企业 AI 正在迅速成熟，随着公司转向业务优先的 AI 战略，整个组织都在寻求 AI 的好处。
人工智能已经成为主流。各行各业的公司都推出了成功的概念验证，甚至成功地在生产中部署了人工智能。一些组织甚至已经实施了他们的人工智能和机器学习战略，项目在整个企业中激增，并配备了最佳实践和管道。如今，处于人工智能成熟度曲线前沿的公司正在大规模使用人工智能。
人工智能在企业中部署方式的整体成熟度正在改变公司看待人工智能战略价值的方式——以及他们希望在何处实现其好处。以下是行业专家今天看到的 10 个 AI 企业战略趋势。
1.人工智能进入正题
在人工智能的早期，项目完全由数据科学家推动。他们拥有数据和算法，并且可以自由地寻找将新工具应用于业务问题的方法。有时，他们成功了。今天，这种动态发生了逆转。
商业领袖已经从成功项目的例子中吸取了教训，并且对人工智能可以为他们做些什么有了更多的了解。因此，公司现在不太愿意投资于商业价值不明确的概念验证，这一趋势使业务部门越来越多地成为人工智能采用的主导者。
麦肯锡公司 QuantumBlack 的全球负责人 Alex Singla 说：“当我看到公司在 AI 方面做得很好时，它是由业务驱动的。AI 和 IT 可以帮助他们解决问题，但并不是技术推动了解决方案。”这是企业带头说，‘我是解决方案的一部分，我相信这一点，这是正确的答案。’”
例如，霍尼韦尔在其内部运营中使用人工智能，并将其构建到面向客户的产品和服务中，该公司首席数字技术官希拉乔丹说。
“我们与业务密切相关，”她说。 “我们受价值驱动。这将是面向客户的价值。内在价值。”
2、人工智能渗透企业
两年前乔丹来到霍尼韦尔时，她的第一个大项目是实施数据仓库战略，将所有来源的所有交易数据汇集在一起。
“每个职能部门、每个业务部门都有一个数字议程，”她说。例如，霍尼韦尔已将其所有合同数字化。她说，这总共有超过 100,000 份合同，并指出这为公司提供了丰富的数据，可用于帮助为几乎任何功能领域构建人工智能解决方案。
例如，借助人工智能，霍尼韦尔的所有合同现在都可以自动审查受通货膨胀或定价问题影响的领域，乔丹说。 “任何人都不可能完成100,000份合同。”
同样，有了完整的库存数据，霍尼韦尔现在能够了解哪些库存是废品，哪些是可重复使用的，从而可以做出更有效地管理原材料的明智决策，Jordan 说。
“我们看到人工智能出现在每个功能中，”她说。 “金融、法律、工程、供应链，当然还有 IT。”
3. 人工智能增压自动化
这是霍尼韦尔进入积极的自动化计划的第三年。如果有重复性任务，公司将尝试将其自动化。 “今年我们可能有 100 个项目，”乔丹说。 “这些是我们在整个全球公司中自动执行的任务。”
她补充说，霍尼韦尔正在努力使这些自动化更加智能。 “我们将在更多这些自动化机器人中插入更多人工智能，”她说。 “这是关于自动化机器人变得更聪明的问题。”
另一家从基本的、基于规则的自动化开始的公司是 Booz Allen Hamilton。 Booz Allen 人工智能实践副总裁贾斯汀·内罗达 (Justin Neroda) 表示，现在该公司正在将人工智能和机器学习整合到这些自动化中，以使其适用于更广泛的任务。
他说，人们从最简单的自动化开始。 “然后他们问自己，‘我还能自动化什么？’他们发现它需要人工智能和机器学习。”
他说，人工智能驱动的自动化可以帮助公司应对人员短缺或大量工作。 “或者一半的任务可以自动化，然后人们可以完成其中最困难的部分。”
4. 在 AI 中烘焙以获得更大的收益
麦肯锡的辛格拉说，大规模实施人工智能有一个重要的变革管理组件。他说，这需要了解人们将如何使用它，这不是来自技术人员单独工作，而是来自技术人员、主题和业务专家的组合。
“如果我必须让调整者告诉他们去三个不同的 AI 应用程序，他们应用它的可能性很小，”他说。 “但它自动融入工作流程的次数越多，我们成功的可能性就越大。我改变别人行为的次数越少，我就越有可能被收养。”
5. 人工智能战略采取联合行动
在公司在初步概念验证方面取得成功后，他们通常会建立人工智能卓越中心，以实施技术并培养人才、专业知识和最佳实践。但是，一旦一家公司达到临界质量水平，那么拆分其中一些卓越中心并联合人工智能，将专家直接转移到最需要他们的业务部门是有意义的。
麦肯锡的辛格拉说：“对于那些不太成熟的公司来说，拥有一个卓越中心是有价值的，可以容纳人才并在整个机构内学习。” “没有这些，公司通常没有能力扩大规模。有才华的人想和其他志同道合的人在一起。经验不足的人可以从卓越中心受益，因为他们可以成长或学习。”
过早分发它们会削弱它们的影响，并降低公司在多个业务线中迭代和复制成功项目的能力。
“但从长远来看，随着你达到成熟度和规模，技术人员拥有深厚的人工智能专业知识和领域专业知识的好处是真正的本垒打，”他说。 “但只有当你有规模时。”
Insight 的杰出工程师 Amol Ajgaonkar 说，业务问题是分布式的。
