颠覆麦肯锡、BCG,这家公司的AI商业决策系统能做到吗?

简介:

 乔布斯已死,可未来的乔布斯们也许能把他们经营与决策的智慧传递下去了。

在美国市场上,一家受到“硅谷创投圣经”《Red Herring》青睐、主打强AI技术的企业Synergies Intelligent Systems有可能通过强AI做到这一点——他们开发了全球第一个商业策略导航系统(商业GPS),能回答商业相关的上万个自然语言提问,并给企业提供执行建议。这个企业的算法比市场上现有的要更进一步,几乎能做到跨领域的智能分析、推演,向强AI又迈进了一步。

也就是说,这个系统就等于一个强大的智能顾问团队,可以针对现有问题做分析和建议,未来甚至可以直接代替过去几十年间极为流行的第三方咨询公司。

“不管企业处在哪个阶段,有什么层面的决策问题,这个系统都可以回答。”Synergies Intelligent Systems的CEO Michael Chang张宗尧对记者说道。

三个月+强AI系统,打败10年经验管理者?

张宗尧向记者介绍道,他们的技术突破了深度学习的局限性,改变了数据库的结构,让电脑能够通过深度学习的方案处理大量商业数据。这之后,他们的产品能像GPS指导开车路线一样,给企业提供商业决策上的“路线图”。CEO最重要的工作就是把握公司的战略方向,而这样一个“AI商业GPS”可以在两个层面上帮助他们。

第一个层面,它可以节省企业的时间成本。过去的“商业智能(Business Intelligence)”仅仅能做到显示和呈现结果。一个分析师在整合企业数据后,一般只能通过可视化的形式展示数据。企业的下一步该怎么走,还是需要高管团队凭借经验来进行分析和做出决策。而AI商业GPS则不仅能展示过去的数据呈现出的结果,还能够通过机器学习做出预测,并指出商业决策的最佳路径。

对于这些C-level的管理者来说,这个系统根据他们的职位而提供的独特建议可以让他们更好地分配自己宝贵的时间,做出更具有战略性的决策。

第二个层面更具体——CEO做决策的过程会变得非常简洁。

有了这样一个虚拟的智能顾问,企业不需要那么多的数据分析人员和软件工程师,还减少了沟通成本。管理者不需要有技术背景,就可以直接通过控制界面问这个系统,“我想要在三个月内把库存减少20%,有什么方法?”这个自动化系统就会提供多条路线,辅助甚至代替决策。

当然,除了C-level的管理者以外,其他不同层级的管理者也都可以利用这个系统。这也就带来了这样的效果:假设有一个只在供应链上工作了3个月的新手,如果搭配上这个系统,他做决策会比一个有十年管理经验的人还要好。

 “过去的管理模式基本是经验导向的,这个系统会带来很大改变,甚至取代许多顾问公司的工作,一般的企业都不需要向麦肯锡或者BCG寻求帮助了。”张宗尧说道。 

强AI会变革每个行业吗?

这家公司看起来正试图以强AI技术颠覆一切,他们最先切入的是拥有大量数据的制造和零售业。

对于这个商业GPS在制造业的应用,张宗尧举了这样一个例子:此前,一家制造业巨头发现自己的不良率极速升高到接近9%,用了各种方法都找不到原因。在他们介入后,AI系统分析出来其实是由天气因素导致的。他们通过给生产车间加湿解决了这个原因,给企业节省了数千万美金。

当然,假如这个公司有着自己的大数据团队,也可以通过其他方法找出这个原因。但是假如他们没有这个团队呢?

如今市面上巨头一直在“收割”市面上优秀的人工智能团队,Google、Intel、Apple等等,简直在比赛收购AI创业公司。GE、三星等工业界巨头也在加入这个行列,普通公司是很难在这个层面上参与竞争的。

颠覆麦肯锡、BCG,这家公司的AI商业决策系统能做到吗?

