近年来，人工智能已成为商业领域最重大的技术发展之一，但这一领域仍笼罩在很大程度的不确定性之中。尽管人们的期待极高，企业目前实际上在做些什么？一份新的报告由BCG与MIT 斯隆管理评论联合发布，旨在揭开人工智能在商业领域的神秘面纱，并盘点当前各行业的应用情况。报告基于一项覆盖全球3000多位高管的调查，以及对30多位技术专家和高管的深入访谈。报告旨在提供一个切合实际的基准，帮助企业比较自身在人工智能方面的投入与雄心，并为未来发展提供指引。
大多数企业的雄心与执行之间存在巨大差距。只有约五分之一的企业将人工智能纳入了部分产品或流程。只有二十分之一的企业广泛地将人工智能纳入产品或流程。研究还揭示，各行业的领先企业——即了解并已采用人工智能的企业——与落后企业之间存在巨大差距。一个显著差异在于它们对人工智能数据和训练的理解及处理方式。对许多企业而言，这些差距可能会在未来五年进一步扩大，但几乎所有企业仍有能力在各自领域建立竞争优势，并塑造人工智能创造价值的方式。
期待高涨
无论地域、行业和企业规模如何，人们对人工智能的期待都很高。尽管大多数高管尚未在产品和流程中看到人工智能带来的显著影响，但他们显然预期未来五年内会出现这种影响。（见图表1。）大多数机构预计，人工智能将在信息技术、运营与制造、供应链管理以及面向客户的活动中产生重大影响。例如，业务流程外包企业预计，近年来转移到劳动力成本较低国家的许多岗位将实现自动化。不过，它们也预计人工智能会带来新的活动和就业来源。工业企业的高管预计，人工智能对运营与制造的影响最大。例如，空客正在其新的A350项目中运用人工智能，以加快并改进生产。该公司结合了以往生产项目的数据、A350项目持续提供的信息、模糊匹配技术和自学习算法，以识别生产问题中的规律。在某些领域，系统能将约70%看似无关的生产中断与以往采用的解决方案相匹配，几乎可实时完成。
雄心与执行
撇开期待不谈，大多数企业的雄心与执行之间仍存在巨大差距。四分之三的高管认为，人工智能将帮助企业拓展新业务。近85%的高管认为，人工智能将帮助企业获得或维持竞争优势。然而，超过60%的受访者表示，制定人工智能战略对其机构而言十分紧迫，但其中只有一半表示所在机构已制定相关战略。规模最大的企业（员工超过100,000人）最有可能拥有人工智能战略，但也只有一半制定了战略。
领先企业与落后企业之间也存在巨大差距。在领先企业中，四分之三已确定人工智能的商业应用案例。约80%表示，高层领导已予以支持。这些企业面临的最大障碍是招聘和培养人才，以及确定人工智能投资的优先事项；它们也开始担忧与人工智能相关的安全问题。相比之下，落后企业尚未确定人工智能的商业应用案例。超过50%表示，高层领导通常并未参与人工智能相关工作，而且大多数企业还没有遇到寻找人工智能人才的难题。
同一行业内，企业采用人工智能的程度也可能存在惊人差异。中国平安保险公司是中国最大的保险公司之一，拥有110名数据科学家，并已启动约30项由首席执行官支持的人工智能计划。这些计划部分体现了公司的愿景，即“技术将成为未来几年推动公司营收增长的关键动力”，该公司首席创新官Jonathan Larsen表示。在保险业的另一端，一家大型西方保险公司的高管将其公司的人工智能计划描述为仅限于“尝试聊天机器人”等举措。
数据、训练与算法
领先企业与落后企业之间最明显的差异之一，是它们对数据、训练和算法重要性的理解。人工智能算法并非天生“智能”。人工智能始于“裸”算法，只有在大量数据上经过训练后才会变得智能；对于大多数商业应用而言，这些数据还必须是大量的企业专属数据。要成功训练算法，必须充分理解这一过程以及数据的作用；与大数据和高级分析应用相比，数据在这里重要得多。成功还取决于是否拥有成熟的系统，能够整合相关训练内容，并持续纳入后来随时间收集的数据所得出的发现。在开发人工智能应用时，数据收集和准备往往是最耗时的环节。
