人工智能的發(fā)展與障礙

Michael Chui,Sankalp Malhotra
受訪者表示,人工智能正在迅速普及,但預(yù)計(jì)不會(huì)大規(guī)模減少企業(yè)用工人數(shù)。目前,僅有極少數(shù)企業(yè)具備讓人工智能創(chuàng)造規(guī)?;瘍r(jià)值的基本要素。

1.png

受訪者表示,人工智能正在迅速普及,但預(yù)計(jì)不會(huì)大規(guī)模減少企業(yè)用工人數(shù)。目前,僅有極少數(shù)企業(yè)具備讓人工智能創(chuàng)造規(guī)模化價(jià)值的基本要素。

麥肯錫一項(xiàng)以人工智能為主題的最新全球調(diào)研【1】顯示,人工智能正在全球商業(yè)領(lǐng)域迅速普及。人工智能通常是指機(jī)器執(zhí)行與人類思維相關(guān)的認(rèn)知功能(如感知、推理、學(xué)習(xí)和解決問題)的能力,包括一系列通過人工智能解決業(yè)務(wù)問題的能力。在調(diào)研中,我們特別詢問了九項(xiàng)相關(guān)能力【2】,近一半的受訪者表示,企業(yè)在標(biāo)準(zhǔn)業(yè)務(wù)流程中至少嵌入了一項(xiàng)能力,此外有30%的受訪者則表示,所在企業(yè)正在試點(diǎn)使用人工智能。不過總體而言,各行各業(yè)只不過剛剛開始采用這些技術(shù)并從中獲利。在那些已將人工智能部署到特定職能的企業(yè)中,大多數(shù)受訪者表示,新技術(shù)的使用已經(jīng)創(chuàng)造出一定或顯著的價(jià)值,但僅有21%的受訪者表示,企業(yè)已將人工智能部署到多個(gè)業(yè)務(wù)單元或職能中。事實(shí)上,許多企業(yè)仍然缺乏通過人工智能的規(guī)?;瘧?yīng)用創(chuàng)造價(jià)值的基本實(shí)踐——例如,了解哪些領(lǐng)域存在人工智能的機(jī)會(huì),以及制定明確的戰(zhàn)略以獲取人工智能所需的數(shù)據(jù)。

調(diào)研結(jié)果表明,通過數(shù)字化推動(dòng)核心業(yè)務(wù)的轉(zhuǎn)型,是企業(yè)有效使用人工智能的一個(gè)關(guān)鍵因素。在數(shù)字化程度較高的企業(yè)中【3】,受訪者表示,與同行相比,他們?cè)诟嗟臉I(yè)務(wù)職能上更充分地使用了人工智能,對(duì)人工智能的投資力度更大并從中獲得了更大的總體價(jià)值。人工智能的另一項(xiàng)基本挑戰(zhàn)是找到技能精湛的專業(yè)人才進(jìn)行有效實(shí)施。許多受訪者表示,企業(yè)正在采用多樣化的方式尋覓合適的人才??傮w而言,對(duì)于人工智能被用于自動(dòng)執(zhí)行現(xiàn)有工作,一些擔(dān)憂在所難免,但受訪者傾向于認(rèn)為,未來幾年內(nèi)這一技術(shù)不會(huì)對(duì)企業(yè)員工總?cè)藬?shù)有太大的影響。

