AI浪潮让不少传统公司心动，但是，AI究竟能为企业带来什么？又该怎样应用？

两名德勤咨询师在《哈佛商业评论》(HBR)2018年1-2月刊上发表的一篇文章中说，他们调查了250名熟悉公司对认知技术使用情况的高管，发现其中75%相信AI能在三年内给他们的公司带来本质上的改变。

但是，不少公司热情拥抱AI，推出了野心勃勃的项目，只换来黯淡收场。

他们同时也研究了152个AI应用项目，基本上每个项目都来自不同的公司，却显示出一条通用的规律：和那些运用AI的“低垂果实”来增强商业流程的项目相比，满怀雄心追求前沿没那么容易成功。

那么，AI浪潮之下，企业究竟该怎么应对？

这篇文章梳理了AI在企业中的各类应用，然后为想要在接下来几年里拥抱AI的公司，提出了一个在企业中部署AI的四步走框架。

另外，他们还告诫企业高管：看待AI，一定要从商业能力出发，而不是从技术出发。

下面是量子位从这篇文章中摘取、翻译的要点：

三类AI

从商业能力出发来看，AI，或者说“认知技术”能够支撑三种重要的商业需求：自动化商业流程、从数据分析中获得洞察力、维护与客户或员工的关系。

从他们研究的152个项目可以看出，AI在公司中最常见的用途是流程自动化，有71%的项目致力于数字或者实体任务的自动化，比如说后勤管理、财务活动等等。

其次是认知洞察，也就是用算法从海量数据中寻找模式，理解它们的含义。这样的项目有38%，它们有的在预测一个客户的购买意愿，有的在检测信用卡欺诈，有的在为数字广告进行自动个性化投放。

还有一类，是用认知技术维护关系。有16%的项目，运用聊天机器人等技术，来吸引员工和客户。比如智能客服、回答IT、员工权益、HR政策问题的员工内网、零售商用的产品、服务推荐系统等。

4步，让企业用上AI

知道了AI主要有三类用途，可是企业想拥抱AI该从何入手？

在同一篇文章中，他们提出了一个整合人工智能技术的4步框架，以便帮助企业实现自己的目标。无论是胸怀远大的项目，还是仅仅为了改进商业流程，都可以使用这种框架。

1. 理解技术

在开始一个人工智能项目之前，企业必须了解哪些技术执行哪些类型的任务，以及每个任务的优势和限制。

例如，基于规则的专家系统和机器人流程自动化的工作过程都是透明的，但两者都不能学习和改进。而深度学习在有大量标注数据的学习上很有帮助，但几乎不可能理解它是如何创建模型的。这种“黑匣子”问题在金融服务等受到高度监管的行业中可能存在问题，因为监管机构坚持要知道某些决定背后的原因。

有些组织浪费了不少浪费时间和金钱来为手头的工作寻找错误的技术。但是，如果他们能够很好地理解不同的技术，公司就可以更好地确定哪些技术可能最适合特定的需求，应该与哪些供应商合作，以及系统能够多快地完成部署。获得这种理解需要持续不断的研究和教育，通常在IT或创新团队中进行。

△ 企业应用AI面临的挑战

具体来说，企业需要利用关键员工的能力，比如数据科学家，他们拥有掌握这些技术所需的统计数据和大数据技能。一个主要的成功因素是你的员工的学习意愿。有些人会欣然接受这个机会，另一些人则会坚持自己熟悉的工具。努力让前者占据更高比例。

如果你没有内部的数据科学或分析能力，你很可能需要在短期内建立一个外部服务提供商的生态系统。如果你想要部署更长期的人工智能项目，就应该招聘专家级内部人才。无论哪种方式，拥有正确的能力对于进步都是至关重要的。

考虑到认知技术人才的匮乏，大多数组织应该建立一个资源池——也许是在IT或战略等集中化的智能部门——让整个组织内部优先级较高的项目可以接触到这些专家。随着需求和人才的激增，将团队奉献给特定的业务职能或单位可能是有意义的，但即使是这样，集中化的协调智能也可以在管理项目和职业方面发挥作用。

2. 创建项目组合

启动人工智能程序的下一步是系统地评估需求和能力，然后开发一个优先的项目组合。在德勤所研究的公司中，这通常是在研讨会或小型咨询活动中完成的，他们建议公司在下列三个方面进行评估。

