再不转型人工智能,你就要被甩了

　　早期证据已表明“大规模采用人工智能技术将为企业带来丰厚回报”，这意味着人工智能的颠覆性力量将逐渐显现。政府、企业以及开发者都应对此有清晰认识。人工智能技术近年来飞速发展，然而后续的采用依然处于起步阶段。这使得评估人工智能对于公司和行业造成的潜在影响充满了挑战。

　　人工智能正要带来下一波数字颠覆浪潮，而公司企业需要现在就开始做好准备。我们已经看到有少数几家早期进入的公司已经开始从中获得真正的利益，这使得其它公司在寻求和加速它们自己的数字转型上面显得更加紧迫。我们的发现重点围绕五大人工智能技术系统：机器人、和自动化载具、计算机视觉、语言、虚拟智能体（virtual agent）、机器学习（其中包括深度学习，并且是近来许多其它人工智能技术的新进展的基础）。

　　1、人工智能投资正在快速增长，其中数字巨头公司是主导者。

　　从全球范围看，麦肯锡估计 2016 年科技巨头在人工智能上投入了 200 亿到 300 亿美元，其中 90% 花在了研发和部署上，另外 10% 则花在了人工智能并购上。VC 和 PE 融资、拨款和种子轮投资也在快速增长，尽管基数很小，但已经增长到了总共 60 亿到 90 亿美元。其中，机器学习作为一项赋能技术（enabling technology），已经在内部投资和外部投资中都占据了最大的份额。

　　2、在科技行业之外采用人工智能还处于早期的实验性阶段。仅有少数公司进行了大规模部署。

　　在我们调查的 3000 位知道人工智能的首席官级别（C-level）的高管中（来自 10 个国家，横跨 14 个行业），仅有 20% 表示他们目前在大规模或在他们业务的核心部分使用与人工智能相关的技术。许多公司表示它们并不确定相关的业务案例或投资回报。在调查了 160 多种用例之后，我们发现其中仅有 12% 对人工智能进行了商业化的部署。

　　3、人工智能的早期使用者与其它公司之间日益扩大的鸿沟。

　　高科技和电信行业、金融服务行业是人工智能应用方面的领军者。它们也拥有最为激进的人工智能投资意图。这些领军者的投资兼具广度与深度：跨多个职能部门使用多种技术，并且将其部署到自己业务的核心。比如说，汽车制造商正在使用人工智能来开发自动驾驶汽车和改善汽车操作体验，而金融服务公司则更可能将其用在消费者体验相关的功能中。

　　4、早期的证据表明，人工智能可以给严肃的采用者带来真正的价值，并且可以成为一股强大的颠覆性力量。

　　在我们调查中，将强大的数字能力与主动的战略结合在一起的人工智能早期采用者有更高的利润率，并且还有望在未来进一步扩大业绩的差距。我们在零售、电力公共事业、制造业、医疗保健和教育领域的案例研究突出了人工智能在提升预测和采购、优化和自动化运营、开发定向营销和定价以及提升用户体验上的潜力。

　　5、人工智能对数字基础的依赖，以及人工智能往往需要在特定数据上训练的事实意味着公司没有捷径可走。

　　公司不能推迟和拖延其数字化进步，包括人工智能。早期的采用者已经在创造竞争优势了，而且也似乎正将后进者越甩越远。一个成功的方案需要公司解决数字和分析转型中的许多元素：识别业务案例、设置正确的数据生态系统、开发或购买合适的人工智能工具以及调整工作流程、能力和文化。特别地，我们的调查表明高层的领导、管理和技术能力以及无缝的数据权限是关键的推动因素。

　　6、人工智能有望实现价值利益，但也给公司、开发者、政府等带来了紧迫的挑战。

　　劳动力需要得到再训练，获得新技能，从而能利用人工智能，而不是与之竞争;希望将自己确立为一个全球人工智能开发中心的城市和国家需要加入全球的竞争以吸引人工智能人才和投资;我们也需要推动解决在道德、法律和监管方面的难题，否则就会拖累人工智能的发展。

　　企业准备好接受人工智能了吗？

　　由于科技巨头驱动，人工智能的投资正在飞快增长。科技巨头正在人工智能技术领域投入数十亿美元的资金。它们看到了 AI 技术在未来的方向——强劲的计算机硬件，越来越复杂的算法模型和巨量数据，这些需求都已部分实现。事实上，在人工智能领域，大公司的内部投资占据着主要地位：麦肯锡估算，在 2016 年这一数字是 180 亿-270 亿美元;而外部投资（来自风投机构、私募股权投资、并购、资助和种子轮投资）大约为 80 亿-120 亿美元，如下图所示。

　　