采納、部署和應(yīng)用人工智能

人工智能的普及情況

調(diào)研結(jié)果顯示,大多數(shù)企業(yè)已經(jīng)開始在業(yè)務(wù)中采用人工智能。47%的受訪者表示,企業(yè)在業(yè)務(wù)流程中嵌入了至少一項(xiàng)人工智能能力,另有30%的受訪者表示,企業(yè)正在試點(diǎn)使用人工智能;相比之下,在2017年的調(diào)研中,僅有20%的受訪者表示,企業(yè)在核心業(yè)務(wù)中使用人工智能或規(guī)模化地使用人工智能【4】。在整個(gè)企業(yè)部署人工智能仍然具有相當(dāng)大的潛力;我們之前的調(diào)研顯示,人工智能的機(jī)會(huì)廣泛存在于各行各業(yè)和各個(gè)業(yè)務(wù)職能中【5】。僅有21%的受訪者表示,企業(yè)在多個(gè)業(yè)務(wù)單元中嵌入了人工智能能力,迄今為止,人工智能投資在企業(yè)數(shù)字技術(shù)總支出中的占比仍然相對(duì)較小。大多數(shù)受訪者(58%)表示,企業(yè)的數(shù)字化預(yù)算中分配給人工智能的比例不到1/10——但受訪者(71%)普遍預(yù)計(jì),未來幾年內(nèi)這方面的投資將持續(xù)增加。

已經(jīng)部署的人工智能能力

在我們向受訪者詢問的九項(xiàng)人工智能能力中,企業(yè)部署得最多的是機(jī)器人流程自動(dòng)化、計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)。對(duì)于其中的每一項(xiàng)能力,至少有20%的受訪者表示,企業(yè)已將相關(guān)技術(shù)嵌入業(yè)務(wù)流程中。企業(yè)部署最少的能力是機(jī)器人和自動(dòng)駕駛,主要因?yàn)樗鼈冎慌c有明確應(yīng)用領(lǐng)域的行業(yè)和企業(yè)相關(guān);這些行業(yè)的受訪者表示,這兩項(xiàng)能力得到了相當(dāng)大規(guī)模的使用。例如,在汽車和裝配行業(yè)中,有一半的受訪者表示,已將機(jī)器人部署到至少一個(gè)職能或業(yè)務(wù)單元中(與之相比,所有行業(yè)的平均水平只有16%)。

人工智能的應(yīng)用領(lǐng)域

從行業(yè)來看,電信、高科技和金融服務(wù)企業(yè)在整體普及率方面處于領(lǐng)先地位。不過調(diào)研結(jié)果表明,縱觀各個(gè)行業(yè)和職能,在部署人工智能時(shí)企業(yè)一般都是“跟著錢走”,就特定行業(yè)而言,人工智能則在最具價(jià)值創(chuàng)造潛力的業(yè)務(wù)領(lǐng)域最受歡迎(見圖1)。例如,在零售行業(yè),人工智能主要被用于營銷及銷售流程:52%的零售行業(yè)受訪者表示,企業(yè)在營銷及銷售中使用了人工智能,而在所有受訪者中,這一比例僅為29%。

22.png

人工智能在哪些領(lǐng)域創(chuàng)造價(jià)值

雖然人工智能尚處于早期應(yīng)用階段,但調(diào)研結(jié)果表明,它已經(jīng)產(chǎn)生了顯著的效益。當(dāng)被問及在已部署人工智能的業(yè)務(wù)職能中收獲的價(jià)值時(shí),僅有1%的受訪者表示沒有看到價(jià)值或產(chǎn)生了負(fù)面的價(jià)值,而41%的受訪者表示創(chuàng)造了顯著的價(jià)值,37%的受訪者表示創(chuàng)造了一定的價(jià)值【6】??v觀各個(gè)業(yè)務(wù)職能,在制造和風(fēng)險(xiǎn)職能中使用人工智能的受訪者看到的價(jià)值最大(見圖2)。超過一半的受訪者表示,在這些流程中使用人工智能創(chuàng)造了顯著的價(jià)值,而35%的受訪者表示,在營銷及銷售中使用人工智能創(chuàng)造了顯著的商業(yè)價(jià)值【7】。

33.png

人工智能的促成因素與挑戰(zhàn)

要充分發(fā)揮人工智能的巨大潛力,企業(yè)進(jìn)行的核心實(shí)踐必須有助于實(shí)現(xiàn)其潛在的規(guī)模化價(jià)值,調(diào)研表明,大多數(shù)企業(yè)在這方面還有很長的路要走(見圖3)。僅有17% 的受訪者表示,企業(yè)已經(jīng)確定整個(gè)組織在哪些領(lǐng)域存在潛在的人工智能機(jī)會(huì)。僅有18% 的受訪者表示,企業(yè)已制定明確的戰(zhàn)略以獲取人工智能所需的數(shù)據(jù)。事實(shí)上,對(duì)于我們?cè)谡{(diào)研中提及的11 種實(shí)踐,有近1/4 的受訪者表示,企業(yè)尚未開發(fā)其中的任何一種。