因此，即使机构拥有所需数据，数据分散在多个系统中也会妨碍人工智能算法的训练。富国银行企业模型风险执行副总裁Agus Sudjianto这样说道：“我们工作中的很大一部分是处理非结构化数据，例如文本挖掘，以及分析海量交易数据、观察其中的规律。我们致力于持续改善客户体验，同时改进客户开发、信贷审批和金融犯罪侦测方面的决策。在所有这些领域，应用人工智能都有巨大机会，但在大型机构中，数据往往分散。这正是大公司的核心问题——如何从战略层面处理数据。”不到一半的调查受访者表示，其所在机构了解算法的数据需求，或了解训练算法所需的流程。
自建还是采购
使用适当数据训练人工智能算法的必要性，对企业投资新技术时面临的传统自建或采购决策有广泛影响。通过人工智能创造价值，比单纯为某个业务流程自建或采购人工智能更复杂。训练人工智能算法需要多种技能，包括了解如何构建算法、如何收集并整合相关数据以用于训练，以及如何监督算法训练。
一家大型制药公司的首席信息官将人工智能供应商提供的产品和服务形容为“非常年幼的孩子”。他说，人工智能技术供应商“需要我们提供大量信息，才能让它们学习”。“要让基于人工智能的服务成长到17岁、18岁或21岁，需要付出的努力目前看来并不值得。我们认为付出和回报不成比例。”要借助人工智能获得竞争优势，企业必须培养自身的内部技能。
管理挑战
人工智能所需的不只是掌握数据。企业还面临许多与其他技术驱动型转型相似的管理挑战，包括愿景与领导力、开放态度与变革能力、长远思维、业务战略与技术战略的紧密协同，以及有效协作。企业还面临人工智能特有的挑战。
最基本、也最重要的一点，是培养对人工智能的直觉性理解。财富100强金融服务机构TIAA的企业数据管理总监J.D. Elliott表示，该机构管理的资产接近1万亿美元：“我不认为每位一线经理都需要理解神经网络中深度学习与浅层学习的区别。但我认为，大家需要有基本认识：通过分析并利用数据，我们确实拥有一些技术，能够比凭直觉做出更好、更准确的结果和决策，这一点很重要。”
第二项挑战是建立适合人工智能的组织。广泛采用人工智能可能会让软技能和组织灵活性变得格外重要。组织模式各不相同，例如集中式、分布式和混合式，但归根结底，强调跨职能协作的混合模式或许最为合理。富国银行的Sudjianto表示：“我们必须引进来自不同学科的人才。当然，我们也需要机器学习和人工智能方面的人才。”“能够全面领导这类团队的人非常重要。”组织灵活性是所有人工智能模式的核心。几位高管表示，对大型企业而言，实施人工智能所需的文化变革将十分艰巨。
第三项挑战是弄清楚人类与计算机如何发挥彼此的优势。这并不容易。保险公司FWD Group首席技术与运营官Amy Hoe表示，企业需要获得数据的特权访问权（根据我们的调查，许多企业并不具备这一条件），需要建立灵活的组织架构，还必须学会如何让人与机器有效协作。所有这些都意味着企业和员工双方都要经历艰难的文化变革。
管理者还需要认识到，运用人工智能不仅仅是改进现状。真正艰巨的工作在于理解整个价值池可能发生的转移——例如医疗保健行业预计会出现这种变化——以及如何在不断变化的环境中建立可持续的竞争优势。（参见BCG于2017年1月发表的文章《在人工智能时代竞争》，以及即将发表的文章《让人工智能投入工作》。）
人工智能与就业
与近期关于人工智能影响就业的悲观预测相反，我们的调查显示，人们持谨慎乐观态度。例如，大多数受访者并不认为人工智能会在未来五年内导致所在机构减少岗位。（见图表2。）近70%的受访者还表示，他们不担心人工智能会自动化自己的工作。比例相近的受访者希望人工智能接手目前一些更枯燥、令人不快的任务。不过，绝大多数受访者都认同，未来五年内人工智能既会要求员工学习新技能，也会增强他们现有的技能。
如今，几乎所有企业都需要制定人工智能计划。大多数企业尚未制定计划，而行动较慢的企业需要迎头赶上。现在开始还不算晚，但拖延太久的企业会发现，竞争环境正变得越来越不利于自己。完整报告提供了下一步行动的一些具体建议。
