沃卡惠
AI(人工智能)已经成为主流。各行各业的企业都开展了成功的概念验证，甚至成功地在生产中部署了AI。一些企业甚至已经实施了他们的AI和机器学习战略，并且各种项目在整个企业中激增，同时还配备了最佳实践和管道。如今，处于AI成熟曲线前沿的企业正在大规模使用AI。
AI在企业中部署方式的整体成熟度正在改变企业对AI战略价值的看法——以及改变他们希望在何处收获AI的好处。以下是行业专家们如今所看到的企业AI的十大战略趋势。
1、AI开始发挥实际作用
在AI的早期，各个项目完全由数据科学家来推动。数据科学家们拥有数据和算法，可以自由地想办法来使用一些新工具，以解决业务问题。有时，他们可以成功解决问题。如今，这种局面发生了很大的变化。
企业领导者们已经从成功项目的案例中吸取了经验，并且对AI可以为他们做哪些事情有了更多的了解。因此，企业现在不太愿意投资于那些商业价值不明确的概念验证，这一趋势表明，业务部门日益成为AI应用的主导者。
麦肯锡咨询公司旗下QuantumBlack公司的全球负责人亚历克斯•辛格拉 (Alex Singla) 说：“当我看到企业在AI方面做得很好时，这都是由业务来驱动的。AI和 IT 可以帮助企业解决问题，但并不是技术部门提出解决方案。”而是业务部门带头说，‘我是该解决方案的一部分，我相信这一方案，这是正确的解决方法。’”
例如，霍尼韦尔企业的首席数字技术官希拉·乔丹(Sheila Jordan)表示，在其企业内部运营中正在使用AI，并将其植入到面向客户的产品和服务中。
“我们与业务联系得非常紧密，”她说。“我们受价值所驱动。这将是面向客户的价值。内在价值。”
2、AI渗透到整个企业中
两年前乔丹来到霍尼韦尔企业时，她的第一个大项目是实施一个数据仓库战略，将所有来源的全部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，霍尼韦尔企业已将其所有合同数字化。她表示，这意味着总共有超过 100000 份合同。她指出，这些合同为企业提供了大量的数据，可用于帮助为几乎任何职能领域构建AI解决方案。
例如，借助AI，对于那些受通货膨胀或定价问题影响的区域，霍尼韦尔企业的所有合同现在都可以被自动审查，乔丹说。“任何人都不可能仔细检查 100000 份合同。”
同样，有了完整的库存数据，霍尼韦尔企业现在能够了解哪些库存是废品，哪些是可重复使用的，从而在更有效管理原材料方面可以做出明智的决策，乔丹表示。
“我们看到AI出现在每个职能领域中，”她说。“财务、法律、工程、供应链，当然还有 IT 领域。”
3、借助AI快速推进自动化
这是霍尼韦尔企业积极推动自动化项目的第三年。如果有重复性工作，则企业将会尝试使其自动化。“今年我们可能有 100 个项目，”乔丹说。“这些项目将使我们在全球各地企业自动完成某些工作。”
她补充说，霍尼韦尔企业正在努力使这些自动化流程更加智能。“我们将在这些自动化机器人中植入更多的AI，”她说。“这意味着自动化机器人变得更聪明。”
另一家从基础的、基于规则的自动化起步的企业是博思艾伦咨询企业 (Booz Allen Hamilton)。博思艾伦咨询企业AI业务副总裁贾斯汀·尼罗达 (Justin Neroda) 表示，现在我们正在将AI和机器学习整合到这些自动化流程中，以使其适用于更广泛的业务工作。
他表示，人们从最简单的自动化开始。“然后，他们会问自己，‘我还能使哪些工作自动化?’之后，他们会发现这需要使用AI和机器学习。”
他表示，AI驱动的自动化可有助于企业应对人员短缺或处理大量工作。“或者一半的工作可以自动化，然后，人们可以去处理其中最难的一部分工作。”
4、利用AI获得更大收益
麦肯锡咨询企业的辛格拉表示，大规模实施AI还存在一个重要的变革管理要素。他表示，这需要了解人们将如何使用AI，这些信息不是来自技术人员单独工作，而是来自技术人员、学科和业务专家的结合。
“如果我必须要使用AI，那么我会告诉他们去了解三个不同的AI领域，而这三个领域使用AI的可能性微乎其微，”他说。“但AI自动融入工作流程的程度越高，我们成功的可能性就越大。我改变别人行为的程度越少，我就越有可能被接受。”
5、AI战略需要集体的转变
在初期概念验证取得成功后，企业通常会建立AI卓越中心，以实施这一技术，并培养人才，积累专业知识和最佳实践。但当一家企业达到临界质量水平，那么就有必要拆分一些卓越中心以及整合AI技术，并将专家们直接调入到最需要他们的业务部门。
麦肯锡咨询企业的辛格拉说：“对于那些不太成熟的企业来说，拥有一个卓越中心是有价值的，它可以接纳人才，并在整个机构内开展学习。”“没有卓越中心，企业通常没有能力扩大规模。有才华的人希望和其他志同道合的人在一起。而经验不足的人可以在卓越中心内受益，因为他们可以在此成长或学习。”
过早地拆分卓越中心会削弱其影响力，并降低企业在多个业务领域中迭代和复制成功项目的能力。
“但从更长远来看，随着你达到一定的成熟度和规模，同时拥有深厚的AI专业知识和领域专长的技术人员的好处就是促成真正的业务成功，”他说。“但只有当你具备一定规模时。”
Insight 企业的优秀工程师 Amol Ajgaonkar 表示，业务问题分散于各处。