44.png

在談到采用人工智能所面臨的最大挑戰(zhàn)時(shí),受訪者表示,最常見的障礙也與戰(zhàn)略有關(guān)。他們提及最多的障礙是缺乏明確的人工智能戰(zhàn)略(見圖4),其次是缺乏合適的人才,職能壁壘限制了端到端的人工智能解決方案,以及缺乏對(duì)人工智能具有責(zé)任感并決定投身其中的領(lǐng)導(dǎo)者。

55.png

人工智能的一個(gè)關(guān)鍵促成因素是企業(yè)在數(shù)字化旅程中的進(jìn)展。在核心業(yè)務(wù)的數(shù)字化流程中取得最大進(jìn)展的企業(yè)通常也會(huì)走在人工智能應(yīng)用的前沿。在數(shù)字化程度較高的企業(yè)中,67%的受訪者表示,企業(yè)在標(biāo)準(zhǔn)業(yè)務(wù)流程中嵌入了人工智能能力,而在其他企業(yè)中,這一比例為43%。機(jī)器學(xué)習(xí)是普及率最高的人工智能能力,在數(shù)字化程度較高的企業(yè)中,39%的受訪者表示在流程中嵌入了機(jī)器學(xué)習(xí),而在其他企業(yè)中,這一比例僅為16%(見圖5)。

66.png

與其他企業(yè)相比,數(shù)字化程度較高的企業(yè)也對(duì)更多職能部署了人工智能,但在所有受訪企業(yè)中,人工智能最常用的領(lǐng)域都是服務(wù)運(yùn)營和產(chǎn)品開發(fā)。數(shù)字化程度較高的企業(yè)也對(duì)人工智能進(jìn)行了更大的投資:在這些企業(yè)中,39%的受訪者表示有超過1/5的數(shù)字技術(shù)總支出用于人工智能,而在所有企業(yè)中,這一比例僅為8%??傮w來看,在數(shù)字化程度較高的企業(yè)中,52%的受訪者認(rèn)為使用人工智能創(chuàng)造了顯著的價(jià)值,而在其他企業(yè)中,這一比例為38%。

在我們提及的普及人工智能面臨的障礙中,盡管一些障礙對(duì)于數(shù)字化程度較高的企業(yè)來說沒有那么緊迫(僅有27%的受訪者表示企業(yè)沒有明確的人工智能戰(zhàn)略,而在其他企業(yè)中,這一比例為46%),但在難以找到合適人才方面,兩類企業(yè)的比例相當(dāng)。事實(shí)上,人才是數(shù)字化程度較高的企業(yè)面臨的最大挑戰(zhàn),有41%的此類企業(yè)提及這一障礙。

人工智能對(duì)企業(yè)員工人數(shù)有何影響

人工智能引發(fā)了關(guān)于企業(yè)員工人數(shù)的兩大疑問:我們可以在哪里找到知識(shí)淵博的人才來部署人工智能?人工智能將我們?cè)靖缎浇o工人的工作變得自動(dòng)化了,這會(huì)對(duì)企業(yè)員工人數(shù)有多大影響?

人才是人工智能面臨的最大挑戰(zhàn)之一,無論一家企業(yè)的數(shù)字計(jì)劃有多先進(jìn),都必須在招募人才和獲取技能方面不遺余力。受訪者大多表示,企業(yè)正在采用“上述全部”方法:聘用外部人才、在內(nèi)部建立能力、向大型科技公司購買能力或獲得授權(quán)??傮w來看,即使那些在人工智能的采用方面處于領(lǐng)先地位的行業(yè)(電信、高科技和金融服務(wù)行業(yè)),在吸引人才上也會(huì)內(nèi)外兼顧雙管齊下,盡管它們比其他行業(yè)更專注于開發(fā)自己的人工智能能力。與其他行業(yè)相比,這些行業(yè)中表示正在建立內(nèi)部人工智能能力的受訪者比例更高,這就需要具備相應(yīng)技能的內(nèi)部人才。在高科技和金融服務(wù)行業(yè),有更高比例的受訪企業(yè)會(huì)進(jìn)行員工再培訓(xùn)或技能提升。數(shù)字化程度較高的企業(yè)也是如此:與其他企業(yè)相比,正在開發(fā)內(nèi)部人工智能能力的受訪比例更高,并且注重對(duì)現(xiàn)有員工進(jìn)行再培訓(xùn)或技能提升(見圖6)。