“业务问题不在一个地方，所以你不能指望有集中的人工智能部署，”他说。 “它们也必须分发。但你确实需要一个与业务影响相关的集中式人工智能战略。”
他补充说，或者是多种业务影响，例如收入、成本节约或营销定位。
与许多其他公司一样，博思艾伦汉密尔顿从一个核心 AI 团队开始。 “但在过去的一年里，我们真的一直在推动它，”博思艾伦汉密尔顿人工智能实践副总裁贾斯汀尼罗达说。 “我们通过那家公司拥有那些拥有人工智能专家的子细胞。但是你必须在将它散布之前建立一个临界质量，否则它就会分崩离析。”
“这是我们在自己的组织和与我们合作的客户中看到的，”他补充道。
6.人工智能触发业务流程转型
当公司第一次开始使用人工智能时，他们通常会在业务流程中寻找人工智能可以发挥作用的各个步骤。 Genpact 首席数字官 Sanjay Srivastava 说：“您将流程分解成多个部分，将每个部分数字化，然后加入 AI 以提高效率。” “但归根结底，过程本身是一样的。它的每一部分都更好、更快、更便宜——但过程本身并没有改变。”
但他说，人工智能也有可能从根本上改变业务流程。例如，Genpact 为客户做了大量的账户处理工作。
“当我们将 AI 应用于发票时，我们可以判断哪些发票将有争议，”他说。 “我们可以找出投资组合中的哪一部分风险最高。”
他说，借助人工智能提供的预测能力，可以重组整个过程。 “当你应用人工智能时，你可以考虑端到端的价值链并彻底重新设计它。”
7. MLOps 变得真实
根据麦肯锡 2021 年底发布的一份报告，从人工智能中获得最大收益提升的公司的区别之一是它们对 MLOps 的使用。
IEEE 成员、儿科物理治疗技术公司 Augment Therapy 的云和新兴技术实践负责人 Carmen Fontana 说，这是人工智能的下一个大趋势。 Fontana 之前是 Centric Consulting 的云和新兴技术的实践主管。
她说，目标是将机器学习从理论转化为生产。 “两三年前，这是一个新兴的领域，人们认为他们必须这样做，”她说。 “但我们在实践中并没有看到很多。”然而，今天，她看到了成熟的工具和方法，使组织能够在训练、部署和监控 AI 模型方面变得更加严格。
“这对于让人工智能和机器学习制度化大有帮助，”她说。 “我在我们的客户身上观察到了所有这些。市场发生了巨大变化。”
8.企业铺设AI管道
博思艾伦的 Neroda 表示，博思艾伦汉密尔顿目前与其客户有大约 150 个不同的人工智能项目。但在过去的一年里，该公司已经开始摆脱这种一次性模式。
“在过去的一年半里，我们一直在投资模块化功能和端到端管道，”他说。
成功的人工智能不仅仅需要一个工作模型。他说，随着数据的变化和模型的不断完善，需要一个完整的过程来维护模型。
“最大的挑战是如何将所有工具联系在一起，”他说。 “我们一直在努力将其标准化并构建可重用的部件以供跨项目使用。”
9. 组织希望建立人工智能信任
随着员工和高管对人工智能越来越熟悉，他们越来越相信人工智能可以做出关键业务决策——即使这些决策违背了人类的直觉。
Blue Yonder 的战略顾问兼创始人 Michael Feindt 最近与一家在与大流行相关的供应链问题上苦苦挣扎的英国大型食品零售商合作。他说，当公司使用手动流程来管理其供应链时，货架上空空如也。此外，缺乏有知识、有能力和愿意做这项工作的人。
自动化的、人工智能驱动的系统可以提供更低的成本和更好的性能。然而，当大流行来袭时，人们想关闭自动系统。 “但后来他们发现，自动系统的适应速度比人类快得多，”他说。
因此，该公司没有关闭系统，而是扩大到不仅包括商店，还包括配送中心。结果是减少了空架子和扔掉的食物垃圾。此外，商店经理可以不再每天花两个小时来微调他们的订单，而是花更多时间来提高客户满意度。
Feind 说，还有其他方法可以建立对 AI 的信任。 “有些人很挑剔，不相信人工智能可以根据他们多年的经验做出尽可能好的决定，”他说。添加可解释性可以帮助缓解其中的一些问题。可解释的人工智能是指系统向人类用户解释它做出的决定的因素。
10. 新的商业模式可能性出现
在某些领域，人工智能开始创造前所未有的机会。例如，自动驾驶汽车有可能改变社会并创造全新的业务。但人工智能驱动的业务转型也可以在较小的范围内发生。
例如，需要人工审核的银行无法提供小额贷款。研究和处理它们的成本将高于银行可以获得的任何利息收入。但如果人工智能被用于评估和处理，较小的贷款将使银行能够为全新的客户群体提供服务，而无需收取过高的利率。
“这些用例仍然没有那么普遍，”Sapphire Ventures 总裁兼合伙人 Jai Das 说。 “它们从根本上改变了我们做生意的方式，而企业并没有那么快改变。”
他说，一旦 AI 和 ML 成为公司中每个知识工作者都使用的工具，这种趋势就会开始转变。
“我们还没有。可能还需要五年时间，每个人都会使用 AI 和 ML 来完成他们的工作。”
- 登录 发表评论