麦肯锡:人工智能,下一个数字前沿

近日,麦肯锡发布了一份长达 80 页的报告《ARTIFICIAL INTELLIGENCE:THE NEXT DIGITAL FRONTIER?》,对人工智能为企业创造价值的方式进行了全面的介绍和解读。据介绍,在这份报告中,新进入人工智能领域的公司将学习到早期进入这一领域的巨头在投资以及创造价值上面的丰富经验。

人工智能:下一个数字前沿?
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):

人工智能投资正在快速增长,其中谷歌和百度等数字巨头是主导者。从全球范围看,我们估计 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。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。

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。

采用人工智能的模式说明了人工智能的早期采用者与其它公司之间日益扩大的鸿沟。处在麦肯锡全球研究院(MGI)的产业数字化指数(Industry Digitization Index)顶部的行业(例如高科技和电信行业、金融服务行业)也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。

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。

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。

人工智能有望实现价值利益,但也给公司、开发者、政府和工作者带来了紧迫的挑战。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。

零售业:预知购物者所需

  • 面部识别软件、机器学习、自然语言使得虚拟代理能够提供多种服务;
  • 机器学习个性化推荐匹配消费者文档。在消费者浏览商店时,可向其手机发送价格。
  • 深度学习支持的计算机视觉能力能识别消费者打包的物品;加上传感器数据,人工智能使得自动结账、支付成为可能。
  • 使用深度学习的无人机快递,能够自动避障、处理收件人不在的情况。
  • 交互式屏幕和桌面使用计算机视觉和深度学习能够识别商品、推荐相关产品,并且补充消费者的生活档案。
  • 自动购物车在店内跟着你,然后自主送运到你的汽车所在地,或者用机器人、无人机进行家庭速递。
  • 利用机器学习,商店能够根据竞争者价格、天气和存储实时地升级、优化价格,达到利益最大化。
  • 人工智能强化的机器人持续追踪仓储、识别空货架、补充货架。其他机器人可在仓库中打包。

电力行业:人工智能可以让电网更加智能化,减少电站数量

  • 从传感器中收集的数据可以让机器学习系统实时调整发电设备数据。
  • 机器学习可以预测电力需求峰值,并最大化间歇性可再生能源使用效率。
  • 智能网线可以实时调整电流,改善电网负载。
  • 无人机和小型机器人可以探测并预测设备损坏,无需关停线路。
  • 自动记录数据,减少技术工作者需求数量。
  • 在检修时,实时接收运行数据,节约时间。
  • 虚拟助手帮助用户处理事务,坏账提前预警。
  • 智能电表基于使用量和天气等因素自动调整用电数据。

人工智能在医疗领域: 更快的诊断,更好的诊疗计划,更全面的医疗保险

  • 机器学习程序会分析可穿戴设备上收集到的健康数据,提供健身建议,并预测疾病风险
  • 自动检测设备可以在没有医生和护士的情况下帮助患者检查体征指标
  • 使用医疗数据和病历,人工智能驱动的诊断工具可以更快更准确地诊断疾病
  • 通过使用医疗和环境因素来预测病人行为和患病可能性,人工智能可以优化医院运作、员工安排和库存管理
  • 人工智能工具可以分析病人的医疗记录和环境因素来识别有患病风险的人,并为他们提供预防保健计划
  • 虚拟助理可以帮助患者迅速找到合适的医生,节约等待时间,提升体验
  • 由机器学习工具协助提出的个性化治疗计划能让患者更快恢复健康。人工智能提供的大数据健康分析可以减少住院治疗的时间
  • 来自大众健康分析的人工智能见解可以通过鼓励医疗提供商来管理病人健康而帮助纳税人降低医院和治疗成本

本文转载自机器之心,ID:almosthuman2014

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

推荐文章

沪公网安备 31010702002009号