就算咬牙从头建完团队之后,企业的损失往往已经不可估量了。

而这个AI系统,则是一个简单、直接、性价比极高的方案。企业不需要调用许多资源来雇佣、搭建一整个人工智能专家团队,就可以迅速地获得同样水平、甚至更好的人工智能决策建议。

 “小到生产的良率,大到公司决策,都可以通过咨询这个虚拟顾问来完成,”张宗尧说道,“中小企业不会受成本所限,失去解决问题的机会,又或是在人工时代落后于人,这套系统就能用有限的成本帮助他们获得更多的利润。”

对于企业来说,像这家制造业巨头这样一目了然的例子是很有吸引力的——成立近一年,Synergies已经收支平衡,客户包括全球的中型企业及大型财团和许多年营业额在10亿美元以上的公司。对于其中一家制造业巨头公司来说,Synergies的商业GPS已经帮助他们提升了20%的生产效率。而一家区域性零售业公司也通过系统的分析和建议,成功减少了48%库存。

除此之外,这个系统的强AI基因,也让它不同于过去加入了AI元素的商业分析软件。

“这个系统有很强的适应性,跨行业、或者各种不同体量的企业,都可以用这同一个系统。他们只需要输入属于自己的数据,再进行简单调试,就能够直接应用了。”张宗尧向记者介绍道。

MIT团队,跨院校技术支持

这样的系统,其实已经比过去做图像识别或语音识别的深度学习技术要前进了一大步。而这背后是跨几个大陆的不同高校的实验室,包括美国麻省理工学院、德国汉堡大学和交通大学。“这是一个很大的计划,需要把复杂的问题一一拆解,再由不同实验室进行合作。我们需要和不同领域的专家合作来完成这个计划。”张宗尧解释道。

张宗尧拿到麻省理工学院的博士学位后,曾管理一支量化避险基金,并在这过程中结识了来自Goldman Sachs(高盛)的核心技术成员Prasanth Varma。由于他们的专业都在于人工智能领域、又跨界金融,他们从在金融领域应用人工智能技术的实验开始,发现AI对于各个领域可能都会有巨大影响与冲击,希望能把AI的技术优势带给规模、种类各异的企业。

根据Gartner预测,2021年企业30%的营收增长,将会来自于运用AI技术的解决方案。

“未来我们希望完全自动化一个公司做决策和运营的部分。”张宗尧说Synergies的目标是大幅度地提高决策效率、简化决策和管理流程,现在只是第一步,未来还有很多可能性。

 “这个系统会让更多企业能够用上人工智能,让AI不再只是一个听起来高大上的技术,或是昂贵成本的代名词,而是一般的企业都好好利用、增加自己利润的工具。”张宗尧说道。

在Gartner的2017人工智能预测中,有一点引人深思:到2019年,人工智能创业公司们会通过颠覆性的AI解决方案,代替曾经的巨头——Amazon、Google、IBM和微软等等——在这个全新的时代引领人工智能经济的爆发。