77.png

展望未來

調(diào)研結(jié)果表明,在讓人工智能創(chuàng)造規(guī)模化價(jià)值方面,數(shù)字化和某些基礎(chǔ)實(shí)踐至關(guān)重要。企業(yè)可以采取以下幾個(gè)步驟,以充分發(fā)揮人工智能的潛力:

■在數(shù)字化旅程中取得進(jìn)展。調(diào)研表明,數(shù)字化是實(shí)現(xiàn)人工智能價(jià)值的前提這關(guān)系到對(duì)核心業(yè)務(wù)流程的變革以及全新的工作方式。但是如果沒有強(qiáng)大的數(shù)字化基礎(chǔ),企業(yè)的人工智能系統(tǒng)將缺乏必要的訓(xùn)練數(shù)據(jù),無法建立更好的模式,也無法將出色的人工智能洞見轉(zhuǎn)化為大規(guī)模的行為變化。

■衡量人工智能對(duì)整個(gè)企業(yè)的影響。雖然大多數(shù)企業(yè)已經(jīng)在一定程度上部署了人工智能,但只有極少數(shù)企業(yè)將其嵌入多個(gè)業(yè)務(wù)單元或職能的標(biāo)準(zhǔn)操作流程中,大約1/3的企業(yè)只是在進(jìn)行試點(diǎn)。盡管人工智能尚處于早期階段,但陷入“試點(diǎn)煉獄”是一個(gè)切實(shí)的風(fēng)險(xiǎn)【9】。為了收獲累累碩果,不僅需要在整個(gè)企業(yè)內(nèi)部擴(kuò)散這些能力,領(lǐng)導(dǎo)者也要對(duì)此真正理解并做出承諾以推動(dòng)大規(guī)模變革,除了技術(shù)之外,還需要關(guān)注變革管理。

■落實(shí)關(guān)鍵的促成因素。盡管人工智能正在迅速普及,但調(diào)研顯示,在如何讓人工智能創(chuàng)造規(guī)?;瘍r(jià)值方面,企業(yè)往往缺乏所需的許多基本促成因素。這些因素包括高管層支持,開發(fā)整個(gè)企業(yè)的人工智能機(jī)會(huì)組合視圖,采取行動(dòng)彌補(bǔ)人才缺口以及實(shí)施成熟的數(shù)據(jù)戰(zhàn)略。所有這些都需要圍繞人工智能項(xiàng)目和議程的更多戰(zhàn)略思維。業(yè)務(wù)和技術(shù)領(lǐng)導(dǎo)者必須迅速行動(dòng)起來,將這些關(guān)鍵促成因素落實(shí)到位。否則,企業(yè)很可能會(huì)錯(cuò)過當(dāng)前乃至未來的人工智能機(jī)會(huì)。

【1】這項(xiàng)在線調(diào)研于2018年2月6日—2月16日進(jìn)行,共有來自不同地區(qū)的2 135名受訪者參與,他們代表了不同的行業(yè)、企業(yè)規(guī)模、職能專長和任期。為了對(duì)應(yīng)答率的差異進(jìn)行調(diào)整,相關(guān)數(shù)據(jù)根據(jù)受訪者所在國家對(duì)全球國內(nèi)生產(chǎn)總值(GDP)的貢獻(xiàn)進(jìn)行加權(quán)。

