研究人员调查了100家表现优异的企业，以确定它们如何成功运用机器学习技术。
该调查涵盖各行业的企业，考察了它们的数据分析和技术应用情况。
从数字技术中获得最大收益的企业，具备强有力的治理、合作伙伴关系和数据可用性，并拥有接受过机器智能培训的员工。
哪些企业在制造和运营中成功部署了机器智能（MI）和数据分析？为何这些领先的采用者遥遥领先——其他企业又能从它们身上学到什么？
麻省理工学院制造与运营机器智能项目（MIMO）与麦肯锡公司已给出答案，相关成果以前所未有的形式发表在《哈佛商业评论》一文中。该文记述了MIMO与麦肯锡如何合作开展一项覆盖100家企业的大规模调查，以阐明表现优异的企业如何成功运用机器学习技术（以及其他企业可在哪些方面改进）。
MIMO由麻省理工学院全球运营领导者（LGO）项目创办，是一个研究与教育项目，旨在通过加速机器智能的部署与理解，提升产业竞争力。其目标是“找到从数据到影响的最短路径”，项目常务董事Bruce Lawler（SM ’92）如是说。
因此，麦肯锡项目体现了MIMO揭开有效机器学习应用神秘面纱的使命。该调查涵盖各行业企业，考察其数字化、数据分析和MI技术应用情况；目标（从效率到客户体验再到环境影响）；以及跟踪情况。受访者来自麻省理工学院和麦肯锡广泛的人脉网络。
“这项研究可能是该领域迄今范围最广的一项：涵盖100家企业和21项绩效指标，”麦肯锡高级合伙人、曾与MIMO合作开展该项目的Vijay D’Silva（SM ’92）如是说。
总体而言，从数字技术中获得最大收益的企业，具备强有力的治理、部署、合作伙伴关系、经过机器智能培训的员工以及数据可用性。这些企业在机器学习上的投入也比竞争对手高出多达60%。
其中一家突出的企业是生物制药巨头安进（Amgen），该公司利用深度学习图像增强技术，最大限度提高视觉检测系统的效率。这项技术带来回报，使颗粒检测能力提高70%，并减少了人工检测的需求。AJ Tan（博士 ’19、MBA ’21、SM ’21）在这项工作中发挥了关键作用：他以该项目为题撰写了LGO论文，并荣获去年的最佳论文奖，已于毕业典礼上获得表彰。
Lawler表示，Tan的工作体现了MIMO的使命，即在为时已晚之前，弥合机器学习与制造业之间的鸿沟。
“我们认识到，有必要更快地将这些强大的新技术引入制造业。未来20至30年，全球人口还将增加30亿，而他们将渴望过上你我所享受的生活方式。这些生活方式通常需要制造业产品。我们如何更好地将自然资源转化为人类福祉？实现这一目标的重要途径之一是制造业，而最新的工具之一则是人工智能和机器学习，”他说。
在此次调查中，MIMO为每家企业发放了一本30页的指南，分析其与其他企业在战略、治理到数据执行等一系列类别和指标上的对比情况。这将有助于企业确定机遇领域或投资方向。Lawler希望，这将成为一项每年扩大范围并发布指南的纵向研究——这是一项规模庞大但影响深远的事业，并以LGO的智力为核心驱动力。
“麻省理工学院对这项工作至关重要，也是我们出色的合作伙伴。我们团队中有才华横溢的麻省理工学院学生，他们与麦肯锡共同完成了大部分分析工作，因此提升了工作质量，”D’Silva说。
这种协作方式是MIMO作为信息召集者和私营部门合作伙伴的理念核心。其目标是推动“产业的有效转型，不仅实现技术目标，也实现商业目标和社会目标”，麻省理工学院LGO工程学院教务主任、MIMO学术负责人Duane Boning如是说。
他表示，这种研究与协作的融合是LGO合乎逻辑的下一步，因为该项目一直处于全球运营问题解决的最前沿。机器学习无疑是当前许多企业面临的最新重大知识缺口，但并非首个，而MIMO可以教会企业如何应用它。
“［我将其］比作30年前LGO创立之时，当时的重点全在精益制造原则上。大约15年前，焦点转向供应链理念。这促使我们思考——不仅为了我们的LGO学生，也为了整个产业的更广泛利益——去理解这一重大变革、推动其实现、开展研究并与其他实际研究活动建立联系，我们需要一些努力来催化这一进程，”Boning说。“这正是［MIMO的］真正激动人心之处：哪些想法行之有效？哪些方法行之有效？哪些技术行之有效？而在某种意义上，LGO学生正是发现其中部分成果的理想载体。”
