。这使得评估人工智能对企业和行业的潜在影响具有挑战性。那些已经在人工智能投资的公司发生了什么事?麦肯锡公司已经发现了大规模采用人工智能的早期证据，并带来了丰厚的回报。
它回顾了五个行业的大量案例研究，以研究人工智能如何改变某些业务活动，并为其他企业带来潜在的根本性变化。这些案例展示了人工智能如何在整个价值链和不同行业中塑造不同的功能。这些案例还对跨国公司、初创企业、政府和社区组织等利益相关方产生了广泛的影响。
行业案例研究展示了人工智能的颠覆性潜力
这个研究包括五个案例，以便了解人工智能在商业领域的广泛应用。这些案例研究表明人工智能如何通过多种形式影响特定行为。该研究涵盖零售、电力、制造业、医疗保健和教育行业。企业类型包括私营、公共和社会企业，其中包括从劳动密集型行业到B2B的重型资产运营。
如果要满足期望，人工智能需要在经济学领域发挥实际作用，以显著降低成本，增加利润，并提高资产利用率。该研究包括人工智能在四个方面创造价值的方式的分类：
(1)使企业能够更好地规划和预测需求，优化研发，增加资源。
(2)提高生产商品的能力，以更低的成本和更高的质量提供服务。
(3)以适当的价格和正确的信息向客户交付产品。
(4)提供个性化、便捷的用户体验。
这四个领域的价值创造取决于具体的用例。许多组织已经围绕这些用例发现或部署了解决方案(在本文将列出这些人工智能用例)。同样，这些用例在各行业之间具有不同的相关性，这意味着在规划和生产层中有很多机会使用人工智能。
此外，当机器学习可以为所有行业带来具有价值的好处时，某些特定技术可能在特定行业中具有独特的商业应用。例如，销售和制造中的机器人技术，医疗行业中的计算机视觉，以及教育行业中的自然语言处理。
认识到人工智能的真正潜力
现在是企业、开发商和政府认识到人工智能真正潜力的时候了。虽然人工智能有可能从根本上重塑整个社会，但仍然不确定该技术将如何发展。对于企业、政府和工作人员来说，这种不确定性意味着必须采取“观望”的态度。但是，人们仍然认为有必要采取积极和明确的行动，以便在应对风险的同时充分利用新出现的机会。
对于许多企业而言，这意味着他们需要加速数字化流程，并确保他们有效地部署人工智能工具。由于人工智能将大量高质量数据集成到自动化工作流程中，因此数据的影响也在增长。人工智能并不是数字化基础的捷径，与其相反，它是数字基础的有力扩展。
开发人员在帮助企业实现技术潜力方面发挥着至关重要的作用。开发人员需要考虑的问题是人工智能产品需要解决实际的业务问题，他们不必开发一些有趣的解决方案，而是必须大规模地解决实际问题。
政府部门和企业员工需要为人工智能在未来带来的转型变革做好准备。企业需要重新思考公共教育系统和员工培训问题，以确保员工的技能与机器相辅相成，而不是与机器竞争。此外，希望建立本地人工智能生态系统的国家或地区必须加入人工智能人才和投资的全球竞争。
对于整个社会而言，尚未解决的法律和道德问题可能是实现人工智能真正利益的最重大障碍。
人工智能过渡成功的必要因素是什么?
1.用例/价值来源
(1)浏览用例
(2)明确商业需求，并创建商业用例
(3)数据生态系统
(4)打破数据孤岛
(5)确定整合和预分析级别
(6)识别高价值数据
2.技术与工具
(1)为工作确定合适的人工智能工具
(2)使用合作伙伴关系，合并或收购弥补能力差距
(3)采用灵活的“反复试验”方法
3.工作流程集成
(1)将人工智能集成到现有工作流程中
(2)优化人机界面
(3)开放组织文化
(4)采用开放和协作的文化
(5)信任人工智能
(6)劳动力可以根据需求重新学习技能
关于职业分布，只有少数职业可以实现自动化。麦肯锡公司的分析师声称，在60%的职业中，只有30%的工作可以实现自动化。从地理角度来看，美国和中国在人工智能领域处于领先地位，而欧洲则很遗憾地落在后面。
采用人工智能面临的挑战
人工智能的兴起给政府和社会带来了广泛的问题。在其调查报告中，麦肯锡公司不仅指出了其中的一些问题，还提出了一些解决这些问题的方法。人们在解决这些问题方面取得的进展对于实现潜在效益和避免人工智能的风险至关重要。
(1)鼓励更广泛地使用人工智能
当前的人工智能应用程序集中在已经处于新技术前沿的行业中。扩大人工智能的应用范围以支持新技术领域，特别是对小型公司而言，对于确保生产力和经济发展的增长至关重要，并且可以确保健康和竞争的市场。人工智能跨行业的应用也有助于平衡不同行业的工资水平。人工智能可以提高生产力，从而提高工资。与其将人工智能局限在已经处于收入金字塔顶端的前沿企业和员工，不如在更广泛的应用范围内将人工智能的好处带给更多公司及其员工。
(2)解决就业和收入分配问题
