AI落地，什么最重要？

宋辰

幾乎所有企業(yè)都發(fā)布了AI戰(zhàn)略，2019年，AI落地還面臨諸多挑戰(zhàn)。

剛剛過去的2018年，幾乎所有企業(yè)都將AI作為重要的發(fā)展戰(zhàn)略。據(jù)《Constellation Research 2018年人工智能研究》顯示，60%的組織預(yù)計(jì)2018年AI投資將增加50%以上，2018年AI預(yù)算平均增加50%以上，52%的受訪者表示投產(chǎn)或試運(yùn)行的AI項(xiàng)目用于IT部門;50%表示投產(chǎn)或試運(yùn)行的AI項(xiàng)目為客戶服務(wù)/商務(wù)用途;46%表示AI項(xiàng)目為銷售和營(yíng)銷用途，36%表示AI項(xiàng)目用于提高員工工作效率。

如今，AI被成功用于搜索引擎、預(yù)測(cè)分析、聊天機(jī)器人和像Alexa一樣的語音個(gè)人助手。它還被嵌入到軟件解決方案中，用于管理設(shè)施維護(hù)、優(yōu)化庫(kù)存、銷售預(yù)測(cè)、預(yù)測(cè)客戶未來購(gòu)買需求，以及許多其他應(yīng)用。

技術(shù)準(zhǔn)備充足，企業(yè)逐步認(rèn)識(shí)到AI技術(shù)可以擴(kuò)大業(yè)務(wù)場(chǎng)景，優(yōu)化決策。說到與AI技術(shù)相關(guān)的應(yīng)用，人們最先想到的通常是機(jī)器人，但它還有大量其他應(yīng)用，而且通常是后臺(tái)應(yīng)用。受到效率需求的推動(dòng)，醫(yī)療保健和制造業(yè)等行業(yè)正在進(jìn)行進(jìn)一步的創(chuàng)新。

咨詢公司McKinsey數(shù)據(jù)顯示，在營(yíng)業(yè)收入超過10億美元的企業(yè)中，接近60%至少啟動(dòng)了AI試驗(yàn)項(xiàng)目。另外，F(xiàn)orrester預(yù)計(jì)，未來三年，AI相關(guān)軟件產(chǎn)生的收入將增加近兩倍，達(dá)到29億美元。到2021年，機(jī)器人自動(dòng)化技術(shù)將能夠代替全球大約430萬人的工作。

AI不僅意味著更高的利潤(rùn)，還可以在不降低競(jìng)爭(zhēng)力的情況下增加銷售機(jī)會(huì)，這是因?yàn)椋珹I在發(fā)現(xiàn)之前未發(fā)現(xiàn)的數(shù)據(jù)規(guī)律方面有巨大的開發(fā)潛力，而且具有先發(fā)優(yōu)勢(shì)。

AI落地面臨三大挑戰(zhàn)

目前的局面是，在利潤(rùn)方面具有顯著優(yōu)勢(shì)（要求不斷尋找實(shí)現(xiàn)差異化的方法）的行業(yè)，或者具有大量與流程相關(guān)的數(shù)據(jù)的行業(yè)將最先應(yīng)用AI。組織必須能夠?qū)νㄟ^AI預(yù)測(cè)、自然語言處理（NLP）和機(jī)器學(xué)習(xí)節(jié)省的成本和實(shí)現(xiàn)的收入進(jìn)行量化。如果你能細(xì)化這些成果，通過一個(gè)解決方案構(gòu)建多個(gè)項(xiàng)目，你就有足夠的動(dòng)力全面落地AI了。

在制造業(yè)，考慮到物聯(lián)網(wǎng)的興起，以及用戶很難搞清楚其中含義的大量數(shù)據(jù)，AI將在發(fā)現(xiàn)洞察方面發(fā)揮顯著優(yōu)勢(shì)。在零售等行業(yè)，電子商務(wù)的迅速發(fā)展導(dǎo)致競(jìng)爭(zhēng)愈演愈烈，現(xiàn)在他們可以使用自己的數(shù)據(jù)作為差異化因素，實(shí)現(xiàn)更高的自動(dòng)化并獲得更多洞察。他們可以找到創(chuàng)造更多價(jià)值的新模式，例如設(shè)定產(chǎn)品零售價(jià)、預(yù)測(cè)缺貨情況等。

盡管擁有顯而易見的優(yōu)勢(shì)，但AI依然面臨一些挑戰(zhàn)，以下是減緩AI落地的三大主要因素：

早期案例。許多早期的試驗(yàn)案例主要圍繞零售和消費(fèi)應(yīng)用，企業(yè)應(yīng)用發(fā)展一直比較緩慢。這些案例具有局限性，覆蓋面較窄，通常只適用于一家公司、一種產(chǎn)品或小眾領(lǐng)域。人們很難從與自己的市場(chǎng)完全不相關(guān)的案例中學(xué)習(xí)經(jīng)驗(yàn)。