　　科技巨头主导了人工智能投资（单位：10 亿美元）

　　人工智能有望提升利润，推动行业转型

　　通过回顾五个行业的大量案例研究，我们也展示了人工智能是如何转变一些业务活动，并具有根本地改变其他业务的潜力。这些案例证明了人工智能如何在整个价值链上和不同行业之间塑造不同的功能。这些案例还对利益相关者有着广泛的影响，比如跨国公司、初创企业、政府和社会组织。而这些产业案例研究表明了人工智能的颠覆性潜力。

　　为了发展人工智能广泛应用于商业领域的愿景，我们创建了五项案例研究，以表明人工智能如何通过多种形式影响具体的行为。我们选择创建案例的行业是：零售、电力、制造业、医疗以及教育。类型涵盖私立、公有、社会企业，包括从劳动密集型行业到业务到业务的重资产操作。

　　为了满足人们的期待，人工智能需要在经济领域发挥实际作用，以显著降低成本，增加收益，并提高资产利用率。

　　我们分类了人工智能可在 4 个领域创造价值的方式：

　　1-使公司更好地规划和预测需求，优化研发，提升资源;

　　2-以更低的成本更高的质量，提高公司生产货物、提供服务的能力;

　　3-以合理的价格，通过正确的讯息，将产品送达到客户手中;

　　4-允许他们提供丰富、个性化和便捷的用户体验。

　　成功的人工智能转型需要哪些因素？

　　1、数据生态系统：

　　打破数据仓（data silos）

　　决定集成和预分析的层面

　　识别高价值数据

　　2、技术与工具

　　识别适合目标的人工智能工具

　　合伙或并购以填补能力缺口

　　采取灵活的“测试和学习式”方法

　　3、工作流程整合

　　将人工智能整合进工作流程

　　优化人机界面

　　4、开放的组织文化

　　采取开放、协作的文化

　　相信人工智能劳动力

　　重新掌握技能以备不时之需

　　

　　从职业分布来看，只有少数职业会被完全的自动化取代，而对于 60% 的职业来说，其中仅有 30% 的工作可以被自动化。而从地域上来看，美国和中国正主导世界人工智能版图，欧洲正在落后。

　　人工智能目前还面临这些挑战

　　人工智能为政府和社会提出了广泛的问题。在这份报告中，麦肯锡指出了其中的一些问题，也包含部分解决问题的方法。我们在这些问题上的进展对于实现人工智能的潜在利益和避免风险至关重要。

　　1、鼓励更广泛地利用人工智能

　　目前的人工智能应用集中于相对数字化的行业内，而这些领域已经是新技术的前沿了。扩展人工智能的应用范围，支持新技术领域，特别是其中的小型公司，对于保证生产力的增长和经济发展至关重要，可以保证市场健康，具有竞争力。人工智能在更广泛领域内的应用也可以帮助平衡各行业的工资水平。人工智能可以带动生产力水平的发展，从而提高工资。更宽广的应用范围有助于让人工智能的好处推动至更多的公司和工人身边，而不仅仅是让已经处于收入金字塔顶端的前沿公司和雇员受益。

　　2、解决就业和收入分配问题

　　人工智能驱动的自动化变革会深刻影响人们的工作和工资水平。在麦肯锡的调查中，绝大多数公司并不认为自己会在未来大幅减少员工人数。然而，显然会有一些职位的技能会不符合未来要求。政府可能会不得不重新思考社会服务的模式。不同的想法将被纳入思考范围，包括共享劳动力、负所得税和全球基本收入水平。

　　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。现实世界的偏见风险正在被写入训练数据集中。由于现实世界存在种族、性别或其他很多类别的歧视，提供给机器学习算法的现实世界数据也不可避免地带有这些特征，而人工智能也会在训练中学会偏见。

　　随着偏见的内部化，这些问题正在加剧。同时，人们也对算法本身产生了怀疑，编程人员的道德见解会被编写进算法中，在决策过程中，人们有权得知哪些内容？谁会对人工智能输出的结果负责？这导致了人们对于算法透明度和问责制的呼吁。

　　隐私是另一个问题——谁对数据拥有所有权？需要哪些措施来保护高度敏感的数据（如医疗数据），而不必破坏其可用性？正致力于解决这些问题的组织和机构包括 Partnership on AI、OpenAI、FoundaTIon for Responsible RoboTIcs 以及人工智能伦理与监管基金会。

　　4、确保训练数据的可用性

　　大量的数据对于人工智能训练系统至关重要。开放公共部门的数据可以刺激私营企业的创新，设置通用数据标准也会有帮助。在美国，证券交易委员会在 2009 年强制所有上市公司必须以 XBRL（可扩展业务报告语言）格式披露其财务报表，从而确保公共数据具有机器可读性。

　　5、在政府中部署人工智能

　　人工智能对公共部门的潜力巨大。它提升计划、目标和个性化服务的能力使提高政府服务水平和效率所急需的。在该报告的附录中，作者探索了人工智能技术在两大公有领域：医疗和教育的未来。