而像Synergies这样的公司,以强AI技术,在竞争激烈的人工智能赛道成功破局,已经让笔者看到了一丝创业公司引领AI未来的影子。


原文发布时间为:2017年6月21日

本文作者:林畅

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关文章
|
23天前
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
80 9
|
20天前
|
人工智能 数据挖掘 数据库
拥抱Data+AI|破解电商7大挑战,DMS+AnalyticDB助力企业智能决策
本文为数据库「拥抱Data+AI」系列连载第1篇,该系列是阿里云瑶池数据库面向各行业Data+AI应用场景,基于真实客户案例&最佳实践,展示Data+AI行业解决方案的连载文章。本篇内容针对电商行业痛点,将深入探讨如何利用数据与AI技术以及数据分析方法论,为电商行业注入新的活力与效能。
拥抱Data+AI|破解电商7大挑战,DMS+AnalyticDB助力企业智能决策
|
1天前
|
机器学习/深度学习 人工智能 算法
【AI系统】AI芯片驱动智能革命
本课程深入解析AI模型设计演进,探讨AI算法如何影响AI芯片设计,涵盖CPU、GPU、FPGA、ASIC等主流AI芯片,旨在全面理解AI系统体系,适应后摩尔定律时代的技术挑战。
18 5
|
1月前
|
存储 人工智能 自然语言处理
高级 RAG 技术:提升生成式 AI 系统输出质量与性能鲁棒性【预检索、检索、检索后、生成优化等】
高级 RAG 技术:提升生成式 AI 系统输出质量与性能鲁棒性【预检索、检索、检索后、生成优化等】
高级 RAG 技术:提升生成式 AI 系统输出质量与性能鲁棒性【预检索、检索、检索后、生成优化等】
|
21天前
|
关系型数据库 分布式数据库 数据库
云栖大会|从数据到决策:AI时代数据库如何实现高效数据管理?
在2024云栖大会「海量数据的高效存储与管理」专场,阿里云瑶池讲师团携手AMD、FunPlus、太美医疗科技、中石化、平安科技以及小赢科技、迅雷集团的资深技术专家深入分享了阿里云在OLTP方向的最新技术进展和行业最佳实践。
|
22天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗领域的革命:智能诊断系统的未来
在科技日新月异的今天,人工智能(AI)技术正逐渐渗透到我们生活的每一个角落,其中医疗领域尤为显著。本文将探讨AI在医疗诊断中的应用及其带来的变革,重点介绍智能诊断系统的发展现状与未来趋势。通过深入浅出的方式,我们将揭示AI如何改变传统医疗模式,提高诊断效率和准确性,最终造福广大患者。
|
1天前
|
机器学习/深度学习 存储 人工智能
【AI系统】计算之比特位宽
本文详细介绍了计算机中整数和浮点数的比特位宽概念及其在AI模型中的应用。通过对比特位宽的定义、整数与浮点数的表示方法、AI中常用的数据类型(如FP32、TF32、FP16、BF16、FP8和Int8)及其在模型训练和推理中的作用进行了阐述。特别关注了FP8数据类型在提高计算性能和减少内存占用方面的新进展,以及降低比特位宽对AI芯片性能的影响,强调了低比特位宽在AI领域的重要性。
14 0
|
28天前
|
人工智能 API 决策智能
swarm Agent框架入门指南:构建与编排多智能体系统的利器 | AI应用开发
Swarm是OpenAI在2024年10月12日宣布开源的一个实验性质的多智能体编排框架。其核心目标是让智能体之间的协调和执行变得更轻量级、更容易控制和测试。Swarm框架的主要特性包括轻量化、易于使用和高度可定制性,非常适合处理大量独立的功能和指令。【10月更文挑战第15天】
208 6
|
21天前
|
人工智能 自然语言处理 安全
AI技术在智能客服系统中的应用与挑战
【10月更文挑战第28天】本文将深入探讨人工智能(AI)技术在智能客服系统中的应用及其面临的挑战。我们将通过实例分析,了解AI如何改善客户服务体验,提高效率和降低成本。同时,我们也将关注AI在实际应用中可能遇到的问题,如语义理解、情感识别和数据安全等,并提出相应的解决方案。
|
23天前
|
安全 搜索推荐 机器学习/深度学习
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】在人工智能的推动下,个性化学习系统逐渐成为教育领域的重要趋势。深度学习作为AI的核心技术,在构建个性化学习系统中发挥关键作用。本文探讨了深度学习在个性化推荐系统、智能辅导系统和学习行为分析中的应用,并提供了代码示例,展示了如何使用Keras构建模型预测学生对课程的兴趣。尽管面临数据隐私和模型可解释性等挑战,深度学习仍有望为教育带来更个性化和高效的学习体验。
60 0
下一篇
无影云桌面