如今, 人工智慧正在以指數級的速度擴展預測和回應市場變化的能力, 從而徹底革新商業領域。
人工智慧和商業領域的聯繫日益緊密。 人工智慧是內置於電腦系統中的智慧, 正如麻省理工學院教授Marvin Minsky所說的那樣:“人工智慧是一門科學, 它使機器做那些由人類需要通過智慧所做的事情。 ”總之, 這種擴展“智慧”系統是人工智慧為商業領域帶來關鍵優勢的核心。
人工智慧並不是什麼新鮮事物, 人們每天都在工作和生活中使用它。 人工智慧由於兩個主要因素而得到人們更多的關注:一是以合理的成本大幅提高電腦處理速度,
來自“哈佛商業評論”的調查報告反映了人工智慧在商業領域的初步應用, 許多受訪者還處在人工智慧應用的探索階段。
商業人工智慧的覺醒
InfoSys公司在其題為“放大人類潛能:走向有目的的人工智慧” 的調查報告中指出, 最受歡迎的商業人工智慧技術是大資料自動化、預測分析和機器學習。 其他重要的驅動因素包括商業智慧系統和深度學習的神經網路。
某些行業已經更快地採用了人工智慧的高級部署。 其中包括醫藥/生命科學、汽車和航空航太、電信、能源、石油/天然氣、公用事業、製造業、航運物流、醫療保健, 以及金融服務等行業領域。
商業領域中的人工智慧將其優勢和挑戰帶入了行銷、客戶服務、商業智慧、流程改進、管理等行業領域。
商業人工智慧的主要用例
在商業領域推動人工智慧的最大用例包括自動化工作職能、改善業務流程和運營、績效和行為預測、增加收入、模式識別, 以及商業洞察力。
(1)自動化工作職能, 以提高效率
這個驅動程式橫跨垂直和橫向行業, 包括人工智慧可以自動執行任何重複工作功能。 製造行業的機器人是最具代表性的例子, 但遠不止於此。 人工智慧可以自動執行需要重複人工輸入的作業。 人工智慧還可以通過實現機器工作負載的自動化來提高效率, 例如收集和分析感測器資料。 無論其好壞, 公眾已經習慣於由人工智慧驅動的自動電話服務、聊天機器人和電子郵件。
(2)改善業務流程
在已經多年應用工業機器人的製造領域, 工藝改進在製造業中取得了很好的進展。 人工智慧還改善了運輸和物流供應鏈的業務流程, 例如通過跟蹤天氣和交通情況來動態調整貨運路線。 業務連續性使用人工智慧系統, 可自動檢測和緩解異常情況, 如電力浪湧或潛在的安全性漏洞。 另一個重要的人工智慧的應用領域是生物醫學。 將捐贈者腎臟與移植患者的腎臟相匹配, 在傳統上是一個漫長而費力的過程, 因為患者和捐贈者經常會發生變化。 卡內基梅隆大學的研究團隊為此開發了相應的人工智慧技術, 以加速和改進匹配過程。
(3)預測性能和行為
人工智慧應用程式可以根據進度資料預測時間和性能,
(4)增加收入
企業可以通過在銷售和行銷過程中使用人工智慧來增加收入。 例如, 圖片和視頻服務提供者Getty Images公司使用了預測性行銷軟體Mintigo, 該軟體可以抓取數以百萬計的網站, 並可以識別正在使用其圖像服務的網站。 Mintigo可以管理龐大的銷售情報資料庫, 並向Getty銷售團隊提供可行的建議。 戶外運動產品提供商Northface公司使用IBM Watson分析語音輸入的人工智慧技術來推薦產品。
(5)模式識別
人工智慧模式識別可以加強對數位通信中違規或欺詐行為的調查, 而社交語義和情感分析的目的與社交媒體行銷不同。 客戶活動模式也可以生成產品推薦和內容管理。 流媒體提供商Netflix公司通過使用人工智慧推薦為每個觀眾定制的視頻, 每年可節省10億美元。
Netflix公司發現, 觀看者點擊Netflix推薦螢幕上顯示的視頻的可能性是其他人的4-5倍。 Netflix公司使用人工智慧系統來跟蹤個人觀看模式,然後向觀眾推薦不太知名的視頻。該系統優化了Netflix公司每年60億美元的內容支出,因為這些視頻的成本大部分都比Netflix公司製作或發佈的視頻要低得多。
(6)商業洞察力
人工智慧可以解讀大資料,以便更好地瞭解資產,員工,客戶,品牌等整個業務。人工智慧應用越來越多地使用非結構化資料和結構化資料,可以使企業做出更好更快的業務決策。例如,銷售和市場行銷人工智慧應用程式建議最佳的溝通管道、內容行銷和網路,實現最好的前景。
基於哈佛商業評論報告,預測分析是人工智慧的主要業務用途,緊隨其後的是文本分類和欺詐檢測。
人工智慧的商業挑戰
人工智慧項目的所有好處往往是昂貴而複雜的,並且充滿了安全和隱私問題。人們不要被這些問題所迷惑:需要認真研究人工智慧所面臨的商業挑戰,並比較採用人工智慧系統的得失。