沒有確定的最佳做法。AI全面落地的另一個(gè)障礙是目前缺乏明確的最佳做法。早期采用AI的組織在記錄AI的落地工作時(shí)通常只進(jìn)行簡(jiǎn)要概述，出于保護(hù)專利概念的目的故意模糊其辭。在實(shí)施AI方面，企業(yè)沒有可以借鑒的詳細(xì)操作經(jīng)驗(yàn)，需要自行研究。

未知的財(cái)務(wù)影響。對(duì)AI的財(cái)務(wù)影響知之甚少是又一個(gè)尚未解決的問題。截至目前，媒體報(bào)道的成功應(yīng)用通常集中在技術(shù)領(lǐng)域，而且是由IT團(tuán)隊(duì)主導(dǎo)的，而不是需要解決特定的市場(chǎng)問題或達(dá)成量化目標(biāo)的業(yè)務(wù)經(jīng)理。這種以技術(shù)為中心的方法有其自身的價(jià)值，但也有局限性，例如缺乏支持企業(yè)用例或投資回報(bào)率（ROI）的數(shù)據(jù)。

所以，企業(yè)如果要在2019年落地AI，需要收集可用于提出大規(guī)模實(shí)施建議和獲得利益相關(guān)者，尤其是財(cái)務(wù)部門支持的量化數(shù)據(jù)。

“我們認(rèn)為AI是一項(xiàng)基礎(chǔ)技術(shù)，會(huì)在所有行業(yè)、產(chǎn)品和用例中得到廣泛應(yīng)用。相比只適用于某個(gè)行業(yè)中某個(gè)用例的產(chǎn)品，為什么不開發(fā)一種適用于所有企業(yè)用戶，讓所有業(yè)務(wù)部門都能利用機(jī)會(huì)的解決方案呢？根據(jù)我們的經(jīng)驗(yàn)，幾乎不可能重復(fù)使用一種AI技術(shù)，因?yàn)椴煌蛻舻臄?shù)據(jù)模式千差萬別。然而，通用平臺(tái)應(yīng)提供一個(gè)模板，讓客戶可以根據(jù)自己的準(zhǔn)確需求和數(shù)據(jù)調(diào)整AI。Infor的Coleman AI Platform就是這樣一個(gè)平臺(tái)。”Infor技術(shù)產(chǎn)品總監(jiān) Rick Rider表示。

AI落地前，不妨先試驗(yàn)

IT部門和開發(fā)人員希望盡快部署AI，但決定性因素更多是成本。企業(yè)領(lǐng)導(dǎo)和董事會(huì)成員希望先搞清楚投資回報(bào)率（ROI），因此，許多企業(yè)會(huì)在2019年選擇可衡量的項(xiàng)目。

部署AI前可以先進(jìn)行AI試驗(yàn)，而通過AI試驗(yàn)可以取得三個(gè)成果：

成本合理性。通過試驗(yàn)階段，組織會(huì)從提高生產(chǎn)力、減少浪費(fèi)、刺激客戶消費(fèi)和創(chuàng)造新收入方面確定行之有效和無效的措施，以及對(duì)利潤(rùn)的影響。收益隨時(shí)間的增長(zhǎng)（即使是小幅增長(zhǎng)）將證明成本的必要性和合理性。

可擴(kuò)展模型。除了生成ROI數(shù)據(jù)，詳細(xì)的試驗(yàn)案例記錄還可以為后期擴(kuò)展AI應(yīng)用提供可擴(kuò)展的框架，從而幫助企業(yè)加快未來全面落地AI的速度。創(chuàng)新型解決方案提供商幫助客戶快速啟動(dòng)試驗(yàn)項(xiàng)目采用的方法包括發(fā)現(xiàn)決策工具、培訓(xùn)服務(wù)、流程自動(dòng)化和內(nèi)置智能工作流程。使用適當(dāng)?shù)墓ぞ呖梢詫⑻剿鬟^程縮短至兩個(gè)月。

地下水配送聯(lián)合公司Headwater Companies信息技術(shù)總監(jiān)Matt Hendrickson表示，公司最近部署了Infor Coleman AI Platform，該平臺(tái)包括居民開發(fā)者工具包，用于指導(dǎo)用戶建立可擴(kuò)展模型。他指出：“對(duì)我們來說，AI解決方案必須便于部署和使用才能充分發(fā)揮它的作用。快速部署計(jì)劃有助于促進(jìn)AI的落地，如果我們不需要經(jīng)過幾個(gè)月或幾年的開發(fā)就能利用解決方案，剩下的工作就順理成章了。”

團(tuán)隊(duì)忠誠(chéng)度。成功的試驗(yàn)案例會(huì)為用戶帶來積極的體驗(yàn)，這將幫助團(tuán)隊(duì)克服被AI取代或邊緣化的恐懼。主動(dòng)向員工展示AI只是一個(gè)工具，不會(huì)取代人類，這將有助于克服可能導(dǎo)致項(xiàng)目失敗的懷疑心理。通過讓組織中多個(gè)層級(jí)的員工參與其中，試驗(yàn)項(xiàng)目可以幫助員工形成新的心態(tài)，完全接納AI及其巨大潛力。