识别机会

第一项评估要决定哪些领域可以从认知应用中获益最多。通常情况下，他们是公司的内部那些重视“知识”——从数据分析或文本集合中获得的洞察力——的部门，但却因为种种原因而无法获得“知识”。

• 瓶颈。在某些情况下，缺乏认知洞察力是由于信息流动的瓶颈造成的；知识存在于组织中，但它的分布并未优化。例如，在医疗保健领域，知识往往存在于实践、部门或学术医疗中心。

• 规模化的挑战。在其他情况下，知识是存在的，但是使用它的过程花费的时间太长，或者规模化成本太高。财务顾问所开发的知识往往就是这种情况。所以才有那么多投资和财富管理公司现在提供人工智能支持的“机器人咨询”功能，为客户提供具有成本效益的常规财务问题指导。

在制药行业，辉瑞公司正利用IBM的沃森加快免疫肿瘤学领域那些费力的药物发现研究流程，这是一种新兴的癌症治疗方法，利用人体的免疫系统帮助对抗癌症。免疫肿瘤药物大约需要12年才能上市。

通过将广泛的文献回顾与辉瑞自己的数据结合起来（例如实验室报告），沃森正在帮助研究人员建立关系，找到隐藏的模式，以加速识别新药的目标，找到研究所需的联合疗法，并为这类新药的制定患者筛选策略。

• 火力不足。最后，一家公司或许可以收集很多数据，但其现有的人力或计算机火力却不足以对其展开充分地分析和应用。例如，一家公司可能有大量关于消费者数字行为的数据，但却缺乏相应的洞察力来分析其含义或探索进行战略应用的方式。

为了解决这一问题，企业正在使用机器学习来支持一些任务，比如对个性化数字广告进行程序化购买，或者像思科和IBM那样，创建数以万计的“倾向模型”，以确定哪些客户可能购买哪些产品。

确定用例

第二个评估的方面则是评估认知应用程序能够产生巨大的价值，并为商业成功做出贡献的用例。首先要问一些关键问题，比如：你的总体战略对解决目标问题有多重要？从技术上和组织上看，实施人工智能解决方案有多难？启动该应用程序所带来的好处是否值得付出努力？

其次，根据最短期和长期的价值，对用例进行优先级排序，这最终可能整合到更广泛的平台或认知能力的集合中，以创造竞争优势。

选择技术

第三方面是评估每个用例所考虑的人工智能工具能否真正胜任该任务。例如，聊天机器人和智能agent可能会让一些公司感到沮丧，因为除了简单的程序化问题外，它们中的大多数在解决问题的能力上都无法与人类媲美（尽管它们正在迅速改进）。

其他的技术，如机器人流程自动化，可以简化诸如开发票之类的简单流程，实际上可能会拖慢更复杂的生产系统的速度。虽然深度学习视觉识别系统能够识别照片和视频中的图像，但它们需要大量的带标签数据，并且可能无法理解复杂的内容。

随着时间的推移，认知技术将改变企业的经营方式。然而，现在更聪明的方式是通过目前可以使用的技术采取渐进，同时在不太遥远的未来规划转型变革。例如，你可能最终可能希望将客户互动交给机器人来处理，但目前更加可行的方式是自动处理内部的IT帮助系统，这是迈向最终目标的一个步骤。

3. 进行试点

人工智能的实际能力与期望值之间的差距，并不总是那么显而易见，企业应该在将它们面向整个企业推出之前，为认知应用创建试点项目。

概念验证试点特别适合具有较高潜在业务价值的项目，或者允许组织同时测试不同的技术。
特别要注意避免被技术供应商影响的高级管理人员“注入”项目。仅仅因为高管和董事会迫于压力而要“从事一些认知方面的事情”，并不意味着你应该绕过严格的试点程序。注入的项目常常失败，这将极大地阻碍组织的人工智能程序。

如果你的公司计划启动几个试点项目，应该考虑建立一个卓越的认知中心或者类似的结构来管理它们。这种方法有助于在组织内部构建所需的技术技能和能力，同时也有助于将小型试点项目转移到更广泛的应用中，从而产生更大的影响。辉瑞公司拥有60多个项目，这些项目都采用了某种形式的认知技术，很多都是试点项目，有的目前已经投产。