人工智能驱动的自动化革命将深刻影响到人们的工作和收入。在麦肯锡公司的调查中，绝大多数企业管理者表示不相信人工智能对就业构成任何威胁。但是，显然某些职业的某些技能将无法满足未来的要求。政府部门可能不得不重新考虑他们提供社会服务的模式。当然，将有几种不同的方法来解决这些问题，其中包括调整劳动力，调整所得税和全球基本收入水平等。
(3)解决道德、法律和监管问题
人工智能提出了一系列道德、法律和监管问题。例如，在训练数据集中存在一种普遍的现实世界的偏见风险。由于种族、性别和其他偏见，机器学习算法茁壮成长的现实世界数据也不可避免地充满了歧视性特征。最终，这会影响人工智能系统，因为它们有可能在训练过程中产生这些偏差。
随着偏见变得更加细化，这些问题变得更加激烈。与此同时，公众可能对这些算法本身持怀疑态度。由于程序人员的道德观点可能被编码到算法中，人们有权知道算法的哪些部分?谁负责人工智能的输出?这导致了算法透明度和问责制的要求。
另一个问题是隐私问题。谁拥有这些数据?在不损害数据可用性的情况下，人们需要采取哪些措施来保护高度敏感的数据(如医疗数据)?致力于解决这些问题的组织和机构包括Partnership on AI、OpenAI，以及人工智能道德和治理基金会。
(4)确保训练数据的可用性
大量数据对于训练人工智能系统至关重要。开放公共部门数据可以刺激私营部门的创新，建立共同的数据标准也会非常有帮助。在美国，证券交易委员会强制所有上市公司在2009年以XBRL(可扩展商业报告语言)格式披露其财务报表，以确保公共数据是机器可读的。
(5)政府部门部署人工智能
人工智能在公共部门的应用具有巨大潜力。它能够加强规划、目标设定和服务个性化，这对提高政府服务的质量和效率至关重要。在报告的附录中，该报告探讨了人工智能技术在医学和教育这两个主要公共领域的未来。
人工智能用例
该报告详细说明了附录部分中的五个特定用例。麦肯锡公司对其中三个用例进行了直观描述。以下部分总结了这些人工智能用例：
1.零售营销和供应链
(1)人脸识别软件、机器学习和自然语言处理可以使虚拟代理提供各种服务。
(2)机器学习，用于个性化消费者推荐和匹配。
(3)深度学习支持计算机视觉识别消费者的能力。通过添加传感器数据，人工智能可以实现自动计费和支付。
(4)由深度学习提供支持的无人机可以在收件人不在交货地址时，自动避开障碍物和处理情况的同时进行交付。
(5)交互式屏幕和桌面可以使用计算机视觉和深度学习来识别产品，推荐相关产品和补充消费者档案。
(6)自动购物车可以跟随商店中的购物者，然后将装满商品的购物车直接运送到购物者的汽车附近，或者将它们通过机器人或无人机自动送货上门。
(7)通过采用机器学习技术，商店可以根据竞争对手的价格、天气和存储实时更新和优化价格，以获得最大利润。
(8)人工智能增强型机器人可以持续跟踪仓库，识别空货架并补货。其他机器人可以协助包装仓库中的物品。
2.发电和配电行业
(1)人工智能可以使电网更加智能，并减少发电站数量。
(2)从传感器收集的数据可以使机器学习系统实时调整发电厂的输出。
(3)机器学习可以预测峰值功率需求，并最大化间歇性可再生能源使用的效率。
(4)智能网线可以实时调节电流，以提高电网负荷。
(5)无人机和微型机器人可以在不关闭整条生产线的情况下检测和预测设备损坏。
(6)电力公司可以自动记录数据，以减少技术人员数量。
(7)实时接收数据的能力可以节省人工检查的工作量和时间。
(8)虚拟助手可以帮助用户处理交易，并提供错误订单的早期警告。
(9)智能电表可根据使用情况和天气等因素自动调整功耗数据。
3.医药保健行业
(1)人工智能可以帮助提供更快的诊断、更好的医疗计划和更全面的医疗保险。
(2)机器学习应用程序可以分析在可穿戴设备上收集的健康数据，提供健身建议，并预测用户的疾病风险。
(3)自动传感器可以帮助患者在没有医生和护士的情况下监测身体体征。
(4)借助医疗数据和记录，诊断工具可以更快、更准确地诊断疾病。
(5)通过使用医疗和环境因素来预测患者行为与患病可能性之间的联系，人工智能可以优化医院运营、人员配置和库存管理。
(6)人工智能工具可以分析患者的医疗记录和环境因素，以识别处于危险中的患者，并为他们提供预防性健康计划。
(7)虚拟助手可以帮助患者快速找到合适的医生，节省候诊时间，增强医疗体验。
(8)在机器学习工具的帮助下，个性化治疗计划可以让患者更快地康复。人工智能驱动的大数据健康分析可以减少住院时间。
(9)公共卫生分析的人工智能见解可以通过鼓励医疗服务提供者管理患者健康，以帮助患者降低治疗成本。
结论
在此已经讨论了人工智能如何解决实际业务问题，并且正在为各种规模的企业提供无处不在的技术。人们需要的是认识到人工的独特价值主张，使其成为业务战略中不可或缺的一部分，并实现其转型效益。
京公网安备 11010502049343号