•人工智慧的部署需要時間。企業在部署人工智慧的項目計畫中需安排大量時間,並在部署之前構建基礎設施。構建高性能的人工智慧需要同樣高性能的基礎設施和大量的存儲資源。企業還需要培訓或聘用具有相關知識技能的人員管理人工智慧的應用程式,複雜人工智慧系統將需要一定培訓時間和資源。許多企業將決定將部分或全部人工智慧專案進行外包。這往往是一個很好的商業決定,但卻增加了成本。
•人工智慧需要被整合。採用人工智慧也可能存在整合挑戰。如果企業的人工智慧專案會影響企業資源計畫(ERP)、製造流程或物流系統等現有系統,請確保其工程師知道如何識別和緩解互通性或可用性問題。企業還需要採用大資料分析基礎設施和商業智慧人工智慧應用程式來預測。
•人工智慧具有安全和隱私問題。網路安全對於人工智慧應用同樣重要,因為它適用於任何商業計算。考慮到許多人工智慧系統使用的大量資料,其隱私問題也是一個很重要的問題。在人工智慧中得到採用的用例中(例如從有針對性的社交媒體行銷到執法應用),都是圍繞著獲取使用者資訊開展的。因此企業不能暴露自己的資料或隱私,否則將面臨調查或訴訟。
•人工智慧可能會對員工產生不利影響。有些職位將受益於人工智慧,如一些工作人員不再從事重複的人工任務,以支援更高層次的戰略思維。但也有一些工作的職位將被減少或取消。雖然企業必須扭虧為盈,但是裁撤員工是不受歡迎的,而且支出費用高昂。調研機構Infosys公司表示,擁有成熟的人工智慧系統的公司可以對那些受到影響的員工進行重新培訓並重新部署職位。
部署人工智慧系統是一個很大的專案,但歸根結底是一種與其他系統一樣的業務技術。企業需要進行盡職調查,並研究和建立相關的專業知識和基礎設施,然後實施部署、使用、優化,以及獲利。
Netflix公司使用人工智慧系統來跟蹤個人觀看模式,然後向觀眾推薦不太知名的視頻。該系統優化了Netflix公司每年60億美元的內容支出,因為這些視頻的成本大部分都比Netflix公司製作或發佈的視頻要低得多。(6)商業洞察力
人工智慧可以解讀大資料,以便更好地瞭解資產,員工,客戶,品牌等整個業務。人工智慧應用越來越多地使用非結構化資料和結構化資料,可以使企業做出更好更快的業務決策。例如,銷售和市場行銷人工智慧應用程式建議最佳的溝通管道、內容行銷和網路,實現最好的前景。
基於哈佛商業評論報告,預測分析是人工智慧的主要業務用途,緊隨其後的是文本分類和欺詐檢測。
人工智慧的商業挑戰
人工智慧項目的所有好處往往是昂貴而複雜的,並且充滿了安全和隱私問題。人們不要被這些問題所迷惑:需要認真研究人工智慧所面臨的商業挑戰,並比較採用人工智慧系統的得失。
•人工智慧的部署需要時間。企業在部署人工智慧的項目計畫中需安排大量時間,並在部署之前構建基礎設施。構建高性能的人工智慧需要同樣高性能的基礎設施和大量的存儲資源。企業還需要培訓或聘用具有相關知識技能的人員管理人工智慧的應用程式,複雜人工智慧系統將需要一定培訓時間和資源。許多企業將決定將部分或全部人工智慧專案進行外包。這往往是一個很好的商業決定,但卻增加了成本。
•人工智慧需要被整合。採用人工智慧也可能存在整合挑戰。如果企業的人工智慧專案會影響企業資源計畫(ERP)、製造流程或物流系統等現有系統,請確保其工程師知道如何識別和緩解互通性或可用性問題。企業還需要採用大資料分析基礎設施和商業智慧人工智慧應用程式來預測。
•人工智慧具有安全和隱私問題。網路安全對於人工智慧應用同樣重要,因為它適用於任何商業計算。考慮到許多人工智慧系統使用的大量資料,其隱私問題也是一個很重要的問題。在人工智慧中得到採用的用例中(例如從有針對性的社交媒體行銷到執法應用),都是圍繞著獲取使用者資訊開展的。因此企業不能暴露自己的資料或隱私,否則將面臨調查或訴訟。
•人工智慧可能會對員工產生不利影響。有些職位將受益於人工智慧,如一些工作人員不再從事重複的人工任務,以支援更高層次的戰略思維。但也有一些工作的職位將被減少或取消。雖然企業必須扭虧為盈,但是裁撤員工是不受歡迎的,而且支出費用高昂。調研機構Infosys公司表示,擁有成熟的人工智慧系統的公司可以對那些受到影響的員工進行重新培訓並重新部署職位。
部署人工智慧系統是一個很大的專案,但歸根結底是一種與其他系統一樣的業務技術。企業需要進行盡職調查,並研究和建立相關的專業知識和基礎設施,然後實施部署、使用、優化,以及獲利。