【2】九項(xiàng)人工智能能力分別是:理解自然語言文本、理解自然語言講話、生成自然語言、虛擬代理或?qū)υ捊缑?、?jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、機(jī)器人、自動(dòng)駕駛和機(jī)器人流程自動(dòng)化(RPA)。有人認(rèn)為RPA本身不應(yīng)被歸入人工智能,但是根據(jù)我們的經(jīng)驗(yàn),RPA系統(tǒng)正在結(jié)合越來越多的人工智能能力。

【3】我們對(duì)數(shù)字化程度較高的企業(yè)的定義是平均數(shù)字化程度為51%或以上的企業(yè)。數(shù)字化程度根據(jù)下列衡量指標(biāo)的平均百分比計(jì)算:通過數(shù)字渠道銷售的產(chǎn)品及(或)服務(wù)的銷售占比;具有數(shù)字本質(zhì)的核心產(chǎn)品及(或)服務(wù)(例如,虛擬或數(shù)字增強(qiáng));自動(dòng)化及(或)數(shù)字化的核心操作;以及數(shù)字化的或通過與供應(yīng)商的數(shù)字化互動(dòng)而移動(dòng)的供應(yīng)鏈容量。

【4】根據(jù)2017年對(duì)亞洲、歐洲及北美14個(gè)經(jīng)濟(jì)部門和10個(gè)國家的3 073家企業(yè)C級(jí)高管的調(diào)研,在向這些受訪者了解企業(yè)采用人工智能技術(shù)的情況時(shí),相關(guān)問題與我們最新的調(diào)研有所不同,具體來說,包括企業(yè)是否正在通過研究、試點(diǎn)或概念驗(yàn)證來探索人工智能;企業(yè)目前是否在使用人工智能技術(shù),但不是針對(duì)核心業(yè)務(wù)或進(jìn)行大規(guī)模使用;以及該技術(shù)是否針對(duì)核心業(yè)務(wù)進(jìn)行大規(guī)模使用。這些問題中的最后一個(gè)選項(xiàng)與此次調(diào)研的兩個(gè)選項(xiàng)最為相似:在至少一個(gè)職能或業(yè)務(wù)單元的標(biāo)準(zhǔn)業(yè)務(wù)流程中嵌入了人工智能能力,以及在多個(gè)職能或業(yè)務(wù)單元的流程中嵌入了人工智能能力。關(guān)于之前調(diào)研結(jié)果的更多詳情,請(qǐng)參閱麥肯錫全球研究院發(fā)布的報(bào)告:Artificial intelligence:the next digital frontier?2017年6月,McKinsey.com。

【5】更多詳情請(qǐng)參閱麥肯錫全球研究院的報(bào)告:Notes from the AI frontier:applications and value of deep learning,2018年4月,McKinsey.com。

【6】只針對(duì)企業(yè)已部署人工智能的受訪者,向其詢問在不同職能中使用人工智能能夠創(chuàng)造多少價(jià)值。

【7】在我們看來,由于營銷及銷售工作通常部署了其他分析技術(shù),因此人工智能為其帶來的業(yè)績提升可能不及較少使用分析技術(shù)的其他職能部門。

【8】更多詳情請(qǐng)參閱麥肯錫全球研究院的報(bào)告:Harnessing automation for a future that works,2017年1月,McKinsey.com;Jobs lost,jobs gained:what the future of work will mean for jobs,skills,and wages,2017年11月,McKinsey.com;Skill shift:automation and the future of the workforce,2018年5月,McKinsey.com。

【9】更多詳情請(qǐng)參閱Oliver Fleming、Tim Fountaine、Nicolaus Henke和Tamim Saleh所著的“Ten red ags signaling your analytics program will fail”一文,2018年5月,McKinsey.com。

作者:

Michael Chui和Sankalp Malhotra負(fù)責(zé)本次調(diào)研的開發(fā)和分析。

Michael Chui為麥肯錫全球研究院董事,常駐舊金山分公司;

Sankalp Malhotra為麥肯錫前咨詢顧問。

THEEND

最新評(píng)論(評(píng)論僅代表用戶觀點(diǎn))

更多
暫無評(píng)論