|
虽然人工智能的普及程度仍然较低，但许多企业正通过人工智能提升盈利能力。人工智能在创造巨大商业价值的同时，也在影响行业价值的转移。通过了解人工智能应用案例以及项目实施的关键因素，管理者们可以更好地采取行动，为在人工智能时代取胜而做好准备。 人工智能的使用 人工智能在商业中的广泛应用程度仍然很低：根据我们和麻省理工学院的调查，20家公司中仅有1家已广泛地使用人工智能。尽管如此，每个行业都有在人工智能领域处于领先地位的企业。即使没有一家企业出色地应用人工智能的所有功能，但是很多企业正在使用人工智能创造巨大的商业价值。以下使用案例来自多个行业、涉及各种组织职能和流程，这些案例展示了人工智能的普遍性及其在正确运用下的高效性。 营销与销售 人工智能使企业有机会为客户提供个性化的服务、广告和互动。其中的收益是巨大的。通过引入高阶数字技术及运用专有数据来创造个性化体验的品牌可以提高6%至10%的收入——是不采用人工智能技术品牌的两到三倍。据BCG估计，仅在零售、医疗保健和金融服务领域，未来五年内将有8000亿美元的收入流向排名前15%的个性化公司。 许多成功的个性化最佳实践已在快速发展的零售业中出现。例如，一家全球零售商使用会员APP中的数据（包括位置、时间和购买频率），深入了解其客户的每周日常活动。通过将数百万的个人数据点与一般消费者趋势信息相结合，该零售商建立了一个实时营销系统，目前每周可为客户提供50万个定制产品。 在一些销售和营销组织中，人工智能并非体现在流程自动化方面，而是提高了组织绩效。例如，一家有多条产品线的保险公司依靠机器学习对客户进行细分，并结合客户需求与保险公司的目标，向公司的销售代理推荐“下一个最佳产品”。为了实现这个目标，保险公司建立了一个客户保险需求模型，覆盖生命周期不同的阶段。该模型依赖于复杂的算法，其中包含超过1000个静态和动态变量，涵盖人口统计、政策、代理人任期和销售历史数据。因此，保险公司可以将特定保单与具体客群下的个别客户相匹配。该系统有望增加30%的交叉销售。保险公司还可以使用机器学习，通过处理地域、竞争和代理人业绩数据来优化销售。 这类案例展示了人工智能在零售或金融销售服务等分散环境中的有效性，这些环境下人工智能受益于丰富的情境和具体的客户数据。合理构建的试点项目通常能够在四至六周内实现概念验证，并有助于确定整个项目全面上线所必要的数据架构和技能基础。 研究与开发 与营销和销售相比，研发是人工智能应用中一个不太成熟的领域。研发产生的数据比大型连锁零售要少得多，而且往往不能以数字化方式获取这些数据。此外，很多研发问题不仅复杂、技术性强，还受到严格的科学约束。即便如此，人工智能在这个领域仍具有极大的潜力。例如，在以研发为主要利润驱动因素的生物制药行业，人工智能可以帮助降低成本并缩短开发周期。 Citrine Informatics是一个旨在加速产品开发的人工智能平台，展示了应对有限数据这一挑战的方法。大多数已发表的研究都偏重于成功的实验，并考虑资助机构的潜在利益。Citrine通过与研究机构建立的大型关系网络收集未发表的数据，从而克服了这一限制。Citrine的联合创始人兼首席科学家Bryce Meredig表示：“负面数据几乎从未公布。但是，负面结果的原始数据对建立一个毫无偏差的数据库而言至关重要。”这种综合方法使公司能够将特定应用的研发时间缩减一半。 在工业品领域，领先的制造商通过人工智能、工程软件和操作数据（如：维修频率）的结合，来优化设计。人工智能在增材制造（也称为3D打印）的设计开发方面颇有助益，因为其算法驱动的流程不受工程惯例约束。 积极的数据收集应该成为研发流程中人工智能试点的关键元素。数据收集活动也许有必要与大学合作，将过去的记录数字化，甚至重新生成数据。由于从事研发需要专业的知识和技能，一键式的人工智能解决方案几乎不存在。相反，科学家必须依靠系统的试验来构建未来人工智能应用所需的数据清单。 运营 运营的实践和流程与人工智能自然契合。这些实践和流程常常拥有类似的操作程序和步骤，产生大量的数据和可测量的输出信息。许多被某个单一行业应用人工智能概念也会在另一行业中起作用。目前，包括预测性维护和非线性生产优化在内的被广泛应用的人工智能技术是基于全面分析生产环境各项要素，而非按顺序或孤立地进行分析。 （责任编辑：晨鸿） |