在IT公司Becton内部，一个名为Dickinson的“全局自动化”功能监管着许多使用智能数字agent和RPA(一些工作是与该公司的全局共享服务组织合作完成的)的认知技术试点项目。全局自动化组使用端到端流程映射来指导实现并识别自动化机会。该组织还使用图形化的“热图”来表明最适合人工智能干预的组织活动。该公司已经成功地在IT支持过程中部署了智能agent，但是还没有准备好支持大规模的企业流程，比如订单到收款。

健康保险公司Anthem开发了一个类似的集中式人工智能功能，它称之为认知能力办公室(Cognitive Capability Office)。

业务流程重新设计

随着认知技术项目的发展，思考如何重新设计工作流程，特别关注人类与人工智能之间的分工。在一些认知项目中，80%的决策由机器完成，20%由人类做出；其他项目的比例刚好相反。有必要系统地重新设计工作流，以确保人类和机器能够增强彼此的优势并弥补弱点。

例如，投资公司Vanguard就推出了一项新的“个人顾问服务”(PAS)，它将自动投资建议与人类顾问的指导相结合。在新系统中，认知技术被用来执行许多传统的投资建议任务，包括构建一个自定义的投资组合，逐渐再平衡投资组合，收获税收损失，以及做出有税收效率的投资选择。

Vanguard的人类顾问是“投资教练”，负责回答投资者的问题，鼓励健康的财务行为，并通过Vanguard所谓的“情绪熔断机制”让投资者保持计划。鼓励顾问们学习行为金融学，以便有效地扮演这些角色。PAS方法迅速积累了超过800亿美元的管理资产，成本低于纯粹以人为本的咨询，客户满意度也很高。

Vanguard理解了在部署PAS时重新设计工作的重要性，但是许多公司只是通过自动化现有的工作流程来“铺路”，特别是在使用RPA技术的时候。通过自动化既定的工作流，企业可以快速部署项目并实现ROI——但他们放弃了充分利用人工智能并在实质上改进流程的机会。

重新设计认知工作的措施常常通过应用设计思维的原则获益：理解客户或最终用户的需求，牵扯到的员工的工作需要重新设计，还要把设计当做实验性的“初稿”来对待，考虑多种选择，并明确考虑设计过程中的认知技术能力。大多数认知项目也适合迭代的、敏捷的开发方法。

4. 扩大规模

很多组织已经成功进行了试点，但是他们还没有在整个组织的范围内获得成功。为了达到这么目标，公司就要为扩大规模制定详细的计划，需要技术专家和业务人员进行协作。

但是，认知技术对于单个任务的支持，往往比整个流程要好，而规模的扩大总是设计到与现有系统和流程的整合。实际上，他们调查的250名高管也说，这种整合，是企业应用人工智能过程中最难的一步。

在开始扩大自动化试点项目规模的时候，公司应该考虑所需的整合是否可行。如果这种应用依赖于难以获取的特殊技术，规模的扩大就会受到限制。为了保证可以整合，在项目试点阶段之前或者试点期间，就要确保业务人员与技术专家充分地探讨过项目的规模化扩张问题。就算是RPA这种相对简单的技术，单靠技术专家来做也不太可能成功。

比如Anthem保险公司，就在将认知技术的开发作为对他们现有系统进行现代化改进的一个重要部分。Anthem并没有将新的认知应用直接捆绑到传统技术上，而是采用了更加整体化的方法。

在扩大规模的过程中，企业可能会面临巨大的变革管理挑战。例如一家美国服装零售连锁点，其中一小部分店面试点用机器学习做产品采购。而采购这项工作，原来是由人类买手依据自己的直觉来完成的，试点推出后，买手们感觉到了来自机器的威胁，组团提出抗议，要求停止这个项目。这时候，就会有主管提出，项目的结果是积极的，有必要进行扩张，他还需要向买手们保证，他们可以承担更多高价值工作，比如理解年轻顾客的欲望、为服装制造商制定未来计划等等。

△ AI在商业上的好处

如果要让规模的扩大达到预期效果，公司必须把重点放在提高生产力上，也就是在不增加员工数量的情况下，增加客户和交易规模。

如果以减少员工数量为目的，则要为裁员、减少外包制定一个长期的计划。

原文地址：

https://hbr.org/2018/01/artificial-intelligence-for-the-real-world

关于两名原作者：

Thomas H. Davenport是巴布森商学院教授、MIT数字经济计划Research Fellow、德勤分析高级顾问。

Rajeev Ronanki是德勤咨询认知计算和医疗界创新实践部门的主管。