“业务问题不会集中在一个地方，因此，你不能指望进行集中式的AI部署，”他说。“这些部署工作也必须分散开。但你确实需要制定一个会影响某一业务的集中化AI战略。”
他补充说，或者是可影响多种业务的AI战略，例如收入、成本节约或市场定位。
与许多其他企业一样，博思艾伦咨询企业也是从一个核心AI团队开始。 “但在过去的一年里，我们真的一直在扩大这一团队，”博思艾伦咨询企业AI业务副总裁贾斯汀·尼罗达 (Justin Neroda) 说。“我们通过那家拥有AI专家的企业而组建了一些小团队。但在扩大团队之前，你必须达到一个临界质量，否则就会分崩离析。”
“这是我们在自己企业和与我们合作的客户中所看到的情况，”他补充道。
6、AI触发业务流程转变
当企业第一次开始使用AI时，他们通常会在业务流程中寻找AI可以发挥作用的单个步骤。Genpact 企业首席数字官 Sanjay Srivastava 说：“您可以将业务流程分解成多个部分，将每个部分数字化，然后使用AI来提高效率。”“但归根结底，该业务流程本身是一样的。它的每一部分都变得更好、更快、更便宜——但流程本身并没有改变。”
但他表示，AI也有可能从根本上改变业务流程。例如，Genpact 企业为客户做了大量的账户处理工作。
“当我们将AI应用于处理发票时，我们可以知道哪些发票将会出现争议，”他说。“我们可以找出投资组合中的哪一部分具有最高风险。”
他表示，借助AI的预测能力，整个流程可以重组。“当你应用AI时，你可以考虑端到端的价值链，并可以对其进行彻底地重组。”
7、机器学习操作 (MLOps) 成为现实
根据麦肯锡企业 2021 年底发布的一份报告，不同企业从AI中获得最大利润增长的一个区别是，它是否使用了机器学习操作。
电气与电子工程师协会 (IEEE) 成员、Augment Therapy 企业(一家儿科物理疗法技术企业)的云和新兴技术业务负责人卡门·丰塔纳 (Carmen Fontana) 表示，这是AI领域的下一个大趋势。丰塔纳之前是 Centric Consulting 企业的云和新兴技术业务主管。
她表示，我们的目标是将机器学习从理论转化为实践。“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应用。”然而，如今，她看到了一些成熟的工具和方法，使企业能够在训练、部署和监控AI模型方面变得更加严格。
“这对于让AI和机器学习技术制度化大有帮助，”她说。“我在我们的客户身上看到了所有这一切。市场发生了巨大变化。”
8、企业铺设AI管道
博思艾伦咨询企业的尼罗达表示，我们目前与客户正在实施大约 150 个不同的AI项目。但在过去的一年里，我们企业已经开始摆脱这种一次性模式。
“在过去的一年半里，我们一直在模块化功能和端到端管道方面进行投入，”他说。
AI的成功不仅仅需要一个工作模型。他表示，随着数据的变化和模型的不断完善，还需要一个完整的过程来维护这一模型。
“最大的挑战是如何将所有工具捆绑在一起，”他说。“我们一直在努力将其标准化，并构建一些可重用的组件，以跨不同项目进行使用。”
9、组织机构希望建立对AI的信任
随着员工和高管对AI越来越熟悉，他们越来越相信AI可以做出关键业务决策——即使有时这些决策与人类的直觉相悖。
Blue Yonder 企业的战略顾问兼创始人迈克尔·费恩特 (Michael Feindt) 最近与一家英国大型食品零售商合作，后者正深陷与疫情相关的供应链困境。他表示，当该企业使用手动流程来管理其供应链时，有大量货架空空如也。此外，还缺乏有知识、有能力和愿意做这项工作的人。
自动化的AI系统可以降低成本和提高绩效。然而，当疫情来袭时，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，该企业没有关闭这些自动系统，反而将这些系统扩展到门店以及配送中心。其结果是空货架和扔掉的食物垃圾都减少了。此外，门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。
费恩特表示，还有一些其他方法可以建立人们对AI的信任。“有些人很挑剔，基于他们多年的经验，并不相信AI可以做出与他们同样的好决策，”他说。添加一些可解释特性，将有助于缓解这些问题。具有可解释功能的AI，是指该系统可以向人类用户解释，哪些因素导致它做出这一决定。
10、新的业务模式可能出现
在某些领域，AI正在创造前所未有的机遇。例如，自动驾驶汽车有可能改变社会，并创造全新的业务类型。但AI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力提供小额贷款。研究和处理这些贷款的成本将高于银行可以赚取的利息收入。但如果使用AI来进行评估和处理，则银行就可以提供小额贷款，从而使银行可以为全新的客户群体提供服务，而无需收取过高的利率。
“这些用例仍然不那么普遍，”Sapphire Ventures 企业总裁兼合伙人贾伊•达斯 (Jai Das) 说。“这些用例从根本上改变了我们的工作方式，而企业并没有改变得那么快。”
他表示，一旦AI和机器学习技术成为企业中每个知识工作者都使用的工具，则这种趋势就会开始转变。
“我们还没有到这一阶段。可能还需要五年时间，大家才会使用AI和机器学习技术来完成他们的工作。”
